CN105374024B - 高分辨率卫星影像水上桥梁提取的方法 - Google Patents

Abstract

本发明公开了一种高分辨率卫星影像水上桥梁提取的方法，所述的方法包括以下步骤：(1)提取所有被桥梁隔断水域的边界；(2)提取桥梁边缘线；(3)识别桥梁目标。本发明的提取方法无需对整幅图像进行水陆分割和形态学操作，从而避免了桥梁感兴趣区的误提，亦不会改变桥梁目标的形状，能够获取更为精确的桥梁目标信息。可以为GIS应用提供直接的数据源。

Description

高分辨率卫星影像水上桥梁提取的方法

技术领域

本发明涉及高分辨率卫星影像水上桥梁精确提取技术领域，具体涉及一种高分辨率卫星影像水上桥梁提取的方法。

背景技术

从遥感影像中提取重要地物目标可以为GIS数据更新、变化检测和制图等提供数据来源。横跨大中型河流的桥梁不仅是一种重要的交通要道，更是一种典型的战略目标，对于民用和军事都具有重要意义，通过对高分辨率卫星影像进行处理从而提取水上桥梁信息，是目前桥梁信息获取的主要手段，可以为安全运营、抗震救灾、军事作战部署等涉及国计民生的诸多事项提供参考依据。

水上桥梁一般横跨河流或其他连通水域，并在高分辨率影像上一般表现为一个长矩形，而这种特有的空间位置特征和几何特征是目前所有水上桥梁目标识别方法的重要依据。通常根据水体和桥梁两者相交的空间关系，采取先提取桥梁感兴趣区后边缘检测的方式来提取桥梁信息。一般包括水陆分割、感兴趣区域提取和桥梁识别三个步骤，即：首先，采用直方图阈值分割法、聚类法或分类器法等从原始影像中提取水体信息以确定桥梁的空间位置；然后，利用数学形态学操作连接被桥梁隔断的水体，并通过对数学形态学操作前后的图像进行叠加分析以获取候选桥梁目标；最后，对候选桥梁目标图像进行边缘提取，并利用几何约束和空间特征识别可能的桥梁像素，以及通过直线拟合和连通性约束组成桥梁。

此外，亦有文献在水陆分离的基础上利用数学形态学算子进行水域断点的 连接和噪声去除，并沿河流中心线对桥梁进行检测，然后利用先验知识进行确认。

现有技术存在以下缺陷：

先提取感兴趣区后边缘检测的方法对桥梁感兴趣区提取精度的要求很高，而由于高分辨率遥感影像不可避免地存在“同物异谱”和“同谱异物”现象，导致复杂环境背景下大幅面卫星影像的传统水陆分割方法效果欠佳，从而得到不准确的桥梁感兴趣区。另外，水陆分割后的形态学连通操作并不易执行，因为高分辨率影像中不同桥梁面积不同，形态学膨胀运算中结构元素的大小和运算次数难以确定，且容易改变桥梁目标的形状，导致识别出的桥梁位置偏差较大。

发明内容

本发明克服了现有技术的不足，提供一种高分辨率卫星影像水上桥梁提取的方法。

为解决上述的技术问题，本发明采用以下技术方案：

一种高分辨率卫星影像水上桥梁提取的方法，所述的方法包括以下步骤：

(1)提取所有被桥梁隔断水域的边界；

(2)提取桥梁边缘线；

(3)识别桥梁目标。

更进一步的技术方案是步骤(1)是利用拓扑自适应动态蛇模型提取所有被桥梁隔断水域的连续边界。

先利用水体光谱特征构建蛇模型以提取所有被桥梁隔断水域的闭合轮廓，然后再利用桥梁的几何特征和空间位置特征，提取相邻俩闭合轮廓曲线中节点间距小于阈值的所有节点，确定桥梁空间位置和形状来确定桥梁边缘线的位置。

更进一步的技术方案是步骤(1)包括以下步骤：

1)为正交T-Snake模型定义能量函数；

2)为每块水域构建初始轮廓；

3)遍历当前曲线的节点序列，进行节点拆分；

4)遍历节点序列，进行节点移动；

5)确定曲线是否已到水域边界。

更进一步的技术方案是步骤1)包括：假设当前Snake曲线为S＝{V₁,V₂,...,V_n}，V_i(x_i,y_i)是曲线节点，i＝1,2,n.。曲线在V_i处的能量函数定义为：

其中，η、γ、λ为系数，C是当前Snake曲线的几何中心，σ和_δ分别是节点邻域的灰度标准差和极差，是节点V_i处的图像梯度。

更进一步的技术方案是步骤2)包括：将水域按桥梁个数分成若干部分，在每个被桥梁隔断水域的内部，人工选定任一点(x0,y0)，以该点的上下左右四个方向上相距为r的四个像素点顺时针顺序依次相连，即：S＝{(x₀+r,y₀,0),(x₀,y₀+r,1),(x₀-r,y₀,2),(x₀,y₀-r,3)}；其中每个节点的第三个属性代表节点的方向信息，按顺时针顺序，向右为0，向下为1，向左为2，向上为3；最后，计算初始轮廓的能量，并将其作为Snake曲线最小能量E_min。

更进一步的技术方案是步骤3)包括：

对于每一点V_i(x_i,y_i,z_i)：

(a)计算其相邻两个方向值，所述相邻两个方向值分别是θ₁＝(z_i＝＝0)？3:(z_i-1)和θ₂＝(z_i＝＝3)？0:(z_i+1)；

(b)如果满足条件z_i＝0且x_i＞x_i-1或者z_i＝1且y_i＞y_i-1或z_i＝2且x_i＜x_i-1或者z_i＝3且y_i＜y_i-1，生成新节点P₁＝(x_i,y_i,θ₁)，并插入节点序列中，即令P₁→next＝V_i，V_i-1→next＝P₁；

(c)如果满足条件z_i＝0且x_i＞x_i+1或者z_i＝1且y_i＞y_i+1或z_i＝2且x_i＜x_i+1或者z_i＝3且y_i＜y_i+1，生成新节点P₂＝(x_i,y_i,θ₂)，并插入节点序列中，即令P₂→next＝V_i+1，V_i→next＝P₂。

更进一步的技术方案是步骤4)包括：

对于每一点V_i(x_i,y_i,z_i)：

判断节点V_i的移动位置V_i′：若z_i＝0，则V_i′＝(x_i+r,y_i,0)；若z_i＝1，则V_i′＝(x_i,y_i+r,1)；若z_i＝2，则V_i′＝(x_i-r,y_i,2)；若z_i＝3，则V_i′＝(x_i,y_i-r,3)；计算V_i与V_i′的能量E(i)和E(i)′并比较，若E(i)′＜E(i)，则令V_i＝V_i′，E(i)＝E(i)′。更进一步的技术方案是步骤5)包括：

计算变形之后曲线的能量值然后判断E_Snake＜E_min是否为真，若是，则令E_min＝E_Snake，返回到步骤3)；

若否，输出参数曲线的节点序列，得到的参数曲线即为所提取的水域的闭合轮廓线。

更进一步的技术方案是步骤(2)包括以下步骤：

针对每一个水域轮廓节点序列S_river，初始化一个桥梁边界点序列的S_river；遍历S_river，对每一个节点P(x,y)，进行以下操作：

ⅰ)使用梯度算子求P在原始影像中的梯度方向θ；

ⅱ)沿着P的梯度方向和反方向分别前进l个像元，得到的图像位置分别为和其中为取整符号；

ⅲ)计算p、p₁、p₂各自邻域内的图像灰度均值μ(P)、μ(P₁)、μ(P₂)；计算P₁、P₂各自N×N窗口内的灰度共生矩阵，统计纹理特征值，得到Etor(P₁)、Etor(P₂)；

ⅳ)判断P是否为桥梁边界点：如果μ(P₁)＜μ(P)，μ(P₂)＜μ(P)，这三个条件均满足，将点P添加到S_brigde中；

将得到的S_brigde中的点依次相连即为一个桥梁的一侧边缘线；所有水体轮廓都处理完毕之后，即得到图像中全部的桥梁边缘线。

更进一步的技术方案是步骤(3)包括以下步骤：

Ⅰ)初始化一个桥梁目标集合B，将边缘线集合中S_i的头、尾节点的连线记为L_i，得到一个直线集合{L₁,L₂,...,L_m}；

Ⅱ)计算直线集合中距离最小的直线对的索引(c,k)，

Ⅲ)将边缘线集合中S_c,S_k的端点互相连接，生成一个曲线对象b_i，添加到集合B；

Ⅳ)从直线集合中去掉L_c,L_k；判断直线集合是否为空，若是则执行步骤Ⅴ)，否则执行步骤Ⅱ)；

Ⅴ)输出集合B中的条闭合曲线，每一条曲线都是一个独立的桥梁目标。本发明在利用正交T-Snake模型获取整幅影像上所有被桥梁隔断水域的闭 合轮廓的基础上，利用桥梁、河流和陆地三者的空间关系检测桥梁边缘点并生成边缘线，并按照最小距离原则选取将属于同一桥梁的边缘线，识别为一个桥梁目标。由于不需要对整幅图像进行边缘检测，可以避免陆地区域中大量非水体边缘的影响；也不需要通过水陆分割来提取感兴趣区，从而避免了形态学处理的缺点；最后的桥梁目标识别能够获取完整和独立的桥梁对象，可以为GIS应用提供直接的数据源。

与现有技术相比，本发明的有益效果之一是：本发明的提取方法无需对整幅图像进行水陆分割和形态学操作，从而避免了桥梁感兴趣区的误提，亦不会改变桥梁目标的形状，能够获取更为精确的桥梁目标信息。可以为GIS应用提供直接的数据源。

附图说明

图1为本发明一个实施例的方法流程示意图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

下面结合附图及实施例对本发明的具体实施方式进行详细描述。

如图1所示，本发明的一个实施例高分辨率卫星影像水上桥梁提取的方法，该方法利用正交T-Snake模型获取整幅影像上所有被桥梁隔断水域的闭合轮廓 的基础上，利用桥梁、河流和陆地三者的空间关系检测桥梁边缘点并生成边缘线，并按照最小距离原则选取将属于同一桥梁的边缘线，识别为一个桥梁目标。

具体的，本实施例高分辨率卫星影像水上桥梁提取的方法包括以下步骤：

(1)提取所有被桥梁隔断水域的边界

利用拓扑自适应动态蛇模型(Topology adaptive Snake，T-Snake)提取所有被桥梁隔断水域的连续边界，具体步骤如下：

1)为正交T-Snake模型定义能量函数

假设当前Snake曲线为S＝{V₁,V₂,...,V_n}，V_i(x_i,y_i)是曲线节点，i＝1,2,...,n。曲线在V_i处的能量函数定义为：其中，η、γ、λ为系数，C是当前Snake曲线的几何中心，σ和δ分别是节点邻域的灰度标准差和极差，是节点V_i处的图像梯度；

2)为每块水域构建初始轮廓

将水域按桥梁个数分成若干部分，在每个被桥梁隔断水域的内部，人工选定任一点(x₀,y₀)，以该点的上下左右四个方向上相距为r的四个像素点顺时针顺序依次相连，来构建该水域的初始轮廓，即：

S＝{(x₀+r,y₀,0),(x₀,y₀+r,1),(x₀-r,y₀,2),(x₀,y₀-r,3)}；其中每个节点的第三个属性代表节点的方向信息，按顺时针顺序，向右为0，向下为1，向左为2，向上为3；最后，计算初始轮廓的能量，并将其作为Snake曲线最小能量E_min。

3)遍历当前曲线的节点序列，进行节点拆分

对于每一点V_i(x_i,y_i,z_i)：

(a)计算其相邻两个方向值，分别是θ₁＝(z_i＝＝0)？3:(z_i-1)和 θ₂＝(z_i＝＝3)？0:(z_i+1)；

(b)如果满足条件“z_i＝0且x_i＞x_i-1或者z_i＝1且y_i＞y_i-1或z_i＝2且x_i＜x_i-1或者z_i＝3且y_i＜y_i-1”，说明方向θ₁指向曲线外部，因此：生成新节点P₁＝(x_i,y_i,θ₁)，并插入节点序列中，即令P₁→next＝V_i，V_i-1→next＝P₁；

(c)如果满足条件“z_i＝0且x_i＞x_i+1或者z_i＝1且y_i＞y_i+1或z_i＝2且x_i＜x_i+1或者z_i＝3且y_i＜y_i+1”，说明方向θ₂指向曲线外部，因此：生成新节点P₂＝(x_i,y_i,θ₂)，并插入节点序列中，即令P₂→next＝V_i+1，V_i→next＝P₂；

4)遍历节点序列，进行节点移动

对于每一点V_i(x_i,y_i,z_i)：

a.判断节点V_i的移动位置V_i′：若z_i＝0，则V_i′＝(x_i+r,y_i,0)；若z_i＝1，则V_i′＝(x_i,y_i+r,1)；若z_i＝2，则V_i′＝(x_i-r,y_i,2)；若z_i＝3，则V_i′＝(x_i,y_i-r,3)；

b.计算V_i与V_i′的能量E(i)和E(i)′并比较，若E(i)′＜E(i)，则令V_i＝V_i′，E(i)＝E(i)′；

5)确定曲线是否已到水域边界

计算变形之后曲线的能量值然后判断E_Snake＜E_min是否为真，若是，则令E_min＝E_Snake，返回到第3)步；若否，说明曲线已经到达目标边缘，那么就输出参数曲线的节点序列，最终得到的参数曲线就是所提取的某一块水域的闭合轮廓线；

(2)提取桥梁边缘线

经过水体轮廓提取过程，得到了所有被桥梁隔断的水体闭合轮廓，接下来需要从这些轮廓曲线节点中来检测桥梁边缘点。

针对每一个水域轮廓节点序列S_river，初始化一个桥梁边界点序列的S_river。遍历S_river，对每一个节点P(x,y)，进行以下操作：

1)使用梯度算子求P在原始影像中的梯度方向θ；

2)沿着P的梯度方向和反方向分别前进l个像元(l须大于桥梁最大宽度)，得到的图像位置分别为和 其中为取整符号；

3)计算p、p₁、p₂各自邻域内的图像灰度均值μ(P)、μ(P₁)、μ(P₂)；计算P₁、P₂各自N×N窗口内的灰度共生矩阵，统计纹理特征值“熵”，得到Etor(P₁)、Etor(P₂)；

4)判断P是否为桥梁边界点：如果μ(P₁)＜μ(P)，μ(P₂)＜μ(P)， 这三个条件均满足，说明P₁、P₂均位于水域中，于是断定节点P是位于桥梁边界上，那么将点P添加到S_brigde中；

所有节点处理完毕之后，将得到的S_brigde中的点依次相连即为一个桥梁的一侧边缘线；所有水体轮廓都处理完毕之后，即得到图像中全部的桥梁边缘线；

(3)识别桥梁目标

对所有水域轮廓进行桥梁边缘线提取之后，得到图像上所有的桥梁边缘线，假设为集合{S₁,S₂,...,S_m}。此时要从所有桥梁边缘线中识别出每一对属于同一桥梁的边缘线对，即要对每一条边缘线S_i寻找距离最近的另一条边缘线S_j，i,j∈[1,m],j≠i，合并为一条闭合曲线。步骤如下：

Ⅰ)初始化一个桥梁目标集合B，将边缘线集合中S_i的头、尾节点的连 线记为L_i，得到一个直线集合{L₁,L₂,...,L_m}；

Ⅱ)计算直线集合中距离最小的直线对的索引(c,k)，

Ⅲ)将边缘线集合中S_c,S_k的端点互相连接，生成一个曲线对象b_i，添加到集合B；

Ⅳ)从直线集合中去掉L_c,L_k；判断直线集合是否为空，若是则执行步骤Ⅴ)，否则执行步骤Ⅱ)；

Ⅴ)输出集合B中的条闭合曲线，每一条曲线都是一个独立的桥梁目标。

采用本实施例高分辨率卫星影像水上桥梁提取的方法，对多幅2米空间分辨率的高分一号全色影像中的桥梁目标进行了提取，结果表明，所有影像中水上桥梁目标全部被识别到，并且提取到的桥梁目标形状与人工目视解译结果相差不大。同时试验表明，本发明提出的技术方案由于能够获取完整和独立的桥梁对象，可以为GIS应用提供直接的数据源。

在本说明书中所谈到的“一个实施例”、“另一个实施例”、“实施例”等，指的是结合该实施例描述的具体特征、结构或者特点包括在本申请概括性描述的至少一个实施例中。在说明书中多个地方出现同种表述不是一定指的是同一个实施例。进一步来说，结合任一个实施例描述一个具体特征、结构或者特点时，所要主张的是结合其他实施例来实现这种特征、结构或者特点也落在本发明的范围内。

尽管这里参照发明的多个解释性实施例对本发明进行了描述，但是，应该 理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说，在本申请公开权利要求的范围内，可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变型和改进外，对于本领域技术人员来说，其他的用途也将是明显的。

Claims (9)

1.一种高分辨率卫星影像水上桥梁提取的方法，其特征在于所述的方法包括以下步骤：

(1)提取所有被桥梁隔断水域的边界；

(2)提取桥梁边缘线；

所述的步骤(2)包括以下步骤：

针对每一个水域轮廓节点序列S_river，初始化一个桥梁边界点序列的S_brigde；遍历S_river，对每一个节点P(x,y)，进行以下操作：

ⅰ)使用梯度算子求P在原始影像中的梯度方向θ；

ⅱ)沿着P的梯度方向和梯度方向的反方向分别前进l个像元，得到的图像位置分别为和其中为取整符号；

ⅲ)计算P、P₂、P₃各自邻域内的图像灰度均值μ(P)、μ(P₁)、μ(P₂)；计算P₁、P₂各自N×N窗口内的灰度共生矩阵，统计纹理特征值，得到Etor(P₁)、Etor(P₂)；

ⅳ)判断P是否为桥梁边界点：如果μ(P₁)＜μ(P)，μ(P₂)＜μ(P)，这三个条件均满足，将点P添加到S_brigde中；

将得到的S_brigde中的点依次相连即为一个桥梁的一侧边缘线；所有水体轮廓都处理完毕之后，即得到图像中全部的桥梁边缘线；

(3)识别桥梁目标。

2.根据权利要求1所述的高分辨率卫星影像水上桥梁提取的方法，其特征在于所述的步骤(1)是利用拓扑自适应动态蛇模型提取所有被桥梁隔断水域的连续边界。

3.根据权利要求2所述的高分辨率卫星影像水上桥梁提取的方法，其特征在于所述的步骤(1)包括以下步骤：

1)为正交T-Snake模型定义能量函数；

2)为每块水域构建初始轮廓；

3)遍历当前曲线的节点序列，进行节点拆分；

4)遍历节点序列，进行节点移动；

5)确定曲线是否已到水域边界。

4.根据权利要求3所述的高分辨率卫星影像水上桥梁提取的方法，其特征在于所述的步骤1)包括：假设当前Snake曲线为S＝{V₁,V₂,...,V_n}，V_i是曲线节点，i＝1,2,...,n；曲线在V_i处的能量函数定义为：E(i)＝η|V_i-1-2V_i+V_i+1|+γ|V_i-C|e^-ε(σ+δ)+λ|▽I(V_i)|，其中，η、γ、λ为系数，C是当前Snake曲线的几何中心，σ和δ分别是节点邻域的灰度标准差和极差，|▽I(V_i)|是节点V_i处的图像梯度。

5.根据权利要求4所述的高分辨率卫星影像水上桥梁提取的方法，其特征在于所述的步骤2)包括：将水域按桥梁个数分成若干部分，在每个被桥梁隔断水域的内部，人工选定任一点(x₀,y₀)，以该点的上、下、左、右四个方向上相距为r的四个像素点顺时针顺序依次相连，即：S＝{(x₀+r,y₀,0),(x₀,y₀+r,1),(x₀-r,y₀,2),(x₀,y₀-r,3)}；其中每个节点的第三个属性代表节点的方向信息，按顺时针顺序，向右为0，向下为1，向左为2，向上为3；最后，计算初始轮廓的能量，并将其作为Snake曲线最小能量E_min。

6.根据权利要求5所述的高分辨率卫星影像水上桥梁提取的方法，其特征在于所述的步骤3)包括：

对于每一点V_i(x_i,y_i,z_i)：

(a)计算其相邻两个方向值，所述相邻两个方向值分别是

θ₁＝(z_i＝＝0)？3:(z_i-1)和θ₂＝(z_i＝＝3)？0:(z_i+1)；

(b)如果满足条件z_i＝0且x_i＞x_i-1，或者z_i＝1且y_i＞y_i-1，或z_i＝2且x_i＜x_i-1，或者z_i＝3且y_i＜y_i-1，生成新节点P₁＝(x_i,y_i,θ₁)，并插入节点序列中，即令使P₁位于V_i之前且V_i-1之后

(c)如果满足条件z_i＝0且x_i＞x_i+1，或者z_i＝1且y_i＞y_i+1，或z_i＝2且x_i＜x_i+1，或者z_i＝3且y_i＜y_i+1，生成新节点P₂＝(x_i,y_i,θ₂)，并插入节点序列中，即令使P₂位于V_i+1之前且V_i之后。

7.根据权利要求6所述的高分辨率卫星影像水上桥梁提取的方法，其特征在于所述的步骤4)包括：

对于每一点V_i(x_i,y_i,z_i)：

判断节点V_i的移动位置V_i′：若z_i＝0，则V_i′＝(x_i+r,y_i,0)；若z_i＝1，则V_i′＝(x_i,y_i+r,1)；若z_i＝2，则V_i′＝(x_i-r,y_i,2)；若z_i＝3，则V_i′＝(x_i,y_i-r,3)；

计算V_i与V_i′的能量E(i)和E(i)′并比较，若E(i)′＜E(i)，则令V_i＝V_i′，E(i)＝E(i)′。

8.根据权利要求7所述的高分辨率卫星影像水上桥梁提取的方法，其特征在于所述的步骤5)包括：

计算变形之后曲线的能量值然后判断E_Snake＜E_min是否为真，若是，则令E_min＝E_Snake，返回到步骤3)；

若否，输出参数曲线的节点序列，得到的参数曲线即为所提取的水域的闭合轮廓线。

9.根据权利要求1所述的高分辨率卫星影像水上桥梁提取的方法，其特征在于所述的步骤(3)包括以下步骤：

Ⅰ)初始化一个桥梁目标集合B，将边缘线集合中S_i的头、尾节点的连线记为L_i，得到一个直线集合{L₁,L₂,...,L_m}；

Ⅱ)计算直线集合中距离最小的直线对的索引(c,k)，

<mrow> <mo>(</mo> <mi>c</mi> <mo>,</mo> <mi>k</mi> <mo>)</mo> <mo>=</mo> <mi>arg</mi> <mi> </mi> <mi>min</mi> <munder> <munder> <mrow> <mi>d</mi> <mrow> <mo>(</mo> <msub> <mi>L</mi> <mi>i</mi> </msub> <mo>,</mo> <msub> <mi>L</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>&amp;Element;</mo> <mo>&amp;lsqb;</mo> <mn>1</mn> <mo>,</mo> <mi>m</mi> <mo>&amp;rsqb;</mo> </mrow> </munder> <mrow> <mi>j</mi> <mo>&amp;NotEqual;</mo> <mi>i</mi> </mrow> </munder> <mo>;</mo> </mrow>

Ⅲ)将边缘线集合中S_c,S_k的端点互相连接，生成一个曲线对象b_i，添加到集合B；

Ⅳ)从直线集合中去掉L_c,L_k；判断直线集合是否为空，若是则执行步骤Ⅴ)，否则执行步骤Ⅱ)；

Ⅴ)输出集合B中的条闭合曲线，每一条曲线都是一个独立的桥梁目标。