CN107301399B - 一种基于俯视图像的水面桥梁识别方法 - Google Patents
一种基于俯视图像的水面桥梁识别方法 Download PDFInfo
- Publication number
- CN107301399B CN107301399B CN201710486839.4A CN201710486839A CN107301399B CN 107301399 B CN107301399 B CN 107301399B CN 201710486839 A CN201710486839 A CN 201710486839A CN 107301399 B CN107301399 B CN 107301399B
- Authority
- CN
- China
- Prior art keywords
- bridge
- water surface
- area
- image
- variance
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于俯视图像的水面桥梁识别方法,主要包括水面区域提取、疑似桥梁区域提取、直线边提取和延长等步骤。本发明的桥梁识别方法,首先利用水面的灰度图像方差较小的特点判定出水面区域,通过将遥感图像进行分块计算方差,提取出水面;根据桥梁平均方差较大的特点,判断出水面之间的部分即是桥梁,之后计算sobel边缘,利用hough检测提取出桥梁的直线边缘;最后将边缘适当的延长,从而得出桥梁区域。
Description
技术领域
本发明属于图像识别技术领域,具体涉及一种基于俯视图像的水面桥梁识别方法。
背景技术
目标自动识别技术在军事上和民事上的应用价值都很高。尤其是桥梁对战争的重要性决定了其必然成为敌军打击的首选目标。
桥梁是空军封锁作战打击的重点目标,突击关键桥梁会使整个交通系统瘫痪,短时间内不易恢复。同时桥梁被认为是空对地突击难度最大的目标,因此实现对桥梁的自动识别对实现精确打击桥梁具有重要意义。
因此对桥梁目标的识别,特别是对水面桥梁的准确识别定位则是实现精确打击的前提。
目前的现有技术中主要采用比较原始的目测识别方式、和比较先进的遥感图像识别方式对水平进行检测识别,算法复杂、运算数据量大,且识别不精确。
发明内容
本发明的目的正是为了解决现有技术中对水面桥梁检测运算量大、识别不准确的技术问题,利用桥梁相比于水面背景呈现较强的显著性的基本特点,将图像中的水面桥梁准确的提取出来。
本发明提供了一种基于俯视图像的水面桥梁识别方法,主要包括如下步骤:
(一)水面区域提取
将图像进行分割方块后进行灰度方差的计算,定义一个门限阈值,当某个图像块方差小于阈值,则被判定为水面;
(二)疑似桥梁区域提取
面区域提取之后通过横向的区域扫描,将两块水面区域之间的区域部分提取出来,对这些区域部分的平均方差进行计算,将方差最大的区域判定为疑似桥梁区域;
(三)直线边提取和延长
对疑似桥梁区域提取外围矩形框,框出的区域则为感兴趣的桥梁区域,利用边缘提取的方法寻找桥梁的直线边;
将直线边缘的两个端点向不同的方向进行延长,设定最大方差阈值,对每个延长的端点,判断以该点为中心的图像方块矩形区域的方差是否大于该阈值,大于该阈值则继续延长,否则停止延长,从而得出桥梁区域。
图像方块的大小以能够框定出桥梁区域、并能够明确区分水面和桥梁为准。
作为优选,图像方块的大小为20*20像素。
进一步地,水面区域提取之后,对图像方块之间的不连续“空洞”进行膨胀处理。
在步骤(三)中,设定方差的阈值:
[1 2 1;0 0 0;-1 -2 -1],
对区域图像进行卷积,之后对处理过的图像进行一次门限分割,对该区域进行sobel梯度边缘检测,然后利用hough变换提取直线边缘,提取最长的两条即为桥梁的直线边缘。
本发明利用“先找水面,再找桥”的这种间接寻找目标的思路进行提取。本发明的桥梁识别方法,首先利用水面的灰度图像方差较小的特点判定出水面区域,通过将遥感图像进行分块计算方差,提取出水面;根据桥梁平均方差较大的特点,判断出水面之间的部分即是桥梁,之后计算sobel边缘,利用hough检测提取出桥梁的直线边缘;最后将边缘适当的延长,从而得出桥梁区域。
附图说明
图1是本发明的水面桥梁提取算法流程图;
图2是图像方块分割示意图;
图3是水面区域提取结果示意图。
具体实施方式
下面结合附图对本发明作进一步详细描述:
参见附图1,本发明的水面桥梁识别方法,基于对遥感图像的处理,整个流程主要分为几个大部分:水面区域提取、疑似桥梁区域提取、直线边提取和延长。
(一)水面区域提取
将图像分割为大小适中的方块,例如20*20像素的方块。采用图像方块进行方差计算的方法判定水面区域。本方法要求方块的大小以能够框定出桥梁区域、并能够明确区分水面和桥梁为准,见附图2所示。
图像进行分块后进行灰度方差的计算,定义一个门限阈值,桥梁相对水面区域梯度变化大,因此方差较大,水面方差相比于背景较小,当某个图像块方差小于阈值,则被判定为水面。结果如附图3所示。
(二)疑似桥梁区域提取
水面区域提取之后通过横向的区域扫描,将两块水面区域之间的部分提取出来,这就是疑似的桥梁区域。具体地,为了判断这些区域是否为桥梁,对这些区域的平均方差进行计算,由于桥梁的灰度梯度变化相对其他区域较大,则将方差最大的区域判定为疑似桥梁区域。
上述水面区域提取之后,如果图像块之间出现了不连续的“空洞”,则进行膨胀处理,将空洞填充。比如采用3*3元素的全1矩阵进行膨胀。
(三)直线边提取和延长
对疑似桥梁区域提取外围矩形框,框出的区域则为感兴趣的桥梁区域,这样处理可为后续目标的提取奠定了坚实的基础,但提取出的感兴趣区域既有桥梁也有背景,也可能包含伪目标,需要进行下一步目标验证与剔除虚警,之后对该区域进行桥梁的提取。
对于感兴趣区域,利用边缘提取的方法寻找桥梁的直线边,这里采用Sobel梯度边缘检测的方法,利用梯度模板与图像进行横向和纵向的卷积,之后计算梯度模值,定义阈值,利用门限分割的方法提取边缘,之后利用hough变换检测两条最长的直线边,即为桥梁的两边。
在一个具体实施例中,由于水面图像的方差较小,设定方差的:
[1 2 1;0 0 0;-1 -2 -1],
对区域图像进行卷积,之后对处理过的图像进行一次门限分割,对该区域进行sobel梯度边缘检测,然后利用hough变换提取直线边缘,提取最长的两条即为桥梁的直线边缘。上述阈值例如可设定为3。
但是只对感兴趣区域进行边缘提取,导致提取出的桥梁边缘不完整,因此需要进行延长。
延长时将直线边缘的两个端点向不同的方向进行延长,对每个延长的端点,判断以该点为中心的20*20像素矩形区域的方差是否较大。例如,在上述具体实施例中设定最大方差阈值为7,如果大于该阈值则继续延长,否则停止延长,最后延长的两条边延长到相应的地方结束。
本发明的桥梁识别,首先利用水面的灰度图像方差较小的特点判定出水面区域,通过将遥感图像进行分块计算方差,提取出水面;根据桥梁平均方差较大的特点,判断出水面之间的部分即是桥梁,之后计算sobel边缘,利用hough检测提取出桥梁的直线边缘;最后将边缘适当的延长,从而得出桥梁区域。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
本发明不限于以上对实施例的描述,本领域技术人员根据本发明揭示的内容,在本发明基础上不必经过创造性劳动所进行的改进和修改,都应该在本发明的保护范围之内。
Claims (4)
1.一种基于俯视图像的水面桥梁识别方法,其特征在于,主要包括如下步骤:
(一)水面区域提取
将图像进行分割方块后进行灰度方差的计算,定义一个门限阈值,当某个图像块方差小于阈值,则被判定为水面;
(二)疑似桥梁区域提取
水面区域提取之后通过横向的区域扫描,将两块水面区域之间的区域部分提取出来,对这些区域部分的平均方差进行计算,将方差最大的区域判定为疑似桥梁区域;
(三)直线边提取和延长
对疑似桥梁区域提取外围矩形框,框出的区域则为感兴趣的桥梁区域,利用边缘提取的方法寻找桥梁的直线边;
其中,对感兴趣区域图像进行卷积,之后对处理过的感兴趣区域图像进行一次门限分割,对该感兴趣区域图像进行sobel梯度边缘检测,然后利用hough变换提取直线边缘,提取最长的两条即为桥梁的直线边缘;
将直线边缘的两个端点向不同的方向进行延长,设定最大方差阈值,对每个延长的端点,判断以该延长的端点为中心的图像方块矩形区域的方差是否大于该阈值,大于该阈值则继续延长,否则停止延长,从而得出桥梁区域。
2.根据权利要求1所述的一种基于俯视图像的水面桥梁识别方法,其特征在于:
图像方块的大小以能够框定出桥梁区域、并能够明确区分水面和桥梁为准。
3.根据权利要求2所述的一种基于俯视图像的水面桥梁识别方法,其特征在于:
图像方块的大小为20*20像素。
4.根据权利要求1所述的一种基于俯视图像的水面桥梁识别方法,其特征在于:
水面区域提取之后,对图像方块之间的不连续“空洞”进行膨胀处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710486839.4A CN107301399B (zh) | 2017-06-23 | 2017-06-23 | 一种基于俯视图像的水面桥梁识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710486839.4A CN107301399B (zh) | 2017-06-23 | 2017-06-23 | 一种基于俯视图像的水面桥梁识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107301399A CN107301399A (zh) | 2017-10-27 |
CN107301399B true CN107301399B (zh) | 2020-10-09 |
Family
ID=60136479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710486839.4A Active CN107301399B (zh) | 2017-06-23 | 2017-06-23 | 一种基于俯视图像的水面桥梁识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107301399B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241966A (zh) * | 2018-08-22 | 2019-01-18 | 东北农业大学 | 一种植物叶片无损采集方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101159009A (zh) * | 2007-11-09 | 2008-04-09 | 西北工业大学 | 从遥感图像中检测桥梁的方法 |
CN101430763A (zh) * | 2008-11-10 | 2009-05-13 | 西安电子科技大学 | 遥感图像中水上桥梁目标检测方法 |
CN101814144A (zh) * | 2010-03-25 | 2010-08-25 | 西安电子科技大学 | 遥感图像中无水桥梁目标识别方法 |
CN103886289A (zh) * | 2014-03-13 | 2014-06-25 | 北京大学 | 方向自适应的水上桥梁目标识别方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6836285B1 (en) * | 1999-09-03 | 2004-12-28 | Arete Associates | Lidar with streak-tube imaging,including hazard detection in marine applications; related optics |
-
2017
- 2017-06-23 CN CN201710486839.4A patent/CN107301399B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101159009A (zh) * | 2007-11-09 | 2008-04-09 | 西北工业大学 | 从遥感图像中检测桥梁的方法 |
CN101430763A (zh) * | 2008-11-10 | 2009-05-13 | 西安电子科技大学 | 遥感图像中水上桥梁目标检测方法 |
CN101814144A (zh) * | 2010-03-25 | 2010-08-25 | 西安电子科技大学 | 遥感图像中无水桥梁目标识别方法 |
CN103886289A (zh) * | 2014-03-13 | 2014-06-25 | 北京大学 | 方向自适应的水上桥梁目标识别方法及系统 |
Non-Patent Citations (3)
Title |
---|
A region segmentation and region labeling algorithm in aerial images about bridge over water;Yinwen Dong 等;《2012 5th International Congress on Image and Signal Processing》;20130225;参见第630-633页 * |
图像目标识别方法研究;汪勇旭;《中国优秀博硕士学位论文全文数据库(硕)信息科技辑》;20040315;第2004年卷(第1期);参见第7-20页 * |
桥梁红外图像的自动识别跟踪方法探究;袁再华 等;《红外与激光工程》;19980228;第27卷(第1期);参见第4-8页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107301399A (zh) | 2017-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sirmacek et al. | Building detection from aerial images using invariant color features and shadow information | |
Akagic et al. | Pothole detection: An efficient vision based method using rgb color space image segmentation | |
CN101334836A (zh) | 一种融合色彩、尺寸和纹理特征的车牌定位方法 | |
CN105405142A (zh) | 一种玻璃面板的边缺陷检测方法及系统 | |
CN101430763B (zh) | 遥感图像中水上桥梁目标检测方法 | |
CN104462380A (zh) | 商标检索方法 | |
CN101807352A (zh) | 一种模糊模式识别的车位检测方法 | |
KR20150112656A (ko) | 카메라 캘리브레이션 방법 및 그 장치 | |
CN102768731A (zh) | 基于高清视频图像目标自动定位识别系统及方法 | |
CN104517276A (zh) | 一种棋盘格角点检测方法 | |
EP2573708A2 (en) | Method and System for Detecting Vehicle Position by Employing Polarization Image | |
CN109711256B (zh) | 一种低空复杂背景无人机目标检测方法 | |
CN110718068B (zh) | 一种道路监控摄像机安装角度估计方法 | |
CN104112141A (zh) | 一种基于公路监控设备的货车安全带系挂状态的检测方法 | |
CN102737230B (zh) | 一种基于方向场估计的非局部均值滤波方法 | |
Sebsadji et al. | Robust road marking extraction in urban environments using stereo images | |
CN103914829A (zh) | 一种含噪图像边缘检测方法 | |
CN107301399B (zh) | 一种基于俯视图像的水面桥梁识别方法 | |
CN104318216A (zh) | 视频监控中跨盲区行人目标的识别匹配方法 | |
Ryu et al. | Feature-based pothole detection in two-dimensional images | |
Raikar et al. | Automatic building detection from satellite images using internal gray variance and digital surface model | |
Chen et al. | Algorithm design of lane departure warning system based on image processing | |
CN103886289A (zh) | 方向自适应的水上桥梁目标识别方法及系统 | |
CN106503607B (zh) | 道路交通标志识别方法及装置 | |
CN103927523A (zh) | 一种基于纵向灰度特征的雾天等级检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |