一种桥梁目标检测中桥梁边缘线的精确拟合方法

摘要

本发明涉及桥梁目标检测技术领域，尤其是涉及一种桥梁目标检测中桥梁边缘线的精确拟合方法，包括：选取目标区域并获取目标遥感图像；对遥感图像进行预处理，得到预处理图像；提取预处理图像中的水体信息；确定疑似桥梁区域；拟合初始桥梁边缘线；对初始桥梁边缘线进行分析，拟合得到精确桥梁边缘线。解决了现有技术中，对卫星遥感图像中水体提取存在部分边界不平整及错分现象，致使一部分采用最小二乘法拟合后的初始桥梁边缘线偏离原始桥梁方向，无法精确的获取桥梁边缘线的技术问题。

说明书

技术领域

本发明涉及桥梁目标检测技术领域，尤其是涉及一种桥梁目标检测中桥梁边缘线的精确拟合方法。

背景技术

桥梁属于人造目标，是重要的人工建筑和交通枢纽。桥梁目标的识别不仅有利于地理信息的更新和维护，还有助于自然灾害发生时救援队伍和物资的迅速到达；桥梁目标的精确定位对地理信息系统(GIS，Geographic Information System)数据获取、城市建筑部署规划、自然灾害情况评估、救灾路径选取等起着非常重要的作用。

目前，水上桥梁的自动识别可以采用由上而下的知识驱动策略，通过分割直接获取或通过提取河流间接获取；也可以采用由下而上的数据驱动策略，不考虑目标类型，直接对图像数据进行分割、特征提取等处理。关于水上桥梁的自动识别可利用桥梁跨越水面这一基本特征，先提取河流，再识别桥梁。通过提取河流来限定桥梁提取的空间范围，可有效排除复杂背景的干扰，从而保证水上桥梁提取的效率和精度，处理过程针对性、实用性强，便于操作。在桥梁目标提取过程中，可以先提取桥梁边缘点，再进行桥梁边缘线拟合或桥梁边缘线特征提取。在“高分辨率遥感图像中桥梁自动识别方法研究”(杨浩等，《计算机仿真》(2006.09))中提到，基于高分辨率遥感图像，通过水体轮廓搜索潜在桥梁点，并进行直线拟合提取初略桥梁目标。在“高分辨率SAR图像桥梁自动提取算法”(赵冠雄等，《计算机工程与设计》(2014.08))中提到，基于高分辨率SAR图像，利用边界集合间最小距离法提取桥梁边界集合，采用最小二乘法进行桥梁边界线拟合。在“Novel Approach for RecognizingBridges over Water in Large Remote Sensing Images”(Chen，《2008 InternationalSymposium on Computational Intelligence and Design，Wuhan》(2008))中提到，基于空间分辨率为1m的Ikonos-2全色图像，根据河流与桥梁的空间关系提出了一种感兴趣区的选择方法，对获取的子图像(感兴趣区)进行图像分割、轮廓追踪、基于最小二乘法线性拟合，从而提取候选桥梁的特征。然而，如图1(样本1)所示，受影像畸变、建筑物阴影等影响，大幅卫星遥感图像中水体提取存在部分边界不平整及错分现象，致使一部分最小二乘法拟合后的初始桥梁边缘线偏离原始桥梁方向；另外，如图1(样本2)所示，经算法提取后，部分初始桥梁边缘点的端点可能存在误差，即非桥梁边缘的要素点；再如图1(样本3)所示，若桥梁边较短，即实际桥梁边缘像素点较少，误差像素点也会造成拟合的边缘线偏离原桥梁方向。

因此，如何克服卫星遥感图像中水体提取存在部分边界不平整及错分现象，致使一部分采用最小二乘法拟合后的初始桥梁边缘线偏离原始桥梁方向，获取精确的桥梁边缘线，是目前亟待解决的技术问题。

发明内容

本发明的目的是提供一种桥梁目标检测中桥梁边缘线的精确拟合方法，可获取更为精确的目标桥梁边缘线。

本发明提供了一种桥梁目标检测中桥梁边缘线的精确拟合方法，包括：获取到目标区域的遥感图像，对遥感图像进行预处理，得到预处理图像；提取预处理图像中的水体信息，其中，水体信息包括多个水块；对水块进行匹配，获取疑似桥梁初始边缘点并确定疑似桥梁区域；根据疑似桥梁初始边缘点拟合初始桥梁边缘线；对初始桥梁边缘线进行分析，拟合得到精确桥梁边缘线。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步地，对遥感图像进行预处理，得到预处理图像包括：对遥感图像进行正射校正、辐射定标、大气校正与图像融合等预处理，得到预处理图像。

进一步地，提取预处理图像中的水体信息包括：采用面向对象的方法提取预处理图像中的水体信息，其中，最佳分割尺度设为150，颜色因子、形状因子、平滑度、紧凑度的权重分别为0.9、0.1、0.5、0.5。

进一步地，确定疑似桥梁区域包括：将预处理图像重采样，分割得到子图像；获取相邻两块水体的最小距离K；获取子图像的所有连通水块；对所有连通水块进行匹配，得到疑似桥梁区域。

进一步地，将预处理图像重采样，分割得到子图像包括：将重采样后的预处理图像分割成像素为500*500的子图像。

进一步地，在获取子图像的所有连通水块之后还包括：去除图像噪声。

进一步地，对所有连通水块进行匹配，得到疑似桥梁区域包括：

步骤S351，确定第一水块；

步骤S352，查找与第一水块距离最近的第二水块；

步骤S353，确定第一水块与第二水块的最小距离L，其中，若L＜K，则进入下一步，若L≥K则继续循环本步骤；

步骤S354，将第一水块与第二水块配对，获取第N疑似桥梁区域的初始边缘点；

步骤S355，确定第N疑似桥梁区域；

步骤S356，继续循环步骤S351至步骤S355，得到所有疑似桥梁区域。

进一步地，步骤S354，将第一水块与第二水块配对，获取第一疑似桥梁区域的初始边缘点包括：确定距离L

进一步地，步骤S355，确定第一疑似桥梁区域包括：确定初始边缘点中最左下角点H、长度L′和宽度W′，其中，长度L′和宽度W′为初始边缘点中最大横坐标与最小横坐标、最大纵坐标与最小纵坐标的距离；以H点为矩形左下角端点、L′为长度、W′为宽度构成外接矩形；根据L′、W′的方向确定10个像素点，得到第一疑似桥梁区域。

进一步地，对初始桥梁边缘线进行分析，拟合得到精确桥梁边缘线包括：计算始边缘点中的端点H

本发明通过对提取的桥梁边缘点进行特征分析，提出一种非桥梁端点剔除方法，能够在卫星遥感图像上精确的提取桥梁边缘点，并拟合得到精确的桥梁边缘线，进而提高桥梁边缘线的拟合精度。解决了现有技术中，对卫星遥感图像中水体提取存在部分边界不平整及错分现象，致使一部分最小二乘法拟合后的初始桥梁边缘线偏离原始桥梁方向的技术问题。也为卫星影像中桥梁目标的识别提供新的技术支撑。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为现有技术中提取候选桥梁边缘过程的样本示意图；

图2为本发明提供的一种桥梁目标检测中桥梁边缘线的精确拟合方法流程示意图；

图3为本发明提供的确定疑似桥梁区域的方法流程示意图；

图4为八连通区域标记法标记原理示意图；

图5为本发明提供的连通区水块匹配方法流程示意图；

图6为本发明实施例中连通区水块匹配方法的过程示意图；以及

图7为本发明实施例中非桥梁端点剔除方法原理图。

具体实施方式

为了使本发明的上述以及其他特征和优点更加清楚，下面结合附图进一步描述本发明。应当理解，本文给出的具体实施例是出于向本领域技术人员解释的目的，仅是示例性的，而非限制性的。

在以下描述中，阐述了许多具体细节以提供对本发明的透彻理解。然而，对于本领域普通技术人员来说将明显的是，不需要采用具体细节来实践本发明。在其他情况下，未详细描述众所周知的步骤或操作，以避免模糊本发明。

本发明提供了一种桥梁目标检测中桥梁边缘线的精确拟合方法，如图2所示，方法包括：

步骤S1，获取到目标区域的遥感图像，对所述遥感图像进行预处理，得到预处理图像；

首先选取目标区域，本方案可以选用高分二号(GF-2)卫星采集到的图像作为目标区域的遥感图像，优选分辨率为1m的遥感图像作为目标区域的遥感图像。其中，对遥感图像进行预处理包括：正射校正、辐射定标、大气校正、图像融合等步骤，最终得到本方案所需要的预处理图像，需要说明的是，经过预处理的图像为二值化图像，以便对图像进行信息提取与分析。

步骤S2，提取预处理图像中的水体信息，其中，所述水体信息包括多个水块；

本方案可以采用面向对象的方法提取预处理图像中的水体信息，通过影像分析软件eCongition来实现高分辨率遥感图像水体的识别和提取。面向对象的分类方法是一种十分智能的影像分类方法，在高分辨率影像中适用性较强，与传统的影像信息提取方法不同的是，其分析的基本单元不是单个像元中的光谱信息，而是由许多个像元组成的包含相同信息的同质“对象”，同时还考虑到地物细节和大量的纹理结构信息。面向对象的分类方法大致分为3种：最近邻分类、模糊分类和基于规则的分类。本方案优选使用基于规则的分类方法来提取水体信息，首先将遥感影像中的单个像元分割为影像对象，建立影像对象特征的分类规则，最终得到分类结果。本方案采用分形网络算法(Fractal Net EvolutionApproach，FNEA)：一种面向对象的图像分割方法，它能实现对遥感影像的多尺度分割。多尺度分割是将影像分割为不同的对象，使对象内部保持最大同质性，对象之间保持最大异质性，减少“同谱异物”“异谱同物”的影响，是面向对象信息提取技术的关键，分割的质量将直接决定影像信息的提取精度。可以充分利用高分辨率的全色和多光谱数据的空间、纹理、光谱信息来分类。面向对象分析方法在高分辨率影像信息提取中具有很大优势，不需要形态学的处理，因为影像对象本身考虑了形状因素，而且对噪声有很好的抵抗能力。通过影像分割，能够很好地解决噪声干扰的问题，提高影像分类的信噪比。由于研究区域内水体有不同尺度的类型，最佳分割尺度的设置要合理，既要保障小范围水体能够被独立的分割出来，也要使大范围水体对象不会太破碎。本方案优选的是将最佳分割尺度设为150，另外，颜色因子、形状因子、平滑度、紧凑度的权重分别为0.9、0.1、0.5、0.5，提取水体的图像最佳。

步骤S3，对所述水块进行匹配，获取疑似桥梁初始边缘点并确定疑似桥梁区域；

如图3所示，步骤S3，对所述水块进行匹配，获取疑似桥梁初始边缘点并确定疑似桥梁区域可以包括如下步骤：

步骤S31，将预处理图像重采样，分割得到子图像；

首先，将分辨率为1m的水体二值化图像重采样为分辨率为4m的水体二值化图像，再将重采样后的预处理图像分割成像素为500*500的子图像。需要说明的是，分割的子图像包括目标水体与桥梁的全部信息。

步骤S32，获取相邻两块水体的最小距离K；

确定相邻两块水体的最小距离，即K，不同分辨率卫星遥感图像的K值不同，本方案采用的GF-2卫星遥感影像的K值为40m。

步骤S33，获取子图像的所有连通水块；

本方案可以采用八连通区域标记法对子图像进行标记，得到所有连通水块。八连通区域，是指对应位置的上、下、左、右、左上、右上、左下、右下，是紧邻的位置和斜向相邻的位置，共8个方向，如图4所示。对于每一个值为1的像素点，遍历其八连通区域，若有一个像素点的值也为1，则这两个点就归为一个物体。假设目标区的像素值为1，背景区像素值为0，具体标记步骤如下：

步骤S331，对起始点进行标记，若其为目标点(即值为1)则标记。否则进行下一步。

步骤S332，对第一行像素进行标记，若当前像素的灰度值与前一像素的灰度值相同则赋予该像素和前一像素相同的标记值，否则给其新的标记值。

步骤S333，对其余的像素进行标记。每个像素进行左、左上、上、右上4个方向的判断。假如当前像素值为0，则移到下一个像素位置。假如当前像素值为1，被检测的邻近像素值都为0，则赋予当前像素一个新的标记。如果只有一个像素值为1，则把该像素的标记值赋给当前像素。若有两个或多个像素值为1，并且标记不唯一，则将其中一个标记赋予给当前像素并做记号表明上述几个标记是等价的。扫描结束后将所有等价的标记归入等价组，对每个等价组统一成一个标记值。

步骤S334，进行第二次扫描，将每个标记用统一后的标记值进行标记。

在获取子图像标记出的所有水块之后还包括：

步骤S34，去除图像噪声。

具体的，在获取子图像标记出的所有水块之后还需去除图像内的噪声。可以根据标记值求得每个目标区的面积，根据经验设定一个面积阈值(如100)，在根据设定的面积阈值剔除一些小面积的水块，其中，还可以对于水体目标区域内由于船只等漂浮物存在的经分割后而产生的噪声进行去除。

步骤S35，对所有连通水块进行匹配，得到疑似桥梁区域。

如图5所示，对所有连通水块进行匹配，得到疑似桥梁区域方法包括：

步骤S351，确定第一水块；

步骤S352，查找与第一水块距离最近的第二水块；

步骤S353，确定第一水块与第二水块的最小距离L，其中，若L＜K，则进入下一步，若L≥K则继续循环本步骤；其中，K为相邻两块水体的最小距离。

步骤S354，将第一水块与第二水块配对，获取第一疑似桥梁区域的初始边缘点；

将第一水块与第二水块配对成一组，确定距离L

步骤S355，确定第一疑似桥梁区域；

具体的，确定初始边缘点中最左下角点H、长度L′和宽度W′，其中，长度L′和宽度W′为初始边缘点中最大横坐标与最小横坐标、最大纵坐标与最小纵坐标的距离；其中，H点为所有桥梁初始边缘点钟最左下的点。以H点为矩形左下角端点、L′为长度、W′为宽度构成外接矩形；根据L′、W′的方向确定10个像素点，得到第一疑似桥梁区域。

步骤S356，继续循环步骤S351至步骤S355，得到所有疑似桥梁区域。

在得到第一疑似桥梁区域后，继续循环步骤S351至步骤S355，得到第二疑似桥梁区域、第三疑似桥梁区域等多个疑似桥梁区域，直至确定出所有疑似桥梁区域为止。

在一个优选的实施例中，如图6所示，将图(a)中的河流划分为图(b)中的5块水体，首先，查找与水块a

获取初始边缘点的左下角点H(v，w)，其中，(v，w)为H点的坐标，与其外接矩形长度为L、宽度为W。根据这些参数构成外接矩形，并将外接矩形在长、宽方向分别向两侧扩展10个像素点，从而获得一个矩形区域作为疑似桥梁区域ROI(region of interest)。如图(d)，水块①和②之间的绿框便为获取的疑似桥梁区域ROI。

为防止因复杂水块环境而造成水块配对不完整的现象，将配对成功的a

步骤S4，根据所述疑似桥梁初始边缘点拟合初始桥梁边缘线；将获取到的疑似桥梁初始边缘点进行拟合，得到初始桥梁边缘线。在本步骤中，包括：

桥梁边缘点提取：为准确获取桥梁边缘点，需使用高分辨率水体图像，因此，需将基于4m分辨率ROI矢量裁剪成1m分辨率的水体二值化图像，得到分辨率为1m的ROI子图像。采用提取水体轮廓的方法，然后在轮廓点上求最短距离进行桥梁潜在边缘点的识别。

桥梁边缘线初始拟合：采用最小二乘法对疑似桥梁边缘点进行拟合得到桥梁边缘直线：

y＝kx+b

式中，k为拟合直线斜率，b为拟合直线截距。

式中，m为参与直线拟合点数目，x

其中，

式中，

步骤S5，对初始桥梁边缘线进行分析，拟合得到精确桥梁边缘线。

如图7所示，对初始桥梁边缘线进行分析，拟合得到精确桥梁边缘线的方法包括：

计算始边缘点中的端点H

以上描述的各技术特征可以任意地组合。尽管未对这些技术特征的所有可能组合进行描述，但这些技术特征的任何组合都应当被认为由本说明书涵盖，只要这样的组合不存在矛盾。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。