随着合成孔径雷达(Synthetic Aperture Radar,缩写为SAR)图像的应用范围越来越广,SAR图像特征提取已成为图像内容分析领域内一个非常活跃的研究课题。常见的SAR图像特征包括边缘,直线,纹理,形状,轮廓等,其中边缘和直线作为图像中最基本的两个特征常常被应用于图像识别,模式分类等领域。因此,本文主要研究了如何准确、有效、可靠地检测SAR图像中的边缘特征以及直线特征。针对SAR图像边缘特征检测,本文提出并解决的问题如下:1、如何降低SAR图像边缘检测算法的错误检测率(错检率)。本文指出,常见的检测算子在空间域上通常具有较长的拖尾长度,同时在频率域上具有较高的旁瓣高度。这些特点是导致经典的SAR边缘检测算子产生较高错检率的一个重要原因。此外,传统的检测算子在检测边缘像素时只依赖于单个像素点所提供的信息。由于SAR图像中乘性噪声的存在会严重地影响图像质量,增加边缘检测的难度,因此仅使用单个像素信息的检测算子往往不能获得可靠的检测结果。本文提出了一个新的边缘检测算子。该算子可以同时使用多个相邻像素点的信息来协助边缘像素的检测。此外,该算子还具有较短的拖尾长度以及较低的旁瓣高度。相关实验表明,与常见的SAR边缘检测算子相比,本文提出的检测算子具有较低的错检率。2、如何提高SAR图像边缘检测算法的正确检测率。真实图像中的边缘情况往往比较复杂。与由强对比度区域形成的强边缘相比,由弱对比度区域形成的弱边缘通常很难被准确的检出。本文提出了一个用于检测SAR图像中弱边缘像素的检测算法。该检测算法包含了一个火山口型滑动滤波器以及一个边缘补偿策略。利用火山口型滑动滤波器,算法可以有效地抑制由相干斑噪声所导致的虚假边缘;利用边缘补偿策略,算法则可以检测出大约70%的弱边缘。因此,与未使用补偿策略的检测算法相比,本文提出的检测算法具有较高的正确检测率。3、如何无偏的检测出SAR图像中的非理想边缘。在相干斑噪声的影响下,图像中原本清晰的边缘往往会变得十分模糊。理论分析表明,利用常见的比例类型的SAR图像边缘检测算子去检测这些被模糊的边缘,所得到的边缘位置与真实边缘位置之间通常存在着一定的偏差。也就是说,常见的比例类型的SAR边缘检测算子不能无偏的检测出非理想边缘。常见的差分型边缘检测算子可以准确、无偏的检测出非理想边缘的位置,但是在乘性噪声模型下此类检测算子不具有恒虚警特性。因此,本文提出了一个差分-比例边缘检测算子。该检测算子同时使用了差分操作和比例操作。理论分析和实验结果证明,差分-比例检测算子不仅具有恒虚警特性,同时可以无偏的检测出SAR图像中的非理想边缘。针对SAR图像直线特征检测,本文提出并解决的问题如下:1、如何克服直线检测算法对边缘检测结果的依赖。常见的直线检测算法大都是基于二值边缘图而提出的。也就是说,直线检测算法是从边缘检测的结果中提取直线,而不是直接从灰度图像中提取直线。受相干斑噪声的影响,SAR图像的边缘检测结果中常常包含较多的虚假、扭曲的边缘。因此这样的依赖关系会导致常见的直线检测算法的检测结果很容易受到边缘检测结果中虚假、扭曲边缘的负面影响。本文提出了一个新的直线检测算法,该算法不依赖二值边缘图,而是利用图像的边缘场进行直线检测。实验结果表明,该算法可以准确的检测出SAR图像中的直线。2、如何快速的检测出SAR图像中的直线特征。常见的直线检测算法的计算量通常都正比于待检测图像的场景复杂程度。本文提出了一个新的直线检测算法。该算法使用了本文提出的漏斗变换操作,因此其计算量仅与待检测图像的大小有关。算法直接将图像空间中的一条直线映射为参数空间中的一个局部极大值点。根据该局部极大值点在参数空间中的坐标位置可以快速的得到与之对应的直线的参数信息。该算法可以直接应用于灰度图像,并且对于图像中由脊状边缘和台阶边缘所形成的直线均可准确的检测。相关实验表明,基于漏斗变换的直线检测算法具有运算量低,抗噪能力好,抗遮挡能力强,检测正确率高等优点。