冲突再分配DSmT多尺度边缘检测算法

"基于冲突再分配DSmT的多尺度融合边缘检测算法是为了解决实际图像中因地物特征复杂导致的边缘检测不准确问题。该算法通过结合多个尺度的边缘信息，以提高边缘检测的准确性并减少噪声干扰。在传统单一尺度的边缘检测算子如Canny算子的基础上，该算法首先对图像进行多尺度边缘测度提取，然后利用双向指数映射构建基本置信指派，并采用冲突再分配的DSmT（Dempster-Shafer理论）组合规则对这些测度进行融合。融合后的边缘置信指派图经过双阈值处理，能够更准确地确定边缘像素。实验结果表明，该算法在减少误检和漏检的同时，能有效保留图像的细节信息，适用于可见光和合成孔径雷达(SAR)图像的边缘检测。关键词包括边缘检测、冲突再分配、多尺度边缘测度、基本置信指派和证据理论。" 这篇论文详细阐述了一种新的边缘检测方法，旨在克服单一尺度边缘检测算子的局限性，尤其是在复杂地物特征的图像中。传统的边缘检测算法可能会将噪声点误判为边缘，导致提取的边缘不准确。为了改善这种情况，该算法引入了多尺度融合的概念，首先对图像进行多尺度分析，获取不同尺度下的边缘信息。这种多尺度分析有助于捕获不同大小的地物特征。 然后，论文提出了双向指数映射的基本置信指派构造方法。这是一种将图像的边缘信息转换为置信度分配的方法，使得在不同的尺度下，边缘信息能够被有效地表示和组合。置信指派是证据理论中的一个概念，用于处理不确定性信息。 接下来，冲突再分配DSmT组合规则被用来处理来自不同尺度的边缘信息之间的冲突。DSmT（Dempster-Shafer理论）是一种处理不确定性和证据的数学框架，它允许合并来自不同源的信息，即使这些信息可能有冲突。通过DSmT，算法能够智能地解决多尺度信息融合时可能出现的不一致，从而得到更准确的边缘表示。 最后，融合后的边缘置信指派图通过双阈值法进行处理，确定最终的边缘像素。这种方法可以区分出真正的边缘和噪声，从而减少误检和漏检的问题。 通过对比可见光和SAR图像的仿真实验，该算法显示出了优于单一尺度Canny算子的性能。它在保持高精度的同时，能更好地保留图像的细节，这对于理解和分析复杂的遥感图像尤其有价值。总体而言，这项研究为边缘检测提供了新的思路，特别是在处理复杂环境和噪声条件下的图像分析。