遙感圖像橋梁目標檢測方法應用研究

閆早軍

◆摘? 要：橋梁是典型的人造目標，對其自動檢測在軍事民用領域具有重要意義。隨著人工智能技術的快速發展，遙感圖像中地物目標識別成為研究熱點。光學遙感圖像數量爆發式增長，為遙感圖像下目標檢測任務提供必要數據支持。橋梁作為典型地物目標具有重要地位，以可見光遙感圖像橋梁目標自動檢測為研究背景，針對合理檢測、橋梁目標識別等問題進行研究，構建完整的橋梁目標自動檢測定位系統。對地理目標進行實驗觀察基礎上，提出區分河流區域特征，構造區分河流區域的特征向量，實現河流區域檢測，有效避免相似區域干擾。提出基于改進測地線活動輪廓模型河流區修正算法，提取河流目標精確輪廓，實驗表明新算法克服遙感圖像拼接間隙等偽河流區域影響。

◆關鍵詞：遙感圖像;橋梁目標;檢測技術

1 基于多特征融合與SVM河流檢測

遙感圖像目標檢測在高科技軍事對抗中用以獲捕捉戰略打擊目標等，在環境監測等民用領域具有重要作用。河流是遙感圖像中的重要地理目標，河流區域自動檢測在水利規劃、環境檢測及地理信息系統船舶導航等方面具有很大價值。目標檢測旨在從大規模遙感圖像中快定位特定目標，很多人造目標識別以河流檢測為基礎，河流自動檢測算法研究在軍事民用領域具有重要意義，成為遙感圖像處理技術領域研究熱點。許多專家學者針對特定圖像背景提出有效檢測方法，但目前尚無通用性強的方法。

1.1遙感圖像河流檢測與特征提取

目前提出河流檢測方法分為基于區域、基于像素與輪廓線等方法。基于區域河流檢測算法將圖像分為子區域求灰度均值等特征，可有效提高檢測速度，但某些子區域包含合理算法漏檢率較高;基于像素算法對圖像特征提取后像素點有對應多維特征向量，利用支持向量機等機器學習法將像素點分類;基于閾值分割河流檢測法采用閾值分割等算法對圖像粗分割，是達到快速提取目標的最佳選擇。高分辨率衛星遙感圖像存在多種類型地物，灰度直方圖呈現多模態，閾值選取困難精度低。

為有效對圖像研究需要將給定圖像用簡明數值符號表征，圖像特征是圖像分析的重要依據，在模式識別等技術中具有重要地位。圖像特征涵蓋范圍廣，感興趣目標不同特點決定檢測目標需要提取特征。如何選取圖像目標特征是解決目標識別關鍵問題。目前常用特征包括紋理顏色等。圖1為遙感圖像常用特征。河流檢測前提是尋找多種區分與其他地理區域圖像特征。通過對遙感圖像合理等地理目標實驗觀察，發現遙感圖像河流目標具有背景區域目標灰度變化快，河流區域灰度較低等特點。本文檢測河流目標中利用圖像局部熵特征與角點信息特征。圖像局部熵是窗口內像素共同貢獻結果，具有抗造聲干擾能力。局部熵反映圖像灰度離散程度，局部熵小處圖像灰度離散性較大。可根據圖像局部熵分割均勻目標，局部熵特征可用于河流目標檢測。

1.2基于SVM河流目標檢測

基于局部熵特征提取算法可表征不同區域圖像特征，需要對像素點進行分類。本文通過數據訓練識別河流區域像素。支持信息向量機是Vapnik等人提出的機器學習方法，通過選擇適當的函數子集，根據學習能力尋求最佳折中獲得最好泛化性能。

本文選擇LIBSVM工具箱為SVM部分研究工具，是簡單快速易于使用SVM模式識別的軟件包，LIBVMM綜合SMO算法可調用許多函數，可將程序包嵌入河流檢測算法。遙感圖像河流目標檢測問題是二分類問題，SVM是借鑒二分類問題機器學習方法，本文選擇支持向量機進行河流目標檢測。通過SVM分類器對水體樣本學習，利用決策函數對特定檢測圖像像素信息判別。本文進行實驗驗證算法有效性，將文本算法與基于局部傅里葉變換算法等對比，選取圖像包含背景區域河流區域存在波浪等情況。

2 測地線輪廓模型河流區域修正

精確地河流區域在水資源調查及洪水災害皮評估等方面具有重要作用。向量機河流檢測算法受到遙感圖像存在拼接間隙，河流區域存在船只等干擾，遙感圖像存在噪聲干燥，角點信息特征引入使向量機分類得到河流區域變窄等因素影響。導致得到河流粗檢測結果不連續，影響后續橋梁目標識別結果。需要對河流區域處理，現有修正傳統方法包括基于區域生長算法等，采用數學形態算法修正需要人工參與。本文將河流粗分割結果與GAC模型結合，獲得完整河流區域，算法保持河流自然形態。

活動論或模塊將圖像分割轉化為解決能量函數極值優化問題，利用有限差方案求解偏積分方程。相比經典方法可自主收斂到能量泛函極小值轉股骨頭，有效降低計算復雜性。活動輪廓模型采用參數化形式描述動態變化曲線，使得無法同時分割多個物體。Caselles等提出通過泛函最小值方式確定曲線C，使輪廓具有拓撲適應性。改進模型為曲線演化方程，右端項共同構成測地線活動輪廓模型。

水平集方法最初由Osher提出，將演化過程曲線C（t）視為高維函數φ（t）的零水平集，定義距離函數φ（x，y，t）=±d，函數符號取決于點對相對曲線位置關系，外部點值設為正值。二位固定坐標系中不斷更新水平集函數。曲線C用水平集函數φ（x，y，t）零水平集標識。二位曲線演化轉換為三維水平集。水平集函數演化隱式求解曲線，模型對曲線演化與曲線幾何特征有關，無需因曲線形變調整參數，水平集法克方便追蹤物體拓撲結構改變，使得水平集法成為物體建模工具。在圖像處理、計算流體力學等學科廣泛使用。GAC模型應用中通過活動輪廓收縮向真實目標邊緣逼近，活動輪廓演化為對偏微分方程進行迭代求解過程。水平集函數需要重新初始化，時間步長需滿足CFL條件，影響在工程實踐中應用。

Li等提出新數值方案無需初始化，提出距離正則水平集演化。采用DRLSE對GAC模型進行數值求解，水平集函數演化中初始化無需采用符號距離函數形式，僅在零水平集附近保持為符號距離函數，演化中水平集函數無需重新初始化。采用DRLSE數值方案實現GAC模型可降低計算復雜度，允許采用更大時間步長進行迭代求解，方案對參數不敏感，可選擇不同a實現活動輪廓收縮膨脹。本文采用其實現GAC模型提高收斂速度。使用GAC模型分割目標需人工指定初始輪廓線，河流目標粗粉結果為多個獨立閉合區域，活動論或演化方向為向外膨脹，利用粗檢測結果設置GAC模型初始輪廓位置獲得準確河流區域。

3 橋梁目標識別方向信息測度

圖像研究中通常對目標感興趣，為辨識目標需要分離提取，需要從河流輪廓中提取識別橋梁目標。橋梁初期檢測依據邊緣性，方向性可表現與河流區域的區別，找到河流區域內邊緣性目標可確定目標大致位置。圖像處理通常用梯度反映點灰度變化，僅用梯度強度由于邊緣點方向性不能區分邊緣噪聲，本文采用方向性表征灰度變化度，具有良好抗噪性能。圖像點方向信息測度為叢書邊緣點程度有效度量，邊緣點方向測度大于平滑區點。

本文利用方向信息測度突出圖像邊緣性強橋梁目標，利用圖像方向信息測度可突出河橋梁目標，為橋梁目標分割打下基礎。由于方向信息測度運算突出河流區域橋梁目標，橋梁目標分割減少過分分割等現象。目前常用分割法包括最大熵及迭代閾值法等。河流區域中橋梁目標得到很好突出，使用傳統常用分割法克獲得較好效果。本文選擇模糊C均值聚類分割算法進行目標分割。FCM是近年來引入的聚類算法，可表示處各樣本屬于不同類別程度，設D為聚類樣本矩陣，M為樣本特征數量，C為劃分類別數，N為待聚類樣本數，聚類樣本為xj，m為模糊加權指數m∈[1，0]。目標函數Jm（U，V）可通過迭代計算求解最小值。圖像分割問題中通過模糊C均值聚類對圖像像素分類，利用FCM法關鍵是選擇樣本特征，根據特征值差異將圖像分為橋梁目標與背景。橋梁信息數據見表1。

河流骨架線是重要目標屬性，可提取橋梁與河流空間關系等特征，目前提取物體骨架線常用方法有Delaunay三角網法等。本文采用形態學法完成河流骨架線提取，集合A骨架線z為S（A）的點，不存在位于A內包括（D）z更大的圓盤。骨架線用腐蝕得到，表示為S（A）=[k=0KSk（A）]，A可通過A=[k=0KSk（A）⊕]kB）子集重構，（A⊕KB）=（...（A⊕B）⊕B⊕...）⊕B。在方向信息測度，膨脹腐蝕操作等工作后圖像出現疑似橋梁目標，需要對目標進行驗證，便于得到橋梁定量化描述信息。本文采用基于知識庫橋梁識別算法，需對橋梁目標識別模型建立正確知識庫，把握橋梁間的共性得到通用的橋梁識別算法。本文通過計算橋梁所處河流骨架線夾角完成橋梁方向計算，提高計算精度。

4 Google Earth橋梁目標檢測系統

本文基于算法開發設計實現Matlab為平臺的遙感圖像橋梁目標檢測系統，建立橋梁目標識別流程等，系統功能是提取橋梁目標特征，對提高目標識別自動化程度具有重要意義。Google Earth平臺是集合3S技術的虛擬地區儀軟件，交互界面使得地圖應用簡便。Google Earth柵格數據源于NASA衛星圖像，包括LANDSAT-7衛星等，SPOT5可提供解析度為2.5m的影像，QuickBird可提供最高0.61米的高精度影像。Google Earth根據區域地理位置重要性匹配不同分辨率衛星圖像，Google Earth根據視野選擇適當分辨率衛星圖更新數據，支持本地矢量數據采集應用。

為實現橋梁識別系統可擴展性，根據系統需要實現定位，特征提取等功能設計相應模塊，主控制臺為Main模塊，GE_savepicinf模塊負責保存圖像信息，River_show模塊負責顯示橋梁檢測結果。GE_interface模塊功能是根據輸入信息將軟件定位到相應坐標，便于后續檢測算法對子區域處理。GE_savepicinf模塊將視圖區遙感圖像截取保存，為后續橋梁識別算法提供基礎。River_detection模塊完成指定區域內河流目標檢測。Result_show模塊功能是根據檢測橋梁目標地理位置坐標等信息突出顯示檢測橋梁目標。本文開發Matlab平臺下橋梁目標檢測系統，特征提取模式用于提取局部熵特與紋理特征，使用戶直觀分析特征的作用。單張圖片模式完成河流檢測及橋梁目標識別。

GE模式識別指定區域橋梁目標。系統處理推向格式包括BMP等，圖像顯示包括圖像瀏覽等功能;根據橋梁識別需要系統自動控制識別精度，系統實現橋梁目標精確定位。用開發平臺橋梁目標檢測軟件進行實驗，選取不同區域光學遙感圖像為實驗數據集。試驗區域背景復雜，包含森林農田等自然人工地物，圖像包含大量類河流目標，本文系統排除類河流區域影響。試驗區域河流目標由干支流組成，證明系統具有良好尺度不變性。橋梁信息數據見表2。干支流灰度存在較大差異，本文系統可完整檢測整條河流，河流區域修正部分修正恢復差異較大的河流區域。

5 結語

遙感圖像水上橋梁目標識別是智能技術領域研究重點問題，在民用軍事領域具有重要意義。本文了解橋梁目標識別技術研究現狀，根據實際問題提出有效識別方法。提出基于多特征融合的河流檢測算法，經支持向量機得到河流檢測結果存在不連續，提出方向信息測度的橋梁目標識別算法，研究Google Earth軟件API基礎上設計平臺橋梁目標檢測系統。本文在橋梁目標自動檢測方面作出一些研究，由于客觀條件限制存在一些不足。本文研究檢測算法主要針對高分辨率遙感圖像設計，算法經修改可用于其他類遙感圖像。遙感圖像存在許多其他重要民用軍事目標，可以把基于橋梁檢測目標算法擴展到其他領域。

參考文獻

[1]馬廣闊. 遙感圖像橋梁目標檢測方法研究[D].內蒙古工業大學，2021.

[2]亢沛然. 基于深度學習的遙感圖像目標檢測方法[D].大連理工大學，2021.