基于環(huán)境要素的枯水期水上橋梁目標(biāo)的定位方法

高鳳嬌

（黑龍江省科學(xué)院自動(dòng)化研究所，黑龍江 哈爾濱 150090）

高分辨率衛(wèi)星圖像的獲得使得地面目標(biāo)的精確定位成為可能。從高分辨率衛(wèi)星圖像中高效、準(zhǔn)確地定位描述橋梁目標(biāo)具有重要的應(yīng)用價(jià)值。國(guó)內(nèi)外已有許多學(xué)者對(duì)遙感影像中橋梁目標(biāo)的識(shí)別定位方法進(jìn)行了相關(guān)研究。以往大部分研究都是對(duì)橋梁水上部分的檢測(cè)方法進(jìn)行研究,檢測(cè)到的結(jié)果是位于水上的那部分橋梁片段，對(duì)橋梁的定位可能存在較大偏差[1-6]。也有研究人員提出先基于水域做目標(biāo)粗檢測(cè)，在檢測(cè)結(jié)果中心設(shè)定窗口，在窗口內(nèi)對(duì)橋梁進(jìn)行精檢。此類方法考慮到了除水上橋梁部分的橋體[7-11],但當(dāng)河流處于枯水期時(shí)，水上橋梁部分面積比較小，使用提取水域部分的橋梁檢測(cè)方法檢測(cè)誤差較大。此種情況下，窗口檢測(cè)也存在問(wèn)題：(1)水上橋梁部分小，自動(dòng)檢測(cè)中窗口往往偏小，專家指導(dǎo)下放大檢測(cè)窗口又會(huì)引入干擾產(chǎn)生誤檢，由于河岸環(huán)境復(fù)雜，橋體與背景環(huán)境的對(duì)比度不大，增加了干擾噪聲；(2)橋梁與道路相連，特征一致，使得以往檢測(cè)中對(duì)橋梁范圍的界定很模糊，橋梁檢測(cè)結(jié)果受檢測(cè)窗口大小的影響嚴(yán)重；(3)當(dāng)水上橋梁下方存在湖心島時(shí)應(yīng)用以往方法橋梁目標(biāo)容易被錯(cuò)檢。

針對(duì)以上問(wèn)題，本文提出基于環(huán)境要素提取的高分辨遙感圖像中枯水期水上橋梁目標(biāo)的定位方法，結(jié)合水域、橋體、陰影等環(huán)境要素的聯(lián)合特征提取和知識(shí)規(guī)則驗(yàn)證，引入橋梁陰影特征，通過(guò)陰影與目標(biāo)的相互驗(yàn)證輔助橋梁目標(biāo)的檢測(cè)，提高了定位檢測(cè)精度。

1 橋梁目標(biāo)定位系統(tǒng)框架

通過(guò)對(duì)高分辨率可見(jiàn)光遙感圖像的分析得到水上橋梁目標(biāo)的一般知識(shí)特征模型：

(1)橋梁的灰度和河流兩岸陸地的灰度十分接近，灰度值較高，與橋梁相比，河流的面積比較大，被橋梁分離，灰度值較低。

(2)橋梁幾何外形一般是長(zhǎng)矩形，橋梁邊緣線表現(xiàn)為兩條近乎平行的直線段。

(3)橋梁的兩側(cè)是水域，顯然橋梁的邊緣線是水域邊沿的一部分。因此若對(duì)分割出的水域進(jìn)行邊緣提取，所得到的邊緣是由橋梁線和河岸線組成的。

(4)橋梁的長(zhǎng)度相對(duì)于寬度而言較長(zhǎng)。

(5)橋梁橫跨在河流上，即橋身縱向?yàn)樗颍瑢⒑恿鞣指畛蓛蓚€(gè)平均灰度相近的水域，橫向延伸到陸地上，橋梁兩端與等寬度的道路相連。

本文給出的橋梁定位算法在自上而下知識(shí)驅(qū)動(dòng)下，結(jié)合橋梁相關(guān)的環(huán)境要素的聯(lián)合特征提取和知識(shí)規(guī)則驗(yàn)證，經(jīng)過(guò)目標(biāo)檢測(cè)、目標(biāo)定位和描述過(guò)程精確定位描述目標(biāo)。算法引入橋梁陰影特征約束準(zhǔn)則，通過(guò)陰影與目標(biāo)的相互驗(yàn)證來(lái)輔助橋梁目標(biāo)的檢測(cè)。通過(guò)目標(biāo)檢測(cè)過(guò)程在全圖中檢測(cè)候選橋梁像素點(diǎn)，鎖定存在橋梁的潛在區(qū)域，在通過(guò)目標(biāo)定位及描述過(guò)程提取特征驗(yàn)證檢測(cè)結(jié)果，提高檢測(cè)精度，并且對(duì)目標(biāo)進(jìn)行定位和描述。算法流程圖如圖1所示。

圖1 橋梁目標(biāo)定位算法流程圖

2 目標(biāo)探測(cè)、目標(biāo)定位描述

如圖1所示，依據(jù)前面分析得到的橋梁知識(shí)特征，目標(biāo)探測(cè)過(guò)程首先提取水域。河流灰度值較低，表現(xiàn)為暗色，而且灰度一致性好，采用閾值分割可以將目標(biāo)和背景分離。水體初步分割之后利用數(shù)學(xué)形態(tài)學(xué)運(yùn)算去除小的噪聲點(diǎn)，并對(duì)初檢水體做標(biāo)記。由于河流區(qū)域表現(xiàn)為大連通區(qū)域，設(shè)定面積閾值確定河流區(qū)域。利用區(qū)域跟蹤算法提取河流區(qū)域的外邊界。由橋梁知識(shí)模型(3)可知，此邊界由河岸線和橋梁邊緣線組成。

根據(jù)橋梁知識(shí)模型，各個(gè)水體區(qū)域被橋梁以確定橋?qū)捑嚯x分隔開，計(jì)算兩兩水域外邊界點(diǎn)（WaterEdge_m，WaterEdge_n）之間的距離dmn，并設(shè)定最大橋?qū)?Wth。

分別記錄滿足式(1)的兩水域的外邊界點(diǎn)，這組點(diǎn)集為潛在橋梁的兩條邊界上的點(diǎn)。以此為中心確定候選橋梁區(qū)域。在候選區(qū)域內(nèi)對(duì)潛在橋梁的兩條邊界上的點(diǎn)做直線擬合分別得到橋梁的兩條邊緣線(Edge1和Edge2)。提取下面特征根據(jù)知識(shí)規(guī)則驗(yàn)證橋梁目標(biāo)真?zhèn)危瑢?duì)真實(shí)的橋梁目標(biāo)給出定量描述。滿足以下兩條準(zhǔn)則的目標(biāo)為真目標(biāo)，否則為假目標(biāo)。

(1)橋梁邊緣線近乎平行，這里設(shè)定兩橋梁邊界角度差值小于 5°；

(2)橋梁的長(zhǎng)度相對(duì)于寬度而言較長(zhǎng)，設(shè)定長(zhǎng)寬比大于 1。

其中,θ1和 θ2為候選橋梁區(qū)域內(nèi)橋梁兩條邊緣線的方向角、兩條邊界線的長(zhǎng)度 L1和L2、L=(L1+L2)/2為橋長(zhǎng)；橋?qū)扺為一條邊緣線的中點(diǎn)到另一條邊緣線的最小距離；橋梁的方位角 θ=(θ1+θ2)為橋梁兩邊緣線的方位角平均值。

3 陰影特征約束

由于光學(xué)遙感圖像都是采用中心投影，在成像時(shí)衛(wèi)星傳感器處于被測(cè)地區(qū)的正上方，傳感器與星下點(diǎn)之間的連線和太陽(yáng)光線的入射角呈一定交角。通常情況下，地面有高程的目標(biāo)都存在陰影。在衛(wèi)星遠(yuǎn)距離垂直成像中橋梁目標(biāo)大體表現(xiàn)為直線特征或者長(zhǎng)矩形區(qū)域。在以往的建筑物目標(biāo)識(shí)別中，目標(biāo)分布相對(duì)密集，目標(biāo)陰影間相互遮擋不利于目標(biāo)的識(shí)別，需要想辦法去除陰影，但橋梁目標(biāo)一般位于水域之上，很少存在遮擋。陰影表現(xiàn)為與橋梁相平行的條帶區(qū)域，因此，當(dāng)河流處于枯水期橋梁實(shí)際長(zhǎng)度和它的陰影長(zhǎng)度幾近相等。根據(jù) “四色原理”[12]，陰影區(qū)域是灰度均值最小的類別。在高分辨率可見(jiàn)光圖像中，陰影區(qū)域有很好的灰度一致性，這使得橋梁陰影區(qū)域的提取成為可能。因此本文建議在橋梁特征驗(yàn)證過(guò)程中，提取橋梁陰影，輔助橋梁目標(biāo)的精確定位和描述。

橋梁陰影特征提取流程圖如圖2所示。這里規(guī)定橋梁與其陰影的所屬關(guān)系判定原則：

(1)陰影的長(zhǎng)度大于上面檢測(cè)到的橋梁的長(zhǎng)度；

(2)陰影的長(zhǎng)軸與上面檢測(cè)到的橋梁的主軸幾乎平行，夾角小于 10°；

圖2 橋梁陰影檢測(cè)流程圖

(3)上面檢測(cè)到的橋梁的中心到其陰影的距離小于2倍橋?qū)挕?/p>

滿足以上原則的認(rèn)為是某陰影為橋梁的陰影，所屬關(guān)系判斷完成。提取其陰影特征輔助校正對(duì)應(yīng)橋梁目標(biāo)的定位描述，包括橋長(zhǎng)、橋?qū)挕蛄褐行奈恢煤蜆蛄悍轿弧?/p>

根據(jù)陰影特征修正橋梁。分別提取陰影區(qū)的邊界及橋梁兩邊緣線，進(jìn)行Hough變換，在垂直于橋梁方位角方向?qū)ふ谊幱皡^(qū)的邊界點(diǎn)投票數(shù)等于1的位置，這些位置對(duì)應(yīng)橋梁兩邊緣線上的點(diǎn)集A和B，分別求取點(diǎn)集A和B內(nèi)距離最大的兩點(diǎn)，這兩點(diǎn)被認(rèn)為是橋梁邊緣線的端點(diǎn)，由此得到修正后的橋梁的兩條邊緣線段。

4 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)一 如圖3所示圖像為可見(jiàn)光遙感圖像。經(jīng)閾值分割，數(shù)學(xué)形態(tài)學(xué)處理和連通區(qū)域標(biāo)記得到初步水域分割結(jié)果如4(a)，根據(jù)水域面積閾值去除小面積非水域區(qū)域完成水域提取，如圖4(b)三個(gè)水域區(qū)域及其外邊界線，圖4(c)為直線擬合得到的橋梁邊緣線。盡管此圖中河流并非出于枯水期，但經(jīng)過(guò)陰影特征約束也進(jìn)一步修正的定位結(jié)果。具體定位數(shù)據(jù)如表1所示，Img1_Bn_Initial是第n個(gè)橋梁的初檢結(jié)果，Img1_Bn_True是第 n個(gè)橋梁的真實(shí)數(shù)據(jù)，Img1_Bn_SC是利用本文方法檢測(cè)到的第n個(gè)橋梁的定位結(jié)果。

圖3 遙感圖像一

圖4 橋梁目標(biāo)探測(cè)結(jié)果

實(shí)驗(yàn)二 數(shù)據(jù)來(lái)源于GOOGLE EARTH可見(jiàn)光圖像，如圖5(a)。圖中有兩座水上橋梁，兩座橋梁與同一道路相連而且方位夾角不大，幾乎在一條直線上。傳統(tǒng)的依靠橋梁邊緣線特征的檢測(cè)方法很難正確界定兩座橋梁的范圍，窗口選擇過(guò)大時(shí)甚至可能將其判定為一個(gè)橋梁目標(biāo)。此外，河水處于枯水期，水上橋梁部分面積小，以往檢測(cè)誤差大。本文的檢測(cè)方法處理這類情況優(yōu)勢(shì)明顯。圖5(b)為初檢結(jié)果；陰影區(qū)域提取如圖5(c)，對(duì)陰影區(qū)域進(jìn)行標(biāo)記，并與橋梁進(jìn)行所屬關(guān)系判定；圖5(d)是修正后的橋梁提取結(jié)果。定位描述具體數(shù)據(jù)如表1。本文方法得到的目標(biāo)描述參數(shù)更接近目標(biāo)實(shí)際參數(shù)，定位精度得到提高。

表1 誤差分析

圖5 遙感圖像二中的橋梁提取結(jié)果

實(shí)驗(yàn)三 如圖6所示的遙感圖像三中水上橋梁下方存在湖心島，在以往的檢測(cè)方法中容易被誤認(rèn)為是兩座橋梁。按照本文檢測(cè)方法可以正確定位,定位結(jié)果如表1中所示。

本文針對(duì)以往水上橋梁檢測(cè)精度不高，尤其當(dāng)河水處于枯水期時(shí)檢測(cè)結(jié)果依賴檢測(cè)窗口的選擇，以及水上橋梁下方存在湖心島時(shí)橋梁容易被錯(cuò)檢等問(wèn)題，提出基于環(huán)境要素提取的高分辨遙感圖像中枯水期水上橋梁目標(biāo)的定位方法。本文方法通過(guò)提取與目標(biāo)密切相關(guān)的環(huán)境要素，在橋梁知識(shí)模型指導(dǎo)下，經(jīng)過(guò)目標(biāo)檢測(cè)、目標(biāo)定位和描述過(guò)程精確定位描述目標(biāo)。算法引入橋梁陰影特征約束準(zhǔn)則，通過(guò)陰影與目標(biāo)的相互驗(yàn)證輔助橋梁目標(biāo)的檢測(cè)，提高檢測(cè)精度，并且對(duì)目標(biāo)進(jìn)行定位和描述。以實(shí)際高分辨率遙感圖像為例，實(shí)驗(yàn)驗(yàn)證了本文方法的有效性和優(yōu)越。

圖6 遙感圖三

[1]Wu Fan,Wang Cha,Zhang Hong.Recognition of bridges by integrating satellite SAR and optical imagery[C].IEEE 2005.IEEE International Conference on integration Technology.2007:3939-3941.

[2]Ma Zhenli,Wang Huibin.A knowledge-based target recognition method for remote sensing image[C].2007.

[3]CHAUDHURI D,SAMAL A.An automatic bridge detection technique for multispectral images[J].IEEE Transaction on Geoscience and Remote Sensing,2008,46(9):2720-2727.

[4]SOERGEL U.Feature extraction and visualization of Bridges over water from high-resolution InSAR data and one orthophoto[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2008,1(2):147-153.

[5]Chen Aijun.Novel approach for recognizing bridges over water in large remote sensing images[C].international symposium on computional intelligence and design.2008:48-51.

[6]Zhang Yongmei.A novel recognition approach based on multi-agent[C].2010 International Conference on Digital Manufacturing&Automation.2010:92-95.

[7]陳愛(ài)軍.典型人造目標(biāo)自動(dòng)識(shí)別算法研究[D].哈爾濱:哈爾濱工業(yè)大學(xué),2008.

[8]吳樊,王超,張紅等.基于知識(shí)的中高分辨率光學(xué)衛(wèi)星遙感影像橋梁目標(biāo)識(shí)別研究[J].電子與信息學(xué)報(bào),2006,28(4):587-591.

[9]Fu Yili.Recognition of bridge over water in high-resolution remote sensing images[C].2009 World Congress on computer science and information engineering,2009:621-625.

[10]周小成,汪小欽,駱劍承，等.基于對(duì)象關(guān)系特征的高分辨率光學(xué)衛(wèi)星影像水上橋梁目標(biāo)識(shí)別方法[J].遙感應(yīng)用,2010(2):36-42.

[11]薄麗萍.橋梁目標(biāo)識(shí)別的研究與實(shí)現(xiàn)[D].太原:中北大學(xué),2010.

[12]PAPPAS T N.An adaptive clustering algorithm for image segmentation[J].IEEE Transaction on Signal Processing.1992,40(4):901-914.