CN103886289A - 方向自适应的水上桥梁目标识别方法及系统 - Google Patents
方向自适应的水上桥梁目标识别方法及系统 Download PDFInfo
- Publication number
- CN103886289A CN103886289A CN201410093269.9A CN201410093269A CN103886289A CN 103886289 A CN103886289 A CN 103886289A CN 201410093269 A CN201410093269 A CN 201410093269A CN 103886289 A CN103886289 A CN 103886289A
- Authority
- CN
- China
- Prior art keywords
- bridge
- water
- module
- remote sensing
- body information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000003287 optical effect Effects 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 238000000605 extraction Methods 0.000 claims description 18
- 230000000877 morphologic effect Effects 0.000 claims description 7
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 230000010339 dilation Effects 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 abstract 2
- 230000008030 elimination Effects 0.000 abstract 1
- 238000003379 elimination reaction Methods 0.000 abstract 1
- 238000012805 post-processing Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000004919 topotaxy Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明揭示了一种方向自适应的水上桥梁目标识别方法及系统,本发明的方法包括:对获取的高分辨率光学遥感图像进行滤波、去噪等预处理;提取水体信息;自适应地选择参与运算的方向增强型线性结构元素;对水体信息进行数学形态学运算和空间叠加分析,并基于桥梁先验特征知识对疑似桥梁目标进行验证;利用数学形态学中开启运算进行后处理,获取最终识别结果。本发明的系统包括数据读入模块、图像预处理模块、水体提取模块和桥梁识别模块;所述系统用于实现本发明的方法,将所述方法工程化。本发明适用于识别同一遥感图像上不同方向、不同类型、不同尺寸的水上桥梁目标识别,具有方向适应性强、操作简单、运算速度快等优点。
Description
技术领域
本发明涉及遥感图像识别技术领域,更具体涉及一种方向自适应的水上桥梁目标识别方法及系统。
背景技术
桥梁是交通系统的重要组成部分,架设在江河湖海上或空中,大多是固定的,能够使车辆、行人等顺利通行,为道路跨越天然或人工障碍物而修建的人工地物。由于桥梁位置的特殊性,桥梁目标识别不但对于GIS数据获取、制图以及作为其他目标的先验参照信息具有重要意义,而且还可以评价灾后救援道路的通行情况,有利于发生自然灾害时救援队伍的迅速到达,为救援争取宝贵时间。
随着传感器技术和计算机技术的进步,遥感图像的空间分辨率迅速提高,提供了大量有关地表物体的几何形状结构、空间拓扑关系、纹理特征和光谱信息等,为包括水上桥梁目标在内的地物识别带来了机遇。传统基于遥感图像的水上桥梁目标识别方法是在水体信息提取的基础上,根据桥梁和水体的关系进行的,可以有效地避免道路、建筑物和植被等物的干扰。张艳宁等人提出了一种基于Mean Shift分割的遥感图像中水上桥梁识别方法,但是在数学形态学运算中结构元素的几何形状较为单一,具有不能同时提取同一遥感图像中不同方向的地物的固有缺陷。
总之,现有技术不能同时识别同一遥感图像中不同方向的水上桥梁,并且对于水上桥梁目标识别的识别精确度低,识别结果的可靠性和准确性不能保证。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是如何同时识别同一遥感图像中不同方向的水上桥梁,并且提高水上桥梁的识别精度,保证识别结果的可靠性和准确性。
(二)技术方案
为了解决上述技术问题,本发明提供了一种方向自适应的水上桥梁目标识别方法,用于实现同一遥感图像中不同方向、不同类型、不同尺寸的水上桥梁提取。其中所述方法包括以下步骤:
S1获取高空间分辨率光学遥感图像,并根据图像质量,进行滤波、去噪的预处理操作;
S2根据桥梁所跨水体在高分辨率光学遥感图像上的表现特征,建立基于迭代法的水体信息提取模型,所述提取模型具体包括:基于迭代法选取阈值,对遥感图像进行分割;基于水体先验特征知识进行噪声去除;基于区域标记的方法进行孔洞填充;
S3根据现实中水上桥梁目标的多方向性和其在高分辨率光学遥感图像上的表现特征,构建方向增强型线性结构元素;
S4对水体信息进行编组,计算两组之间的距离,据此判断它们之间是否有桥梁相连;基于水体信息自适应,选择参与运算的方向增强型线性结构元素;对水体信息,利用数学形态学中的腐蚀和膨胀运算对水体信息进行操作,以连接因桥梁而断开的水体,然后对数学形态学操作后的水体信息进行空间叠加分析,基于桥梁具有一定面积,对疑似桥梁目标进行验证,获取初始桥梁目标;
S5利用数学形态学中的开启运算对步骤S4中所述初始桥梁目标进行处理,去除“毛刺”和“边缘凸起”现象,获取最终识别结果。
优选地,所述步骤S2中基于迭代法选取阈值的公式为:
其中,TK和TK-1分别为第K和K-1次计算得到的阈值,i为图像灰度级,n(i)为灰度级为i的像素个数,N为图像的最高灰度级。
优选地,所述步骤S3中构建方向增强型线性结构元素以11.25°为间隔。
优选地,所述步骤S4中参与数学形态学运算的结构元素的方向θ自适应选取模型为:
一种方向自适应的水上桥梁目标识别系统,其特征在于,所述系统包括数据读入模块、图像预处理模块、水体提取模块、桥梁识别模块;
所述数据读入模块读入待识别桥梁遥感图像,并将其传送给所述图像预处理模块,所述图像预处理模块将处理后的桥梁遥感图像传送给所述水体提取模块,所述水体提取模块进行水体提取并将提取的水体信息传送给桥梁识别模块,进行桥梁目标识别。
(三)有益效果
本发明提供了一种方向自适应的水上桥梁目标识别方法及系统,该方法能够有效识别同一遥感图像上不同方向、不同类型和不同尺寸的桥梁,并且处理流程简单,易于操作;在定性评价方面,无论是数量、位置,还是形状,识别的桥梁目标能够很好地匹配真实桥梁;在定量评价方面,宽度、长度和面积误差均不大于20%。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,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为本发明一个较佳实施例的系统结构示意图;
图2为本发明的一个较佳实施例的技术流程图;
图3为本发明的一个较佳实施例的一幅待识别桥梁遥感图像;
图4为本发明的一个较佳实施例的方向增强型线性结构元素示意图;
图5为本发明的一个较佳实施例的自适应选择方向增强型线性结构元素示意图;
图6为本发明的一个较佳实施例的本发明识别桥梁的结果图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细描述。以下实施例用于说明本发明,但不能用来限制本发明的范围。
图1为本发明一个较佳实施例的系统结构示意图,桥梁目标识别系统包括数据读入模块、图像预处理模块、水体提取模块、桥梁识别模块;数据读入模块读入待识别桥梁遥感图像;图像预处理模块对遥感图像进行滤波、去噪等操作,提高水体与其他地物的对比度;水体提取模块运用迭代法进行水体提取;桥梁识别模块在水体提取的基础上,采用基于方向增强型结构元素的数学形态学方法进行桥梁目标识别。
本发明的方向自适应的水上桥梁目标识别方法的技术流程如图2所示,本实施例以上海市周边某区域为例,图3为一幅待识别桥梁遥感图像,本发明的方向自适应的水上桥梁目标识别方法包括以下步骤:
(1)获取研究区的高分辨率光学遥感图像,进行预处理。本实施例获得该地区的一幅0.5m分辨率全色波段遥感图像,对该图像进行图像增强,以突出水体信息,提高水体和其他地物的对比度;
(2)对图像增强后的高分辨率光学遥感图像进行水体信息提取。水体信息在水上桥梁目标识别中扮演着重要角色,提取水体信息可以约束桥梁目标识别的空间范围,降低计算复杂度,提高运算效率和识别精度。在本实施例中,首先,基于迭代法选取水体信息阈值,并据此阈值对遥感图像进行分割,得到粗水体信息;然后,设定面积阈值,去除粗水体信息中的噪声;最后,采用区域标记的方法填充孔洞,得到最终水体信息;
在本实施例中,水体信息阈值通过下式得到:
其中,TK和TK-1分别为第K和K-1次计算得到的阈值,i为图像灰度级,对于8bit图像来说,i的取值范围为0-255,n(i)为灰度级为i的像素个数,N为图像的最高灰度级,对于8bit图像来说,N为255;
(3)根据现实世界中水上桥梁目标的多方向性和其在高分辨率光学遥感图像上的表现特征,构建方向增强型线性结构元素,为了保证识别结果的可靠性和准确性,以11.25°为间隔,如图4所示;
(4)在较为准确地提取水体信息以后,对水体信息进行编组,并计算每个水体信息与其他水体信息的距离,据此判断它们之间是否有桥梁相连,进而利用与桥梁相邻的两块水体的坐标来拟合该桥梁的方向,指导方向增强型线性结构元素的选取,如图5所示错误!未找到引用源。。
假设水体的X方向坐标为X=[x1,x2,...,xn],Y方向坐标为Y=[y1,y2,...,yn],n为水体像素的个数,则根据这两组坐标,利用最小二乘法拟合可以得到如下线性方程:
y=a×x+b (2)
其中,x和y分别为水体像素的X和Y方向坐标,a和b为拟合得到的线性方程的系数。
桥梁方向即桥梁与X正方向的夹角,可以表示为如下式所示的形式:
由于自然界中河流走向各不相同,线性拟合得到的理想情况下结构元素的方向也多种多样,因此,为了减少计算量,提高目标识别精度,选取和理想情况下结构元素的方向θ最接近的一个方向增强型线性结构元素参与桥梁目标识别等后续操作;
(5)在确定参与运算的结构元素的基础上,利用数学形态学中的腐蚀和膨胀运算对水体信息进行操作,以连接因桥梁而断开的水体,然后对数学形态学操作前后的水体信息进行空间叠加分析,以获取疑似桥梁目标;
(6)疑似桥梁目标不但包含真实桥梁目标,还包含伪桥梁目标,主要表现为面积较小、形状不规则的斑块。根据水上桥梁在高分辨率光学遥感图像上的表现特征,设定面积阈值和矩形度阈值对疑似桥梁目标进行验证,以去除伪桥梁目标,得到初始桥梁目标;
(7)由于桥梁目标识别是基于提取的水体信息进行的,混合像元的影响造成水体边界不清晰,进而造成了初始桥梁目标的边缘出现了“毛刺”和“边缘凸起”现象,利用数学形态学中的开启运算对初始桥梁目标进行操作,获取最终桥梁目标识别结果,结果如图6所示,白色部分为是别的桥梁轮廓。
将水上桥梁目标识别结果与原始高分辨率光学遥感图像进行综合分析,结果表明,本发明的方向自适应的水上桥梁目标识别方法及系统能够有效识别同一遥感图像上不同方向、不同类型和不同尺寸的桥梁,并且处理流程简单,易于操作;在定性评价方面,无论是数量、位置,还是形状,识别的桥梁目标能够很好地匹配真实桥梁;在定量评价方面,宽度、长度和面积误差均不大于20%。
以上实施方式仅用于说明本发明,而非对本发明的限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行各种组合、修改或者等同替换,都不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种方向自适应的水上桥梁目标识别方法,其特征在于,所述方法包括以下步骤:
S1获取高空间分辨率光学遥感图像,并根据图像质量,进行滤波、去噪的预处理操作;
S2根据桥梁所跨水体在高分辨率光学遥感图像上的表现特征,建立基于迭代法的水体信息提取模型,所述提取模型具体包括:基于迭代法选取阈值,对遥感图像进行分割;基于水体先验特征知识进行噪声去除;基于区域标记的方法进行孔洞填充;
S3根据现实中水上桥梁目标的多方向性和其在高分辨率光学遥感图像上的表现特征,构建方向增强型线性结构元素;
S4对水体信息进行编组,计算两组之间的距离,据此判断它们之间是否有桥梁相连;基于水体信息自适应,选择参与运算的方向增强型线性结构元素;对水体信息,利用数学形态学中的腐蚀和膨胀运算对水体信息进行操作,以连接因桥梁而断开的水体,然后对数学形态学操作后的水体信息进行空间叠加分析,基于桥梁具有一定面积,对疑似桥梁目标进行验证,获取初始桥梁目标;
S5利用数学形态学中的开启运算对步骤S4中所述初始桥梁目标进行处理,去除“毛刺”和“边缘凸起”现象,获取最终识别结果。
2.根据权利要求1所述的方法,其特征在于,所述步骤S2中基于迭代法选取阈值的公式为:
其中,TK和TK-1分别为第K和K-1次计算得到的阈值,i为图像灰度级,n(i)为灰度级为i的像素个数,N为图像的最高灰度级。
3.根据权利要求1所述的方法,其特征在于,所述步骤S3中构建方向增强型线性结构元素以11.25°为间隔。
5.一种方向自适应的水上桥梁目标识别系统,其特征在于,所述系统包括数据读入模块、图像预处理模块、水体提取模块、桥梁识别模块;
所述数据读入模块读入待识别桥梁遥感图像,并将其传送给所述图像预处理模块,所述图像预处理模块将处理后的桥梁遥感图像传送给所述水体提取模块,所述水体提取模块进行水体提取并将提取的水体信息传送给桥梁识别模块,进行桥梁目标识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410093269.9A CN103886289B (zh) | 2014-03-13 | 2014-03-13 | 方向自适应的水上桥梁目标识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410093269.9A CN103886289B (zh) | 2014-03-13 | 2014-03-13 | 方向自适应的水上桥梁目标识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103886289A true CN103886289A (zh) | 2014-06-25 |
CN103886289B CN103886289B (zh) | 2017-04-19 |
Family
ID=50955172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410093269.9A Expired - Fee Related CN103886289B (zh) | 2014-03-13 | 2014-03-13 | 方向自适应的水上桥梁目标识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103886289B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104599285A (zh) * | 2015-02-27 | 2015-05-06 | 浪潮集团有限公司 | 一种基于遥感图像的水体信息提取方法及装置 |
CN105374024A (zh) * | 2015-09-24 | 2016-03-02 | 四川航天系统工程研究所 | 高分辨率卫星影像水上桥梁提取的方法 |
CN106022286A (zh) * | 2016-05-30 | 2016-10-12 | 中国石油大学(华东) | 一种遥感景象的自动识别方法 |
CN107301399A (zh) * | 2017-06-23 | 2017-10-27 | 中国人民解放军陆军军官学院 | 一种基于俯视图像的水面桥梁识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576957A (zh) * | 2009-06-19 | 2009-11-11 | 西安电子科技大学 | 遥感图像快速河流提取方法 |
CN101976349A (zh) * | 2010-10-21 | 2011-02-16 | 西北工业大学 | 基于哈夫变换的遥感图像中交通枢纽目标识别方法 |
CN103020605A (zh) * | 2012-12-28 | 2013-04-03 | 北方工业大学 | 基于决策层融合的桥梁识别方法 |
CN103577814A (zh) * | 2013-11-25 | 2014-02-12 | 中国科学院自动化研究所 | 用于运动模糊虹膜识别的加权比对方法 |
-
2014
- 2014-03-13 CN CN201410093269.9A patent/CN103886289B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576957A (zh) * | 2009-06-19 | 2009-11-11 | 西安电子科技大学 | 遥感图像快速河流提取方法 |
CN101976349A (zh) * | 2010-10-21 | 2011-02-16 | 西北工业大学 | 基于哈夫变换的遥感图像中交通枢纽目标识别方法 |
CN103020605A (zh) * | 2012-12-28 | 2013-04-03 | 北方工业大学 | 基于决策层融合的桥梁识别方法 |
CN103577814A (zh) * | 2013-11-25 | 2014-02-12 | 中国科学院自动化研究所 | 用于运动模糊虹膜识别的加权比对方法 |
Non-Patent Citations (1)
Title |
---|
秦其明等: "基于地物光谱特征分析的高分辨率遥感图像水上桥梁提取", 《光谱学与光谱分析》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104599285A (zh) * | 2015-02-27 | 2015-05-06 | 浪潮集团有限公司 | 一种基于遥感图像的水体信息提取方法及装置 |
CN105374024A (zh) * | 2015-09-24 | 2016-03-02 | 四川航天系统工程研究所 | 高分辨率卫星影像水上桥梁提取的方法 |
CN105374024B (zh) * | 2015-09-24 | 2018-04-17 | 四川航天系统工程研究所 | 高分辨率卫星影像水上桥梁提取的方法 |
CN106022286A (zh) * | 2016-05-30 | 2016-10-12 | 中国石油大学(华东) | 一种遥感景象的自动识别方法 |
CN106022286B (zh) * | 2016-05-30 | 2017-05-31 | 中国石油大学(华东) | 一种遥感景象的自动识别方法 |
CN107301399A (zh) * | 2017-06-23 | 2017-10-27 | 中国人民解放军陆军军官学院 | 一种基于俯视图像的水面桥梁识别方法 |
CN107301399B (zh) * | 2017-06-23 | 2020-10-09 | 中国人民解放军陆军军官学院 | 一种基于俯视图像的水面桥梁识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103886289B (zh) | 2017-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104966065B (zh) | 目标识别方法及装置 | |
CN109447994A (zh) | 结合完全残差与特征融合的遥感图像分割方法 | |
CN103871062B (zh) | 一种基于超像素描述的月面岩石检测方法 | |
CN105046235A (zh) | 车道线的识别建模方法和装置、识别方法和装置 | |
CN103198319B (zh) | 用于矿山井筒环境下的模糊图像角点提取方法 | |
CN102708356A (zh) | 一种基于复杂背景下的车牌自动定位和识别方法 | |
CN102982304B (zh) | 利用偏光图像检测车辆位置的方法和系统 | |
CN108921076B (zh) | 基于图像的道面裂缝病害自适应恒虚警检测方法 | |
CN107808161A (zh) | 一种基于光视觉的水下目标识别方法 | |
CN104361590A (zh) | 一种控制点自适应分布的高分辨率遥感影像配准方法 | |
CN106780727B (zh) | 一种车头检测模型重建方法及装置 | |
CN103544488B (zh) | 一种人脸识别方法及装置 | |
CN103745221A (zh) | 一种二维码图像矫正方法 | |
US20220315243A1 (en) | Method for identification and recognition of aircraft take-off and landing runway based on pspnet network | |
CN104318559A (zh) | 用于视频图像匹配的特征点快速检测方法 | |
CN103871039A (zh) | 一种sar图像变化检测差异图生成方法 | |
CN111160293A (zh) | 基于特征金字塔网络的小目标船只检测方法及系统 | |
CN103886289A (zh) | 方向自适应的水上桥梁目标识别方法及系统 | |
CN104715474A (zh) | 基于标记分水岭算法的高分辨率合成孔径雷达图像线性建筑物检测方法 | |
CN106503663A (zh) | 一种基于深度学习的信号灯时长检测方法 | |
CN102254162B (zh) | 基于最小直线比率的sar图像机场跑道检测方法 | |
CN104268574A (zh) | 一种基于遗传核模糊聚类的sar图像变化检测方法 | |
CN114519819B (zh) | 一种基于全局上下文感知的遥感图像目标检测方法 | |
CN105184294A (zh) | 一种基于像素追踪的倾斜文字判断识别方法 | |
CN110930384A (zh) | 基于密度信息的人群计数方法、装置、设备以及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170419 |