孫艷麗，周　偉，鐘佩琳

（海軍航空工程學(xué)院a.基礎(chǔ)實(shí)驗(yàn)部；b.信息融合研究所，山東煙臺(tái)264001）

一種針對(duì)多光譜遙感圖像的橋梁快速識(shí)別算法

孫艷麗a，周偉b，鐘佩琳a

（海軍航空工程學(xué)院a.基礎(chǔ)實(shí)驗(yàn)部；b.信息融合研究所，山東煙臺(tái)264001）

提出了一種針對(duì)多光譜圖像中橋梁的識(shí)別算法。首先，根據(jù)水體和背景地物在不同光譜波段的亮度差異，計(jì)算多光譜圖像的水體指數(shù)得到水體增強(qiáng)圖，搜索其具有明顯雙峰的直方圖得到最優(yōu)閾值，實(shí)現(xiàn)河流的完整提??；其次，利用橋梁的存在會(huì)導(dǎo)致局部水體的光譜異常，沿河流中間線進(jìn)行潛在橋梁區(qū)域的快速提??；再進(jìn)一步利用橋梁長度以及與河流的空間關(guān)系進(jìn)行鑒別，有效剔除虛警。利用SPOT4遙感影像進(jìn)行實(shí)驗(yàn)，結(jié)果表明本文算法運(yùn)算量小，對(duì)于多個(gè)橋梁的識(shí)別具有很好的實(shí)用性。

橋梁識(shí)別；多光譜遙感；水體指數(shù)；光譜異常；目標(biāo)鑒別

橋梁通常位于河流之上，是連接被水體隔斷的兩地之間的重要紐帶，從遙感圖像中識(shí)別橋梁，及時(shí)更新道路交通信息，在交通運(yùn)輸、災(zāi)害救援、軍事行動(dòng)、防御部署等方面均有重要意義。由于遙感圖像通常覆蓋范圍較大，為了能夠快速準(zhǔn)確地識(shí)別出其中的橋梁目標(biāo)，目前最有效的方法是基于知識(shí)的處理方法。即首先分析橋梁目標(biāo)的典型特征及其與周圍環(huán)境的相互關(guān)系，再有針對(duì)性地進(jìn)行橋梁目標(biāo)特征提取。

SAR圖像中的橋梁目標(biāo)識(shí)別［1-2］通常采取水體閾值分割、候選區(qū)域提取和橋梁識(shí)別的分步處理策略。由于水體分割的效果易受SAR成像條件和斑點(diǎn)噪聲的影響，Houzelle和Giraudon［3］提出一種融合SPOT與SAR圖像的橋梁提取算法，首先在SPOT圖像中分割出水體，對(duì)橋梁的位置加以空間約束，再根據(jù)SAR圖像中的橋梁的散射特性加以識(shí)別。由于要求相同時(shí)間周期的2種傳感器圖像，推廣應(yīng)用有一定難度，而且高精度的圖像配準(zhǔn)也不可或缺，相應(yīng)增加了處理負(fù)擔(dān)。由于水體、橋梁和陸地的光譜特性存在明顯差別，近年來，利用多光譜圖像進(jìn)行橋梁識(shí)別［4-10］也受到較多關(guān)注。Mandal等［4］首先用多類識(shí)別系統(tǒng)將多光譜圖像像素分為6種地物類型，認(rèn)為橋梁和道路一樣屬于混凝土結(jié)構(gòu)，將橋梁作為道路的一部分檢測，然后采取啟發(fā)式規(guī)則將有關(guān)目標(biāo)特性及其相互關(guān)系的知識(shí)用于聚類圖像，進(jìn)而完成橋梁目標(biāo)的識(shí)別。Chaudhuri等［5］利用來自不同地形的多光譜圖像訓(xùn)練分類器，將圖像像素分為8種地物類型，然后通過遞歸掃描水體并借助幾何約束鑒別出橋梁目標(biāo)。由于需要針對(duì)待處理圖像進(jìn)行分類器訓(xùn)練，應(yīng)用推廣受到限制。吳皓等［6］研究了TM圖像中的橋梁識(shí)別，在底層處理中運(yùn)用形態(tài)學(xué)的方法提取出潛在橋梁目標(biāo)；在中層處理中使用鏈碼表示目標(biāo)并提取其特征參數(shù)；最后，在高層處理中進(jìn)行橋梁識(shí)別，但是水體與橋梁的光譜差異沒有充分利用，結(jié)果中仍有一些虛假目標(biāo)。

本文充分利用水體與橋梁的光譜差異和空間幾何關(guān)系，提出一種多光譜遙感圖像中橋梁快速識(shí)別算法。首先，給出完整的算法流程；接著，詳細(xì)描述實(shí)現(xiàn)過程；然后，給出利用本文算法對(duì)多光譜SPOT4圖像進(jìn)行實(shí)驗(yàn)的結(jié)果并加以分析；最后，給出本文的結(jié)論。

1　算法流程

由于橋梁在中等分辨率（10～20 m）多光譜圖像中表現(xiàn)為細(xì)長的線狀目標(biāo)，寬度僅為2～3個(gè)像素，因而在較大幅寬的遙感圖像上直接提取橋梁目標(biāo)是非常困難的。為了減少計(jì)算量，避免在無關(guān)區(qū)域盲目搜索，一般需要先提取出橋梁所在的河流區(qū)域。由于水體在遙感圖像中通常表現(xiàn)為均勻的暗區(qū)域，相對(duì)于其它地物有明顯的光譜差異，而跨越河流之上的橋梁則會(huì)引起河流局部亮度的明顯變化，將河流截為若干段，并呈現(xiàn)出與河流中間線近似垂直的邊緣特征。本文的算法流程如圖1所示。

圖1　算法流程Fig.1 Flow diagram of algorithm

首先，利用水體在綠波段和紅外波段的反射差異計(jì)算水體指數(shù)，得到水體增強(qiáng)圖，估計(jì)最優(yōu)閾值快速分割出河流區(qū)域，并提取河流中間線；然后，用光譜異常檢測器沿中間線順序搜索，提取潛在橋梁目標(biāo)作為感興趣區(qū)域（ROI）；再利用橋梁與河流中間線的空間幾何關(guān)系對(duì)ROI鑒別，得到橋梁識(shí)別結(jié)果。

2　算法描述

2.1水體的提取

水體信息提取的關(guān)鍵是水體信息的增強(qiáng)和非水體信息的抑制。傳統(tǒng)的方法多利用近紅外波段進(jìn)行閾值分割。歸一化差異指數(shù)來源于比值型指數(shù)，比值型指數(shù)通過在多光譜遙感數(shù)據(jù)中找出感興趣地物的光譜反射最強(qiáng)和最弱的波段，將強(qiáng)者放在分子、弱者放在分母，通過圖像運(yùn)算，感興趣地物就會(huì)得到增強(qiáng)其他地物就會(huì)相應(yīng)的壓抑，這樣感興趣的地物就可以容易地從背景地物中提取出來［11］。

Mcfeeters最早受這種思想的影響提出了歸一化差異水體指數(shù)（NDWI）［12］。這種方法在水體提取中取得了較好的成績，但是用NDWI提取的水體信息中仍然夾雜著許多非對(duì)于河流水體信息的提取，在對(duì)SPOT4多光譜圖像水體、植被及其它背景地物進(jìn)行光譜特征分析的基礎(chǔ)上，提出了一種針對(duì)SPOT4多光譜圖像的水體指數(shù)計(jì)算式：

式（1）中：XS1、XS2和XS3分別表示SPOT4的綠波段、紅外波段和近紅外波段的亮度值。

利用式（1）計(jì)算圖2 a）中SPOT4多光譜影像的水體指數(shù)，可以得到圖2 b）中的水體增強(qiáng)圖，圖2 c）為其直方圖，可以看到水體增強(qiáng)圖呈現(xiàn)出明顯的雙峰形態(tài)，水體主要集中于灰度值較高的右側(cè)波峰附近。植被、陸地的亮度均較小主要集中于左側(cè)波峰附近。

圖2　SPOT4多光譜影像的水體增強(qiáng)結(jié)果及直方圖Fig.2 Water enhancement result and histogram of SPOT4 multispectral image

直觀地看，可以選取兩峰之間的波谷點(diǎn)作為分割閾值。具體方法如下：

1）分別統(tǒng)計(jì)像素值為i/100的像素個(gè)數(shù)記為H（i），i=1，2，…，100；

2）對(duì)H（i）進(jìn)行中值濾波，得到平滑的直方圖包絡(luò)曲線h（i）；

3）對(duì)h（i）求導(dǎo)得到h′（i）=h（i+1）-h（i）；

4）搜索序列h′（i），若h′（n-1）＜0且h′（n+1）＞0且H（n）＞mean（WI），則分割閾值 T=H（n）。其中，mean（WI）表示水體指數(shù)圖的均值。利用該閾值即可快速實(shí)現(xiàn)水體的提取。當(dāng)然，在水體以外的區(qū)域可能會(huì)有一些孤立的小亮點(diǎn)也被提取出來，借助形態(tài)學(xué)運(yùn)算，可以很容易地加以剔除，得到河流區(qū)域的二值圖像。

2.2河流中間線的提取

由于橋梁總會(huì)跨過河流，必然與河流中間線相交。因此，只要提取出河流中間線，然后沿著這條線搜索，即可順次檢測出河上的所有橋梁。河流中間線的提取是計(jì)算機(jī)視覺領(lǐng)域經(jīng)典的骨架提取問題［13］。定義河流區(qū)域二值圖像的邊界點(diǎn)是自身像素值為1，而其八鄰域中至少有一個(gè)點(diǎn)像素值為0的點(diǎn)?？紤]以邊界P0點(diǎn)為中心的八鄰域，P1為正上方的點(diǎn)，其余鄰域點(diǎn)沿順時(shí)針方向依次為P1，P2，P3，…，P8，P1區(qū)域細(xì)化操作的條件為：

1）2≤N（P0）≤6；

2）S（P0）=1；

3）P1×P3×P5=0且P3×P5×P7=0；

4）P1×P3×P7=0且P1×P5×P7=0。

其中，N（P0）是P0的非零鄰點(diǎn)的個(gè)數(shù)，S（P0）是以P1為起始，P1，P2，…，P8點(diǎn)的值從0至1變化的次數(shù)。當(dāng)對(duì)全部的邊界點(diǎn)檢驗(yàn)完畢后，將同時(shí)滿足條件1）、2）、3）或1）、2）、4）的點(diǎn)除去，反復(fù)迭代直至沒有點(diǎn)再滿足條件。這時(shí)，剩下的點(diǎn)組成的集合即為平行線對(duì)的中間線，記中間線序列為C（xi，yi），i=1，2，…，m。其中，m為中間線的長度。

2.3潛在橋梁區(qū)域的提取

為了提取潛在橋梁區(qū)域，我們設(shè)計(jì)了一個(gè)光譜異常檢測器，沿中間線在多光譜圖像上順序搜索潛在橋梁區(qū)域。以中間線上一點(diǎn)C（xi，yi）為中心，從多光譜圖像上提取N×N的子圖像區(qū)域記為I（xi，yi），若有橋梁出現(xiàn)，則會(huì)引起河流水體局部光譜異常，具體表現(xiàn)為不同波段的局部方差明顯增大。分別計(jì)算3個(gè)不同波段子圖像的方差σ1、σ2、σ3，若同時(shí)滿足：

則認(rèn)為該區(qū)域?yàn)闃蛄簼撛趨^(qū)域。T1、T2、T3分別為光譜異常閾值，可以通過訓(xùn)練得到。對(duì)SPOT4多光譜圖像，本文取經(jīng)驗(yàn)值為1.5，能夠保證大多數(shù)情況下均不遺漏橋梁目標(biāo)。

考慮到同一橋梁可能被多次提取，一旦中間線上某點(diǎn)所處區(qū)域確認(rèn)為潛在橋梁區(qū)域，還需進(jìn)一步比較中間線上與其臨近的N/2點(diǎn)對(duì)應(yīng)子圖像的方差，取方差最大的子圖像區(qū)域作為該范圍內(nèi)的潛在橋梁區(qū)域。

2.4橋梁ROI的鑒別

經(jīng)前面分析，可以快速提取出潛在的橋梁區(qū)域，但是也不可避免的存在一定的虛警。因此，還需要利用橋梁的幾何形狀特征對(duì)提取的ROI加以鑒別［14-17］。用計(jì)算ROI的均值從待鑒別ROI區(qū)域中分割出目標(biāo)二值圖像，并用形態(tài)學(xué)模板連通斷裂的目標(biāo)局部，分別提取其長度α、主軸方向θb，同時(shí)落入該ROI的中間線，估計(jì)其主方向，記為θr。由于橋梁通常是狹長的線性目標(biāo)，且與河岸保持近似垂直的關(guān)系，則可以建立下面的鑒別規(guī)則：

式中，T4、T5分別為長度閾值和夾角閾值。經(jīng)幾何形狀鑒別器確認(rèn)的ROI即為橋梁的識(shí)別結(jié)果。

3　實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本文算法，選取了韓國漢江流域的SPOT4多光譜影像作為實(shí)驗(yàn)數(shù)據(jù)，如圖3所示。試驗(yàn)區(qū)域大小為1 479×644像素，包含3個(gè)光譜波段，分辨率為20 m，共有大中型水上橋梁26座。

圖3　實(shí)驗(yàn)區(qū)域多光譜圖像Fig.3 Multispectral image of experimental area

Windows XP系統(tǒng)下，用Matlab2008編程實(shí)現(xiàn)上述算法，水體增強(qiáng)圖的分割閾值自動(dòng)選取，光譜異常閾值取經(jīng)驗(yàn)值T1=1.5，T2=1.5，T3=1.5，橋梁長度閾值取T4=5，夾角閾值取T5=30°。在Pentium（R）D CPU 3GHz、2GB內(nèi)存的PC機(jī)上運(yùn)行，對(duì)于實(shí)驗(yàn)圖像用時(shí)約10 s，共檢測到橋梁共28座，漏檢1座，重復(fù)檢測3座，結(jié)果如圖4所示。

圖4　實(shí)驗(yàn)結(jié)果Fig.4 Experimental result

漏檢橋梁位于區(qū)域1，主要原因是這座橋梁與水體的光譜特征非常接近，對(duì)比度較差，在該橋梁附近沒有檢測到明顯的光譜異常。區(qū)域2和區(qū)域3實(shí)際只有3座橋梁，均被重復(fù)檢測一次，原因是橋梁被河心沙洲隔斷，而圍繞沙洲的河流中心線有2條，因而沿中心線搜索時(shí)，隔斷橋梁的兩段將分別被檢測到。此時(shí)，利用橋梁的連通性和方向一致性即可將同一橋梁的兩段連接起來。

從實(shí)驗(yàn)結(jié)果來看，本文算法可以快速完成SPOT4多光譜遙感圖像中的橋梁識(shí)別，而且橋梁定位準(zhǔn)確，正確率高。對(duì)于其他的多光譜遙感圖像，只需選取合適的波段組合提取水體指數(shù)，則本文算法也可適用。

4　結(jié)論

根據(jù)水體和背景地物在不同光譜波段的亮度差異，計(jì)算多光譜圖像的水體指數(shù)得到水體增強(qiáng)圖具有明顯的雙峰直方圖，易于搜索最優(yōu)閾值，實(shí)現(xiàn)河流的完整提取。利用橋梁的存在會(huì)導(dǎo)致局部水體的光譜異常，沿河流中間線進(jìn)行潛在橋梁區(qū)域的快速提取，再進(jìn)一步利用橋梁長度以及與河流的空間幾何關(guān)系進(jìn)行鑒別，可快速完成橋梁的識(shí)別。利用SPOT4遙感影像進(jìn)行實(shí)驗(yàn)驗(yàn)證了本文算法的有效性。需要說明的是，對(duì)于覆蓋范圍較大的高分辨率遙感圖像，可以首先下采樣至中低分辨率，然后應(yīng)用本文方法進(jìn)行橋梁檢測，再定位至高分辨率圖像上的相應(yīng)區(qū)域加以鑒別，能夠提高處理效率。由于光學(xué)遙感受天氣條件影響比較大，中低分辨多光譜影像中，細(xì)小的橋梁存在嚴(yán)重的光譜混疊現(xiàn)象，由此導(dǎo)致漏檢。后續(xù)將在進(jìn)一步提高算法穩(wěn)健性的同時(shí)，研究更可靠的光譜異常檢測器，并將算法加以拓展，應(yīng)用于高光譜圖像。

［1］戴光照，張榮.高分辨率SAR圖像中的橋梁識(shí)別方法研究［J］.遙感學(xué)報(bào)，2007，11（2）：177-184. DAI GUANGZHAO，ZHANG RONG.A study of bridge recognition in high resolution SAR images［J］.Journal of remote sensing，2007，11（2）：177-184.（in Chinese）

［2］WANG WENGUANG，SUN JINPING，HU RUI，et al. Knowledge-based bridge detection from SAR images［J］. Journal of Systems Engineering and Electronics，2009，20（5）：929-936.

［3］HOUZELLE S，GIRAUDON G.Data fusion using SPOT and SAR images for bridge and urban area extraction［C］// International Geoscience and Remote Sensing Symposium.Finland：Espo.1991：1455-1458.

［4］MANDAL D P，MURTHY C A，Pal S K.Analysis of IRS imagery for detecting man-made objects with a multivalued recognition system［J］.IEEE Transactions on Systems，Man and Cybernetics：Part A，1996，26（2）：241-247.

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

［6］吳皓，劉政凱，張榮.TM圖像中橋梁目標(biāo)識(shí)別方法研究［J］.遙感學(xué)報(bào)，2003，7（6）：478-484. WU HAO，LIU ZHENGKAI，ZHANG RONG.A study of bridge recognition from landsat TM images［J］.Journal of Remote Sensing，2003，7（6）：478-484.（in Chinese）

［7］彭碧發(fā)，譚毅華，陶超，等.從高分辨率遙感圖像中自動(dòng)識(shí)別水上橋梁［J］.應(yīng)用科學(xué)學(xué)報(bào)，2010，28（4）：354-360. PENG BIFA，TAN YIHUA，TAO CHAO，et al.Automatic detection of bridge over water in high-resolution remotesensing image［J］.Journal of Applied Sciences，2010，28（4）：354-360.（in Chinese）

［8］楊瑩，阮仁宗.基于TM影像的平原湖泊水體信息提取的研究［J］.遙感應(yīng)用，2010（3）：60-64. YANG YING，RUAN RENZONG.Extraction of plain lake water body based on TM imagery［J］.Remote Sensing Information，2010（3）：60-64.（in Chinese）

［9］范登科，李明，賀少帥.基于環(huán)境小衛(wèi)星CCD影像的水體提取指數(shù)法比較［J］.地理與地理信息科學(xué)，2012，28（2）：14-19. FAN DENGKE，Li MING，HE SHAOSHUAI.Comparison and research on different indices for water extraction based on CCD images from HJ satellite［J］.Geography and Geo-Information Science，2012，28（2）：14-19.（in Chinese）

［10］于曉升，吳成東，陳東岳，等.支持向量機(jī)和水平集的高分辨率遙感圖像河流檢測［J］.中國圖象圖形學(xué)報(bào)，2013，18（6）：677-684. YU XIAOSHENG，WU CHENGDONG，CHEN DONGYUE，et al.Using support vector machine and level set for river detection in high resolution remote sensing image［J］.Journal of Image and Graphics，2013，18（6）：677-684.（in Chinese）

［11］徐涵秋.利用改進(jìn)的歸一化差異水體指數(shù)（MNDWI）提取水體信息的研究［J］.遙感學(xué)報(bào)，2005，9（5）：589-595.XU HANQIU.A study on information extraction of water body with the modified normalized difference water index（MNDWI）［J］.Journal of Remote Sensing，2005，9（5）：589-595.（in Chinese）

［12］MCFEETERS S K.The use of the normalized difference water index（NDWI）in the delineation of open water features［J］.International Journal of Remote Sensing，1996，17（7）：1420-1432.

［13］章毓晉.圖像工程［M］.北京：清華大學(xué)出版社，2005：222-223. ZHANG YUJIN.Image engineering［M］.Beijing：Tsinghua University Press，2005：222-223.（in Chinese）

［14］湯國安，楊晰.ArcGIS地理信息系統(tǒng)空間分析實(shí)驗(yàn)教程［M］.北京：科學(xué)出版社，2012：112-131. TANG GUOAN，YANG XI.ArcGIS geographic information systems spatial analysis experimental course［M］.Beijing：Science Press，2012：112-131.（in Chinese）

［15］朱長明，張新，駱劍承，等.基于樣本自動(dòng)選擇與SVM結(jié)合的海岸線遙感自動(dòng)提取［J］.國土資源遙感，2013，25（2）：69-74. ZHU CHANGMING，ZHANG XIN，LUO JIANCHENG，et al.Automatic extraction of coastline by remote sensing technology based on SVM and auto-selection of training samples［J］.Remote Sensing for Land and Resources，2013，25（2）：69-74.（in Chinese）

［16］WANG MINGANG，TIAN YONGGANG.Target recognition of infrared bridge image based on morphological operator［J］.Procedia Engineering，2011，24：490-494.

［17］WANG MINGGANG，WANG CHAO，F(xiàn)AN YINGPING. Research for target recognition of infrared bridge based on morphological operator and bridge template［C］//International Conference on Computer Science&Service System（CSSS）.Nanjing，2012：58-62.

A Fast Bridge Recognition Algorithm for Multi-Spectral Remote-Sensing Image

SUN Yanlia，ZHOU Weib，ZHONG Peilina
（Naval Aeronautical and Astronautical University a.Department of Basic Experiment；b.Research Institute of Information Fusion，Yantai Shandong 264001，China）

A fast bridge recognition algorithm for multi-spectral remote sensing image was proposed.Firstly，according to the brightness difference between water and background object in different spectral band，the water index was computed to form the water enhanced image.The optimal threshold could be found by searching the enhanced histogram which had obvious two peaks.Since the present of bridge would result in spectral abnormal in local water regions，a detector was used to extract the potential bridge regions along river centerline.Then the length of bridge and the spatial relationship was used to discard possible false alarms.Experiments were executed on SPOT4 images and the results showed that the method is effective and practical for bridge detection.

bridge recognition；multi-spectral remote sensing；water index；spectral abnormal；target discrimination

TP391

A

1673-1522（2016）04-0451-05

10.7682/j.issn.1673-1522.2016.04.008

2016-04-07；

2016-05-23

國防預(yù)研基金資助項(xiàng)目（9140A01010414JB14004）

孫艷麗（1982-），女，講師，碩士。