專利名稱:從遙感圖像中檢測橋梁的方法
技術領域:
本發(fā)朗涉及一種從遙感圖像中檢測橋梁的方法。
背景技術:
橋梁是遙感圖像中一種重要的人工目標,自動、快速地從中檢測、分割橋梁,有非常重 要的意義?,F(xiàn)有的橋梁自動檢測與識別方法主要有基于知識的檢測方法和模板匹配的方法。 文獻"一種航拍圖像中水上橋梁的實時識別算法,電子學報,2007, Vo1.35(3), p511-514"公開 了一種在水域分割的基礎上識別橋梁的算法。此方法采用閾值分割和形態(tài)學處理的方法分割 出河流區(qū)域,之后采用橋梁目標定位和橋梁目標驗證兩個步驟檢測橋梁。在橋梁目標定位階 段,此方法利用橋梁和河流的位置關系搜索橋梁點;在橋梁目標驗證階段,此方法利用橋梁 的兩條邊緣基本平行來驗證橋梁目標。但是,在橋梁目標定位階段,由于搜索時假設橋梁的 寬度為540個像素點,因此對于不同寬度的橋梁目標,具有局限性,無法檢測寬度在5 10 個像素點范圍之外的橋梁;在橋梁目標的驗證階段,利用橋梁的兩條邊緣上的各點所對應的 梯度值應該一致來驗證橋梁的兩條邊緣是否平行,具有局限性且抗噪性差。
綜上所述,現(xiàn)有的遙感圖像中橋梁檢測方法易受噪聲影響,并對被檢橋梁的寬度進行了 限制,容易漏檢和誤檢,檢測率低。
發(fā)明內容
為了克服現(xiàn)有技術方法抗噪性差以及對被檢橋梁限制寬度的不足,本發(fā)明提供一種從遙 感圖像中檢測橋梁的方法,采用Beamlet變換提取線信息,由于Beamlet變換具有抗噪性,因 此抗噪性好;利用Beamlet變換所提取的線特征信息進行橋梁檢測,因此對橋梁的寬度沒有限 制,不易漏檢和誤檢。
本發(fā)明解決其技術問題所采用的技術方案 一種從遙感圖像中檢測橋梁的方法,其點是包 括以下步驟
(a)輸入一幅遙感圖像,選用Daubechies3小波,對遙感圖像每個像素的鄰域進行小波 變換,所得的高頻圖像和低頻圖像作為小波子圖像,用公式
分別計算各子圖像能量特征,作為當前中心象素點的紋理特征,對每一象素的紋理特征,采 用快速模糊C聚類算法將圖像分成目標和背景兩類,得到河流的粗分割結果;
(b)選用面積百分比閾值去除河流中較小的噪聲區(qū)域,對步驟(a)得到的河流區(qū)域進
行連通區(qū)域標記,計算每一個區(qū)域的平均梯度avgGmc/W,設待分類的區(qū)域的平均梯度 "^0^^的范圍在[^^1^0^,<§^^//^ ]之間,閾值r將區(qū)域劃分為兩類,利用類內方差最
小的方法確定最佳平均梯度閾值r、比較平均梯度與最佳梯度閾值,確定河流區(qū)域;
(c) 對河流區(qū)域的canny邊緣做快速Beamlet變換,得到橋梁和海岸線的線信息,利用 橋梁的特征進行橋梁檢測將圖像分解成尺度為4的子束單元,對每個子束單元進行變換處
理從子束單元的左上點起,順時針標記為p(0),p(l),p(2)....../7(; "MW-1); S"MW為子束單元
邊界點的個數(shù),;ytoW^O,e"d-l,即以; (0)為起點,p(l)為終點,由起點和端點,可唯一確定 一條線段,該線段上的象素點由Bresenham算法確定,該線段上的象素點依次標記 d(0),d(1)^(2)...... J(mwz-1),其中""附為該線段上象素點的個數(shù),d(0)為線段起點,
d("M附-1)為線段終點,<formula>formula see original document page 4</formula>(0為該象素點d的灰度值,<formula>formula see original document page 4</formula>
(d) 對河流區(qū)域的canny邊緣做快速Beamlet變換,得到橋梁和海岸線的線信息,利用 橋梁的特征進行橋梁檢測,包括兩個邊緣平行、外接形狀近似為矩形、矩形的寬為橋梁的寬 度、橋梁的寬度小于河流的寬度、橋梁的邊緣像素點的鄰域像素屬于相同的連通區(qū)域,即河 流連通區(qū)域,而海岸線像素點的鄰域像素屬于不同的連通區(qū)域;
(e) 將提取出來的橋梁再次進行短線連接,滿足同一尺度、同一方向且端點距離小于一 定閾值的短信進行連接,得到完整的橋梁圖。
本發(fā)明的有益效果是由于采用Beamlet變換提取被檢橋梁的線特征信息,利用Beamlet 變換具有抗噪性的特點,提高了抗噪性;利用Beamlet變換所提取的線特征信息進行橋梁檢 測,與現(xiàn)有技術采用搜索橋梁點的方法相比,對橋梁的寬度沒有限制,且檢測率達到了 86% 以上,不易漏檢和誤檢。
下面結合附圖和實施例對本發(fā)明作詳細說明。
附圖是本發(fā)明從遙感圖像中檢測橋梁的方法的流程圖。
具體實施例方式
參照附圖,首先進行河流分割。輸入一幅遙感圖像,對河流進行粗分割。選用Daubechies3 小波,對遙感圖像每個像素的3X3鄰域進行小波變換,采用了 4個小波子圖像,分別是第 一次小波分解所得的3個高頻圖像、第一次小波分解所得的低頻圖像,然后用公式(1)分別 計算各子圖像能量特征,作為當前中心象素點的紋理特征。<formula>formula see original document page 5</formula>
(i)
妒W -
對每一象素的紋理特征,采用快速模糊C聚類算法(FCM)將圖像分成目標和背景兩類, 得到河流的粗分割結果。在此河流粗分割過程中可以選用其他小波變換,變換域可以為5X5, 本發(fā)明均己進行過試驗,取得了不錯的效果。
由于叟噪聲影響,存在著部分灰度值和河流比較接近、有細微紋理的非河流區(qū)域,例如 建筑物或其他自然景物的陰影,被誤分割為河流的現(xiàn)象,因此需要對河流進一步的細分割。
河流細分割首先選用面積百分比閾值0.2%去除河流中較小的噪聲區(qū)域。此處的面積百 分比閾值可以根據(jù)不同的圖像選擇0.1%~2%之間,在去除細小區(qū)域之后,對每個區(qū)域用下列 模板計算其梯度,從水平和垂直兩個方向考察當前區(qū)域灰度值的變化。<formula>formula see original document page 5</formula>
水平梯度算子模板A 垂直梯度算子模板B
模板中心點(x,y)水平方向梯度幅值為
其中/(I,力為0,力處的灰度值。同理,垂直方向梯度幅值為
<formula>formula see original document page 5</formula>
(x,力處的梯度幅度為G一x,力一G,+G;
對粗分割得到的河流區(qū)域進行連通區(qū)域標記,計算每一個區(qū)域的平均梯度flvgGra^W, 設待分類的區(qū)域的平均梯度"vgO"A的范圍在[gra^yZtw, gra必/^g/z]之間,閾值T將區(qū)域劃 分為兩類
(4)
貝廿,<formula>formula see original document page 5</formula>CV類的區(qū)域個數(shù)為iV/, G類的區(qū)域個 數(shù)為W, C/, C2每類的梯度的平均值分別為/v //2,方差分別為^, g,則按照模式識別
理論,這兩類的類內方差為
<formula>formula see original document page 5</formula> (5 )
使一最小的r即為最佳平均梯度閾值r*。
<formula>formula see original document page 6</formula>
如果某區(qū)域的平均梯度大于最佳閾值,則此區(qū)域不屬于河流區(qū)域;如果小于等于最佳閾 值,則此區(qū)域屬于河流區(qū)域,從而實現(xiàn)了對河流的細分割。其次進行橋梁分割。由于橋梁是兩條平行直線,而Beamlet變換在提取線特征方面表現(xiàn) 優(yōu)秀,因而本發(fā)明對分割出的河流區(qū)域的邊緣進行Beamlet變換固定尺度的Beamlet變換, 得到線特征的信息,然后根據(jù)橋梁特征分割出橋梁。橋梁具有以下特征(l)橋梁的兩個邊緣平行;(2)橋梁的外接形狀近似為矩形,且矩形的 寬為橋梁的寬度;(3)橋梁的寬度小于河流的寬度;(4)橋梁的邊緣像素點的鄰域像素屬于相同 的連通區(qū)域,即河流連通區(qū)域,而海岸線像素點的鄰域像素屬于不同的連通區(qū)域,對河流區(qū)域的canny邊緣做快速Beamlet變換(1) 確定子束單元的尺度,本實施實例選擇尺度為4個像素;(2) 將圖像分解成尺度為4的子束單元。(3) 對每個子束單元進行變換處理(a) 從子束單元的左上點起,順時針標記為p(0),p(l),p(2)……p(snum-1)。snum 為子束單元邊界點的個數(shù)。(b)start=0, end=1,即以p(0)為起點,;p(l)為終點。(c) 由起點和端點,可唯一確定一條線段。該線段上的象素點由Bresenham算法確定。 該線段上的象素點依次標記d(0),c/(l),d(2)……c/("wm-l),其中""附為該線段上象素點的個 數(shù),d(0)為線段起點,d(num-1)為線段終點。(d) <formula>formula see original document page 6</formula>.GrayLevel (d)為該象素點d的灰度值。 <formula>formula see original document page 6</formula>
(e) 如果end不等于snum-1則end = end+ 1,重復(c), (d)。否則start=start+1.如果start等于snum,則停止。 否則重復(c), (d)步驟??焖匐x散Beamlet變換之后,得到了橋梁和海岸線的線信息,因此可以利用橋梁的特征 進行橋梁檢測。設(P1,P2) , (P3, P4)為橋梁兩個邊,P1,P2,P3,P4分別為兩條邊的端點,Px, Py為其上的任
意點,(9,, 6>2為兩條邊的角度,D為河流分割時所產成的連通區(qū)域矩陣,陸地為一連通區(qū)域,河流和橋梁為另一連通區(qū)域,則橋梁應滿足如下條件<formula>formula see original document page 7</formula>
其中e為偏移量,為一常數(shù),值為5, Aeto77jmy/joW為角度閾值,取值為8, cfo^Tzm^oW 為距離閾值,取值為40, 6rWge附^/j為近似的橋梁寬度,取值為20。最后進行后處理。利用橋梁的上述特征,可以將橋梁提取出來。由于橋梁為長直線,所 以將提取出來的橋梁再次進行短線連接,從而得到完整的橋梁圖。后處理的算法如下① 對于每一子束單元下的線段^,傾斜角度為(^,兩個端點分別記為A和A,尋找與 此線的某一個端點共尺度邊的線段",傾斜角度為(92,端點分別記為A和i^② 求這兩個線段的兩兩端點間的距離,得到四個距離,即Dist(P;,&), Dist(i>/5P》,DistCP3,尸》,Dist(尸3,/V)③ 條件1:四個距離中最小的距離Min(Dist)小于Beamlet變換的分解尺度4,條件2: 1^-^2l〈閾值^^/zoW,此處,^^/wW取8;條件3:四個距離中最大的距離max(Dist)大于兩條直線中最長的長度, 當步驟③成立時,連接兩條線段,刪除參與連接的兩條線段丄/和"。 ⑤當步驟③不成立時,有可連接的線段,回到步驟①;沒有可連接的線段,結束。' 總之,本發(fā)明利用Beamlet變換所提取的線特征信息進行橋梁檢測,與現(xiàn)有技術采用搜索橋梁點的方法相比,對橋梁的寬度沒有限制。經過對本發(fā)明進行的仿真檢驗,達到了 86%以上的檢測率。
權利要求
1、一種從遙感圖像中檢測橋梁的方法,其特征包括以下步驟(a)輸入一幅遙感圖像,選用Daubechies3小波,對遙感圖像每個像素的鄰域進行小波變換,所得的高頻圖像和低頻圖像作為小波子圖像,用公式
2、根據(jù)權利要求1所述的從遙感圖像中檢測橋梁的方法,其特征在于所述的面積百分 比闡值的取值范圍根據(jù)不同的圖像選擇0.01%~5%。
全文摘要
本發(fā)明公開了一種從遙感圖像中檢測橋梁的方法。考慮到橋梁和河流的位置關系,首先根據(jù)遙感圖像中水域的特點,利用河流粗分割和河流細分割兩個步驟分割出河流區(qū)域;其次,對河流區(qū)域進行Beamlet變換,在Beamlet變換基礎之上,利用得到的線特征信息,根據(jù)橋梁的特征準確的檢測并分割出橋梁,考慮到橋梁的長直線特征,對得到的結果進行后處理,得到橋梁檢測的最終結果。由于采用Beamlet變換提取被檢橋梁的線特征信息,利用Beamlet變換具有抗噪性的特點,提高了抗噪性;利用Beamlet變換所提取的線特征信息進行橋梁檢測,與現(xiàn)有技術采用搜索橋梁點的方法相比,對橋梁的寬度沒有限制,且檢測率達到了86%以上,不易漏檢和誤檢。
文檔編號G06K9/00GK101159009SQ200710019029
公開日2008年4月9日 申請日期2007年11月9日 優(yōu)先權日2007年11月9日
發(fā)明者孫瑾秋, 張利利, 張艷寧, 映 李, 敏 王, 慎 石 申請人:西北工業(yè)大學