賈洪果，劉路遙，韋博文，張夢意，武 燕，章 昊

(西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院測繪遙感信息系，四川 成都 610031)

基于形狀與紋理特征的高分辨率SAR影像橋梁目標(biāo)自動提取方法

賈洪果，劉路遙，韋博文，張夢意，武 燕，章 昊

(西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院測繪遙感信息系，四川 成都 610031)

基于高分辨率SAR影像中橋梁目標(biāo)特征的分析，提出了一種橋梁目標(biāo)自動提取方法。首先使用多影像時(shí)序平均法對SAR影像進(jìn)行預(yù)處理，去除SAR影像噪聲；再使用閾值法對水體分割；最后采用形狀特征與紋理特征相結(jié)合的方法提取橋梁目標(biāo)。本方法在提取效果上明顯優(yōu)于傳統(tǒng)橋梁目標(biāo)提取方法，其提取準(zhǔn)確率可達(dá)87.5%。證明本文方法在面向高分辨率雷達(dá)影像的橋梁目標(biāo)自動提取應(yīng)用上的可靠性和可行性。

高分辨率；SAR影像；橋梁；形狀特征；紋理特征；自動提取

橋梁作為水陸交通中必不可少的交通設(shè)施，在國民經(jīng)濟(jì)建設(shè)中具有重要價(jià)值。使用遙感影像對橋梁目標(biāo)進(jìn)行自動提取，對于搶險(xiǎn)救災(zāi)、災(zāi)后重建等具有重大的現(xiàn)實(shí)意義，尤其對于國防軍事更是不可或缺[1]。合成孔徑雷達(dá)(synthetic aperture radar，SAR)由于具有不受光照和氣候條件等限制，能全天時(shí)、全天候?qū)Φ赜^測的特點(diǎn)[2]，而且對地觀測覆蓋范圍大，數(shù)據(jù)采集過程方便迅速，在地質(zhì)勘探、農(nóng)業(yè)管理、災(zāi)害監(jiān)測、地形形變研究等方面發(fā)揮了重要作用。目前，使用雷達(dá)影像進(jìn)行橋梁目標(biāo)提取已成為研究關(guān)注的熱點(diǎn)。

傳統(tǒng)基于中低分辨率雷達(dá)影像的橋梁目標(biāo)提取通常有兩類方法：一類是通過提取圖像中的邊緣信息，認(rèn)為橋梁邊緣具有橫跨河流的平行線特征。該方法并沒有充分考慮橋梁與河流之間的位置關(guān)系，僅根據(jù)橋梁的平行線特征，會導(dǎo)致提取過程中產(chǎn)生較多虛警。另一類是首先進(jìn)行水體提取，然后運(yùn)用數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行差影檢測以提取候選的橋梁目標(biāo)，最后依據(jù)形狀特征去除虛警得到最終提取結(jié)果。該方法在很大程度上依賴于水體信息的提取精度[3-4]。這兩類方法都存在算法單一、精度較低的問題。

近年來隨著多個(gè)高分辨率衛(wèi)星 SAR系統(tǒng)的陸續(xù)發(fā)射升空，所獲取的雷達(dá)影像提高了橋梁目標(biāo)精確提取的可能性。然而相較于中低分辨率影像，在高分辨率雷達(dá)影像中的橋梁目標(biāo)特征發(fā)生了變化：橋梁目標(biāo)面積擴(kuò)大，不再只是以線的形式存在；橋梁成像時(shí)產(chǎn)生的旁瓣更加明顯，橋梁邊緣的雙平行線特征不再突出，從而可能導(dǎo)致提取精度降低。針對以上問題，本文提出了一種結(jié)合形狀特征和紋理特征的橋梁目標(biāo)自動提取方法，以提高高分辨率SAR影像中橋梁目標(biāo)提取的準(zhǔn)確率和可靠性。

1 結(jié)合形狀和紋理特征的橋梁目標(biāo)提取方法

1.1 高分辨率SAR影像預(yù)處理

由于雷達(dá)成像機(jī)制所產(chǎn)生的斑點(diǎn)噪聲會降低影像質(zhì)量，影響地物的表現(xiàn)特征，從而對目標(biāo)提取產(chǎn)生較大干擾，因此需要首先去除噪聲，使影像質(zhì)量滿足目標(biāo)提取要求。在分別采用均值濾波、中值濾波、Lee濾波、Frost濾波、Kuan濾波[5-6]及多影像時(shí)序平均的方法進(jìn)行噪聲去除試驗(yàn)后，通過對比去噪后的結(jié)果圖，發(fā)現(xiàn)采用多影像時(shí)序平均的方法不僅能有效抑制噪聲，同時(shí)還保持了影像的原始空間分辨率、地物細(xì)節(jié)及邊緣信息。

1.2 水體分割

由于水體背景下的橋梁目標(biāo)灰度特征明顯，一般先從影像中分割出只包含水體和橋梁的水體連通區(qū)域，排除地面建筑物干擾后再在連通區(qū)域中根據(jù)灰度特征提取橋梁[7]。但該方法高度依賴于橋梁和水體連通區(qū)域的有效分割，當(dāng)成像幾何、結(jié)構(gòu)材質(zhì)等因素導(dǎo)致橋梁灰度值變動范圍較大時(shí)，橋梁的灰度經(jīng)驗(yàn)閾值將不再適用。此時(shí)，水體區(qū)域存在較大斷裂，也難以運(yùn)用數(shù)學(xué)形態(tài)學(xué)進(jìn)行彌補(bǔ)，導(dǎo)致橋梁和水體無法形成連通區(qū)域，從而造成漏檢的情況。因此，本文將使用基于形狀特征的橋梁目標(biāo)提取方法[8]。

本方法首先使用閾值分割法將水體與其他地物進(jìn)行分離[9]。水體閾值為影像灰度直方圖的第一個(gè)波谷點(diǎn)對應(yīng)值，灰度值小于閾值的區(qū)域即為水體。使用閾值法進(jìn)行分割時(shí)，陸地中地物的陰影會形成小面積的干擾區(qū)域，此時(shí)通過設(shè)置面積閾值可以去除分布零散且面積遠(yuǎn)小于水體橋梁的干擾區(qū)域[10]。為避免可能出現(xiàn)的空洞和斷裂現(xiàn)象對后續(xù)試驗(yàn)中連通區(qū)域的提取效果造成影響，本文還將采用數(shù)學(xué)形態(tài)學(xué)方法對連通區(qū)域進(jìn)行進(jìn)一步處理[11]。

1.3 目標(biāo)提取

形狀特征是橋梁在SAR影像中最為穩(wěn)定的特征，相關(guān)參數(shù)能夠較好地通過先驗(yàn)知識確定[11]；紋理特征雖有助于分離橋梁和背景環(huán)境，但受成像幾何和橋梁本身結(jié)構(gòu)、材質(zhì)的影響存在一定的不穩(wěn)定性。基于此，在目標(biāo)提取過程中，本文先使用形狀特征對分割后影像進(jìn)行特征提取，以獲取橋梁候選區(qū)域；再用紋理特征對潛在橋梁目標(biāo)做進(jìn)一步判別，排除虛警，提取出橋梁目標(biāo)。

常見的橋梁目標(biāo)形狀特征為：面積、長軸長度、形狀因子和伸長度[12]?？紤]到可能存在相鄰虛假目標(biāo)影響，本文設(shè)定試驗(yàn)區(qū)域內(nèi)橋梁目標(biāo)對應(yīng)的幾何形狀特征值見表1。

表1 橋梁形狀特征量

由于橋梁目標(biāo)具有一定共性的紋理特征量[13]，為充分運(yùn)用SAR影像中所包含的豐富紋理信息，本文使用灰度共生矩陣法進(jìn)行紋理分析。通過從矩陣中提取均值、相關(guān)性、均勻性3個(gè)特征值對潛在橋梁目標(biāo)進(jìn)行綜合評價(jià)，并分別對應(yīng)RGB三波段顯示，得到紋理統(tǒng)計(jì)指標(biāo)圖[14-15]。真實(shí)橋梁目標(biāo)在特征值影像上表現(xiàn)為白色或接近白色的亮色區(qū)域，而較暗的雜色或單色區(qū)域則為虛警。

2 試驗(yàn)結(jié)果驗(yàn)證與分析

本試驗(yàn)使用2013年5月至2016年1月時(shí)間段內(nèi)所獲取的14景分辨率為3 m的TerraSAR-X影像進(jìn)行研究。研究區(qū)域?yàn)槟暇┑貐^(qū)。試驗(yàn)區(qū)域內(nèi)不僅包含長江干流及支流在內(nèi)的10 幾座大小規(guī)模不一的橋梁等待提取目標(biāo)，同時(shí)還存在道路、居民地、植被等干擾地物，地物類別較為復(fù)雜。圖1所示為本文研究區(qū)域的SAR影像強(qiáng)度圖?？紤]到規(guī)模較小的橋梁在現(xiàn)實(shí)中研究價(jià)值較低，因此，本試驗(yàn)只選取其中橋長超過100 m的8座大中型橋梁進(jìn)行目標(biāo)提取試驗(yàn)(圖中矩形框?yàn)榇崛∧繕?biāo)橋梁)。

圖1 研究區(qū)域強(qiáng)度圖

本文首先選取大勝關(guān)長江大橋進(jìn)行單個(gè)橋梁目標(biāo)提取試驗(yàn)。該座大橋(位置如圖1所示)貫通長江南北兩岸，是京滬高速鐵路和滬漢蓉鐵路越江通道，同時(shí)南京地鐵S3號線也通過此處，地理位置非常重要，對該橋梁進(jìn)行目標(biāo)提取研究具有重要的現(xiàn)實(shí)意義。對大勝關(guān)長江大橋進(jìn)行目標(biāo)提取的結(jié)果如圖2所示。其中圖2(a)為研究區(qū)域使用閾值分割后的結(jié)果圖。從圖中可看出河流區(qū)域由于船只、噪聲等影響導(dǎo)致連通性較差，而城區(qū)也因陰影造成許多破碎的斑塊，需要進(jìn)行濾除；在使用數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行處理后，基于形狀特征進(jìn)行目標(biāo)提取結(jié)果如圖b所示，圖中船只被誤判為橋梁，需要結(jié)合紋理特征進(jìn)行進(jìn)一步判別；將從灰度共生矩陣中提取的3種紋理特征值進(jìn)行RGB彩色合成后，得到紋理統(tǒng)計(jì)圖2(c)。由于橋梁3個(gè)特征值綜合疊加后具有較高的灰度值，因此紋理統(tǒng)計(jì)圖中亮色區(qū)域可判定為橋梁目標(biāo)，而虛警區(qū)域內(nèi)部不具有紋理一致性，除RGB三色以外的雜色或單色區(qū)域可判定為虛警。即圖2(c)中目標(biāo)1為橋梁目標(biāo)，目標(biāo)2為虛警。去除虛警后得到最終橋梁目標(biāo)提取結(jié)果，將提取結(jié)果疊加到強(qiáng)度圖中得到結(jié)果圖2(d)。

圖2 大勝關(guān)長江大橋提取結(jié)果

為進(jìn)一步驗(yàn)證該方法提取橋梁目標(biāo)的可靠性和準(zhǔn)確度。本文對整個(gè)研究區(qū)域的橋梁目標(biāo)進(jìn)行提取，并且與傳統(tǒng)的僅采用邊緣提取法和形狀特征提取法所獲得的結(jié)果進(jìn)行分析對比。對比結(jié)果如圖3所示，其中數(shù)字1～3分別代表邊緣提取法、形狀特征提取法以及形狀紋理特征結(jié)合提取法所提取的橋梁。研究區(qū)域內(nèi)共有大中型橋梁共8座，其中干流和支流橋梁各4座。3種方法的提取結(jié)果統(tǒng)計(jì)見表2。

表2 試驗(yàn)結(jié)果對比統(tǒng)計(jì)

通過以上3種方法提取結(jié)果的對比統(tǒng)計(jì)分析可知，本文所提出的方法明顯優(yōu)于兩種傳統(tǒng)方法，僅存在一處漏檢。這主要是由于漏檢橋梁結(jié)構(gòu)為大型吊索橋，在影像中表現(xiàn)為非平行線特性，幾何結(jié)構(gòu)較為復(fù)雜，導(dǎo)致進(jìn)行形狀特征提取時(shí)會出現(xiàn)盲區(qū)從而引起誤判。由于橋梁在雷達(dá)影像上的灰度值受其組成結(jié)構(gòu)和材質(zhì)的影響有一定起伏，對試驗(yàn)結(jié)果影響較大。本文所提出的基于形狀特征和紋理特征相結(jié)合的方法能很好地克服雷達(dá)影像中灰度特征的影響，對高分辨率SAR影像中的橋梁目標(biāo)提取準(zhǔn)確率和可靠性較高且具有一定的普適性。

圖3 橋梁提取結(jié)果

3 結(jié) 語

橋梁作為一種典型且重要的人造目標(biāo)，在軍事和民用領(lǐng)域都有著十分重要的意義，對其進(jìn)行自動檢測與提取是目前相關(guān)研究關(guān)注的熱點(diǎn)。本文提出了一種基于形狀特征和紋理特征相結(jié)合的方法進(jìn)行橋梁目標(biāo)提取，并且通過試驗(yàn)證明了方法的可靠性和準(zhǔn)確性。文中首先采用多影像平均的方法抑制SAR影像的斑點(diǎn)噪聲，然后通過閾值分割法進(jìn)行水體分割，最后根據(jù)橋梁的形狀特征以及紋理特征去除虛警獲取最終的橋梁目標(biāo)。試驗(yàn)結(jié)果表明，影像中干流橋梁和支流橋梁共8座，僅漏檢1座，提取率達(dá)87.5%，而傳統(tǒng)的邊緣提取法和形狀特征提取法提取率僅為37.5%和50%。對于大型吊索橋等在SAR影像中具有非平行特性的橋梁目標(biāo)提取本文方法目前還未能成功提取，在今后的工作中需要通過引入更復(fù)雜的形狀特征閾值來進(jìn)行限制。

[1] 曹海梅.遙感圖像中水上橋梁目標(biāo)識別與毀傷分析研究[D].南京：南京理工大學(xué)，2005.

[2] 遲肇惠.基于差分干涉技術(shù)(D-InSAR)在珠江三角洲地區(qū)路面沉降監(jiān)測研究[D].廣州：中山大學(xué)，2007.

[3] 袁澤，丁建麗，王嬌,等.基于國產(chǎn)GF-1遙感影像的面向?qū)ο髽蛄禾崛》椒ㄑ芯縖J].傳感技術(shù)學(xué)報(bào)，2015(5)：690-696.

[4] 童濤，楊桄，崔震,等.基于紋理特征的SAR圖像水上橋梁目標(biāo)檢測[J].中國體視學(xué)與圖像分析，2012(2)：107-111.

[5] 夏遠(yuǎn)鑫，陳行.淺談微波遙感圖像噪聲處理[J].中國電子商務(wù)，2012(13)：75-75.

[6] 竇建方,陳鷹,翁玉坤.基于序列非線性濾波SAR影像水體自動提取[J].測繪，2008,28(4)：37-39.

[7] 姚瑋.高分辨率遙感圖像多類目標(biāo)識別研究[D].武漢：華中科技大學(xué)，2011.

[8] 趙俊娟,尹京苑,單新建.基于形狀特征的高分辨率遙感影像目標(biāo)分割[J].測繪通報(bào)，2005(1)：10-13.

[9] 戴光照，張榮.高分辨率SAR圖像中的橋梁識別方法研究[J].遙感學(xué)報(bào)，2007，11(2)：177-184.

[10] 馮健,馬海榮,李夏.基于閾值分割與數(shù)學(xué)形態(tài)學(xué)的高分辨率遙感影像道路信息提取[J].科技信息，2013(16)：129-130.

[11] 吳皓，劉政凱，張榮.TM圖像中橋梁目標(biāo)識別方法的研究[J].遙感學(xué)報(bào)，2003，7(6)：478-484.

[12] 吳文宇.SAR圖像中道路和橋梁識別方法研究[D].合肥：中國科學(xué)技術(shù)大學(xué)，2009.

[13] LOMENIE N，BARBEAU J，TRIAS-SANZ R.Integrating Textural and Geometric Information for an Automatic Bridge Detection System[C]∥IEEE International Geoscience and Remote Sensing Symposium.[S.l.]: IEEE,2004.

[14] 李小娟,宮兆寧,劉曉萌，等.ENVI遙感影像處理教程[M].北京：中國環(huán)境科學(xué)出版社，2007：371-473.

[15] 沈小樂,邵振峰,田英潔.紋理特征與視覺注意相結(jié)合的建筑區(qū)提取[J].測繪學(xué)報(bào)，2014，43(8)：842-847.

AutomaticExtractionofBridgeswithShapeandTextureCharacteristicsUsingHighResolutionSARImages

JIA Hongguo，LIU Luyao，WEI Bowen，ZHANG Mengyi，WU Yan，ZHANG Hao

(Faculty of Geosciences and Environmental Engineering，Southwest Jiaotong University，Chengdu 610031，China)

This study proposed an automatic extraction method of bridge information based on the shape and texture characteristics of bridges in high resolution SAR images.This method consists of three steps：①elimination of noise by time-series image averaging；②detection of water-areas by a threshold；③extraction of bridge information based shape and texture characteristics of bridges.The experimental results show that the precise of extraction by the method proposed in this study can reach 87.5% and is significantly better than traditional methods.The experimental evaluation indicated that this method has high reliability and feasibility for automatic extraction of bridge information from high resolution SAR images.

high resolution；SAR images；bridge；shape characteristics；texture characteristics；automatic extraction

2017-08-22

國家重點(diǎn)研發(fā)計(jì)劃資助(2017YFB0502700)；國家自然科學(xué)基金(41701535)；衛(wèi)星測繪技術(shù)與應(yīng)用國家測繪地理信息局重點(diǎn)實(shí)驗(yàn)室經(jīng)費(fèi)(KLSMTA-201602)

賈洪果(1980—)，女，博士，講師，研究方向?yàn)楹铣煽讖嚼走_(dá)干涉測量。E-mail：lemon_gg@hotmail.com

賈洪果，劉路遙，韋博文，等.基于形狀與紋理特征的高分辨率SAR影像橋梁目標(biāo)自動提取方法[J].測繪通報(bào)，2017(12)：82-85.

10.13474/j.cnki.11-2246.2017.0384.

P237

A

0494-0911(2017)12-0082-04