遥感图像中水上桥梁目标检测方法技术

本发明专利技术公开了一种从遥感图像中检测水上桥梁的方法，属于图像处理技术领域，主要解决现有技术适用范围有限的问题。具体实现过程是：从遥感图像中分割出完整连通的水域；对得到的水域区进行基于方向滤波的图像增强，在此基础上计算水域内各像素点的方向；根据不同桥梁的特点和方向设计相应的模板，并基于模板进行特征提取，选取多幅遥感图像用训练建模的方法得到基于遥感图像的桥梁分类器，对待检测图像进行模板匹配与特征提取后，通过桥梁分类器即可得到初始的桥梁检测结果；对初始检测结果进行噪声剔除，得到桥梁检测的最终结果。本发明专利技术具有无需对图像进行复杂的预处理和检测性能好的优点，用于对遥感图像的水上桥梁目标准确检测。

【技术实现步骤摘要】

本专利技术属于计算机视觉与模式识别领域，涉及一种从遥感图像中检测桥梁的方法，即 以计算机为手段，从复杂的遥感图像中检测出水上桥梁，并对其精确定位。
技术介绍
自然景物中人工物体的自动识别， 一直是一项非常有意义但又很困难的工作。桥梁目 标就是一种典型的人造目标，通过计算机视觉技术对其进行自动识别的研究，不论在军用 还是民用上都有重大的意义。目前，桥梁识别尚无效果良好、适用范围广的方法。从现有 的研究结果来看，主要是针对红外近(远)距离侧拍图像和高空侧拍航片中桥梁目标的识别。 国外Baker DC， Hwang SS和Aggarwal JK等人对近距离侧拍桥梁的识别进行了研究，他们 主要是基于彩色特征针对混凝土桥梁进行分析识别。算法较多地应用了混凝土桥梁的领域 知识指导低层的处理和分割，因此属于基于知识的识别方法。国内从事桥梁目标识别方法 研究的团体和机构主要有以徐胜荣、荆仁杰、姜骊黎、王伟明等为代表的浙江大学信息与 智能研究所，以汪国有、左震等为代表的华中理工大学图像识别与人工智能研究所，以焦 李成等为代表的西安电子科技大学智能信息处理研究所等。徐胜荣、李忠兴等较早地对远距离侧拍桥梁进行了识别研究，他们将识别过程分为低、 中、高三个处理层次。低层处理后得到一些团块基元以及相应的边沿曲线；中层处理中使 用了传统Hough变换对已经获得的边沿线进行直线检测；高层处理时使用既有的桥梁知识 建立模型与检测出的直线进行匹配验证。从低层的区域分割、边沿提取到中层的直线检测、 线条关系分析直至高层的模型匹配都是以相应的知识为基础，是基于知识的识别方法。姜骊黎、史册等针对遥感图像中水上桥梁识别做了相关的研究，他们同样也将识别过 程分为低、中、高三个层次，各个层次都有相应的知识作为指导。与徐胜荣等不同的是 由于图像品质不同，建立的知识库内容有所区别低层处理结果仅是团块基元，中层则使 用了史册、吴宇岚等提出的团块链码跟踪识别算法BL算法，提取团块的线状特征。以上两种算法由于都要进行直线的检测，因此算法计算复杂度较高，且对待检测桥梁 的要求高，即要求待检测桥梁在水域跨度较大，并要符合一定的长宽比。
技术实现思路
本专利技术的目的在于克服上述己有直线检测方法计算复杂度高的问题，提供一种无需对 图像进行复杂的预处理，且检测过程对桥梁形状和大小没有限制的遥感图像水上桥梁目标 检测方法，以避免直线检测降低运算复杂度。为实现上述目的，本专利技术的技术方案是在水域分割的基础上，对图像水域区进行基于 方向滤波的图像增强并计算各像素点方向，再利用多模板匹配与特征提取相结合的方法检 测桥梁目标。具体步骤包括完整水域分割步骤对多幅遥感图像提取其中的水域特征，利用KNN分类器对所提取 的水域特征进行训练建模，得到基于遥感图像的水域分类器，通过该水域分类器对待检测 遥感图像的水域进行分割，并对分割结果进行数学形态学操作，得到完整连通的水域图像；水域图像像素点方向计算步骤对遥感图像中的水域图像进行基于方向滤波的图像增 强，并将增强后的图像用方向图计算方法得到水域内各像素点的方向；桥梁目标检测步骤(1) 针对不同桥梁目标的特点和方向设计相应的模板，并对模板不同区域提取不同的特征；(2) 根据设计的模板对多幅桥梁图像进行模板匹配与特征提取，得到桥梁图像的特征 矩阵，从该特征矩阵中选取训练样本，并利用KNN分类器对训练样本进行训练得到桥梁分 类器；(3) 根据设计的模板对待检测图像进行模板匹配与特征提取，得到待检测图像的特征 矩阵，通过桥梁分类器得到桥梁检测的初始结果；后处理步骤对初始检测结果进行噪声剔除，得到最终的桥梁目标检测结果。本专利技术由于仅对分割出的水域图像进行目标检测，因此不需要对待检测遥 感图像进行复杂的预处理；同时由于本专利技术是用模板匹配的方法检测目标，故对待检测桥 梁的形状和大小没有限制；此外由于本专利技术未涉及变换域的直线检测，因此所有步骤都在 空域基于像素进行，实现过程简单快速，复杂度低。 附图说明图1是本专利技术的流程原理框图2是本专利技术实施例输入的一幅待检测桥梁遥感图像；图3是本专利技术待检测图像水域分割的初步结果图4是本专利技术实验得到的完整连通的水域分割结果图5是本专利技术计算连续方向图的示意图6是本专利技术设计的方向滤波器示意图7是本专利技术对待检测图像水域方向的滤波结果图8是本专利技术提出的桥梁检测模板示意图9是本专利技术将待检测图像进行目标检测所用的模板图IO是本专利技术桥梁目标检测的初步结果图11是本专利技术对检测初步结果进行噪声去除后的结果图。 具体实施方法参照附图l，本专利技术的实现步骤如下. 1. 水域分割对输入的待检测图像进行水域分割，目的是得到待检测图像中完整连通的水域区，具 体分为以下几个步骤完成1.1) 训练水域分类器为了最大限度保持恒虚警地检测水域和避免对不同图像进行重复建模，通过对水域的 结构分析，提取5个特征表示水域，在遥感图像I中取水域和非水域的子图像H，分别计算:a. 子图像灰度的均值与整幅图像灰度的均值之比Jc, =￡(//)/E(/);b. 子图像灰度的均值与整幅图像灰度最大值之比X2 = ￡(/0/max(/);C.整幅图像灰度最小值与子图像灰度的均值之比A =111111(/)/￡(//);d. 子图像灰度的均值与子图像灰度的方差之比^ =￡(i/)/Var(/0;e. 子图像灰度的方差与整幅图像灰度的均值之比A = var(i/)/五(/); 对多幅遥感图像进行上述特征计算后，得到各幅图像的特征矩阵，从特征矩阵中选取部分水域点和非水域点作为两类样本输入给KNN分类器，对该两类样本进行特征比较，构 建一个基于遥感图像的水域分类器；1.2) 对输入的待检测图像，如图2所示，按照上述方法对整幅图像逐点进行特征计 算，得到整幅图像的特征矩阵，输入给训练得到的水域分类器，将特征矩阵的每一点与水 域分类器中的水域特征和非水域特征进行比较，将符合水域特征的点标记为水域，得到水 域分割的初始结果，如图3所示。图3显示的为二值图像，白色区域为水域，黑色为背景区域；1.3)对得到的水域粗分割结果进行先膨胀后腐蚀相结合的操作，膨胀和腐蚀过程选 用相同的算子，使整个水域连通，由于包含桥梁目标的水域面积较大，因此设定面积阈值， 通常选取小于50的值，去掉面积较小的水域，再对得到的连通区域进行膨胀操作，保证水 域的信息完整性，最终得到完整连通的水域分割结果，如图4所示。 2.计算水域图像像素点的方向对输入的待检测图像分割出其水域区域后，对水域区进行基于方向滤波的图像增强，并将增强后的图像用连续方向图计算方法计算水域内各像素点的方向，具体实现过程如下 2.1)对输入的水域图像进行基于方向滤波的图像增强首先计算出水域区的连续方向图，将图像中各点的方向分为八个方向，如图5所示。 基准点位于方向模板的中心，从水平位置开始，按逆时针方向，每隔;r/8确定一个方向， 分别用i^,l，2,…，7来表示，此方法计算的方向角范围是[0,;^。具体计算步骤如下la)对于图像中的每个像素，分别计算出每个方向的灰度平均值^;;lb)将8个方向按两两垂直的方向分成4组，计算每组中两个平均值差的绝对值AM ， 即AMH巧-^Tl，其中，j=0，l，2,3。取AM中最大的一组中的两个方向(7'本文档来自技高网...

【技术保护点】
一种遥感图像中水上桥梁目标检测方法，包括如下步骤：　完整水域分割步骤：对多幅遥感图像提取其中的水域特征，利用ＫＮＮ分类器对所提取的水域特征进行训练建模，得到基于遥感图像的水域分类器，通过该水域分类器对待检测遥感图像的水域进行分割，并对分割结果进行数学形态学操作，得到完整连通的水域图像；　水域图像像素点方向计算步骤：对遥感图像中的水域图像进行基于方向滤波的图像增强，并将增强后的图像用连续方向图计算方法得到水域内各像素点的方向；　桥梁目标检测步骤：　（１）针对不同桥梁目标的特点和方向设计相应的模板，并对模板不同区域提取不同的特征；　（２）根据设计的模板对多幅桥梁图像进行模板匹配与特征提取，得到桥梁图像的特征矩阵，从该特征矩阵中选取训练样本，并利用ＫＮＮ分类器对训练样本进行训练得到桥梁分类器；　（３）根据设计的模板对待检测图像进行模板匹配与特征提取，得到待检测图像的特征矩阵，通过桥梁分类器得到桥梁检测的初始结果；　后处理步骤：对初始检测结果进行噪声剔除，得到最终的桥梁目标检测结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：钟桦，焦李成，贾晓润，刘芳，侯彪，公茂果，王爽，马文萍，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87[中国|西安]