一種針對多光譜遙感圖像的橋梁快速識別算法

孫艷麗，周　偉，鐘佩琳

（海軍航空工程學院a.基礎實驗部；b.信息融合研究所，山東煙臺264001）

一種針對多光譜遙感圖像的橋梁快速識別算法

孫艷麗a，周偉b，鐘佩琳a

（海軍航空工程學院a.基礎實驗部；b.信息融合研究所，山東煙臺264001）

提出了一種針對多光譜圖像中橋梁的識別算法。首先，根據水體和背景地物在不同光譜波段的亮度差異，計算多光譜圖像的水體指數得到水體增強圖，搜索其具有明顯雙峰的直方圖得到最優閾值，實現河流的完整提??；其次，利用橋梁的存在會導致局部水體的光譜異常，沿河流中間線進行潛在橋梁區域的快速提??；再進一步利用橋梁長度以及與河流的空間關系進行鑒別，有效剔除虛警。利用SPOT4遙感影像進行實驗，結果表明本文算法運算量小，對于多個橋梁的識別具有很好的實用性。

橋梁識別；多光譜遙感；水體指數；光譜異常；目標鑒別

橋梁通常位于河流之上，是連接被水體隔斷的兩地之間的重要紐帶，從遙感圖像中識別橋梁，及時更新道路交通信息，在交通運輸、災害救援、軍事行動、防御部署等方面均有重要意義。由于遙感圖像通常覆蓋范圍較大，為了能夠快速準確地識別出其中的橋梁目標，目前最有效的方法是基于知識的處理方法。即首先分析橋梁目標的典型特征及其與周圍環境的相互關系，再有針對性地進行橋梁目標特征提取。

SAR圖像中的橋梁目標識別［1-2］通常采取水體閾值分割、候選區域提取和橋梁識別的分步處理策略。由于水體分割的效果易受SAR成像條件和斑點噪聲的影響，Houzelle和Giraudon［3］提出一種融合SPOT與SAR圖像的橋梁提取算法，首先在SPOT圖像中分割出水體，對橋梁的位置加以空間約束，再根據SAR圖像中的橋梁的散射特性加以識別。由于要求相同時間周期的2種傳感器圖像，推廣應用有一定難度，而且高精度的圖像配準也不可或缺，相應增加了處理負擔。由于水體、橋梁和陸地的光譜特性存在明顯差別，近年來，利用多光譜圖像進行橋梁識別［4-10］也受到較多關注。Mandal等［4］首先用多類識別系統將多光譜圖像像素分為6種地物類型，認為橋梁和道路一樣屬于混凝土結構，將橋梁作為道路的一部分檢測，然后采取啟發式規則將有關目標特性及其相互關系的知識用于聚類圖像，進而完成橋梁目標的識別。Chaudhuri等［5］利用來自不同地形的多光譜圖像訓練分類器，將圖像像素分為8種地物類型，然后通過遞歸掃描水體并借助幾何約束鑒別出橋梁目標。由于需要針對待處理圖像進行分類器訓練，應用推廣受到限制。吳皓等［6］研究了TM圖像中的橋梁識別，在底層處理中運用形態學的方法提取出潛在橋梁目標；在中層處理中使用鏈碼表示目標并提取其特征參數；最后，在高層處理中進行橋梁識別，但是水體與橋梁的光譜差異沒有充分利用，結果中仍有一些虛假目標。

本文充分利用水體與橋梁的光譜差異和空間幾何關系，提出一種多光譜遙感圖像中橋梁快速識別算法。首先，給出完整的算法流程；接著，詳細描述實現過程；然后，給出利用本文算法對多光譜SPOT4圖像進行實驗的結果并加以分析；最后，給出本文的結論。

1　算法流程

由于橋梁在中等分辨率（10～20 m）多光譜圖像中表現為細長的線狀目標，寬度僅為2～3個像素，因而在較大幅寬的遙感圖像上直接提取橋梁目標是非常困難的。為了減少計算量，避免在無關區域盲目搜索，一般需要先提取出橋梁所在的河流區域。由于水體在遙感圖像中通常表現為均勻的暗區域，相對于其它地物有明顯的光譜差異，而跨越河流之上的橋梁則會引起河流局部亮度的明顯變化，將河流截為若干段，并呈現出與河流中間線近似垂直的邊緣特征。本文的算法流程如圖1所示。

圖1　算法流程Fig.1 Flow diagram of algorithm

首先，利用水體在綠波段和紅外波段的反射差異計算水體指數，得到水體增強圖，估計最優閾值快速分割出河流區域，并提取河流中間線；然后，用光譜異常檢測器沿中間線順序搜索，提取潛在橋梁目標作為感興趣區域（ROI）；再利用橋梁與河流中間線的空間幾何關系對ROI鑒別，得到橋梁識別結果。

2　算法描述

2.1水體的提取

水體信息提取的關鍵是水體信息的增強和非水體信息的抑制。傳統的方法多利用近紅外波段進行閾值分割。歸一化差異指數來源于比值型指數，比值型指數通過在多光譜遙感數據中找出感興趣地物的光譜反射最強和最弱的波段，將強者放在分子、弱者放在分母，通過圖像運算，感興趣地物就會得到增強其他地物就會相應的壓抑，這樣感興趣的地物就可以容易地從背景地物中提取出來［11］。

Mcfeeters最早受這種思想的影響提出了歸一化差異水體指數（NDWI）［12］。這種方法在水體提取中取得了較好的成績，但是用NDWI提取的水體信息中仍然夾雜著許多非對于河流水體信息的提取，在對SPOT4多光譜圖像水體、植被及其它背景地物進行光譜特征分析的基礎上，提出了一種針對SPOT4多光譜圖像的水體指數計算式：

式（1）中：XS1、XS2和XS3分別表示SPOT4的綠波段、紅外波段和近紅外波段的亮度值。

利用式（1）計算圖2 a）中SPOT4多光譜影像的水體指數，可以得到圖2 b）中的水體增強圖，圖2 c）為其直方圖，可以看到水體增強圖呈現出明顯的雙峰形態，水體主要集中于灰度值較高的右側波峰附近。植被、陸地的亮度均較小主要集中于左側波峰附近。

圖2　SPOT4多光譜影像的水體增強結果及直方圖Fig.2 Water enhancement result and histogram of SPOT4 multispectral image

直觀地看，可以選取兩峰之間的波谷點作為分割閾值。具體方法如下：

1）分別統計像素值為i/100的像素個數記為H（i），i=1，2，…，100；

2）對H（i）進行中值濾波，得到平滑的直方圖包絡曲線h（i）；

3）對h（i）求導得到h′（i）=h（i+1）-h（i）；

4）搜索序列h′（i），若h′（n-1）＜0且h′（n+1）＞0且H（n）＞mean（WI），則分割閾值 T=H（n）。其中，mean（WI）表示水體指數圖的均值。利用該閾值即可快速實現水體的提取。當然，在水體以外的區域可能會有一些孤立的小亮點也被提取出來，借助形態學運算，可以很容易地加以剔除，得到河流區域的二值圖像。

2.2河流中間線的提取

由于橋梁總會跨過河流，必然與河流中間線相交。因此，只要提取出河流中間線，然后沿著這條線搜索，即可順次檢測出河上的所有橋梁。河流中間線的提取是計算機視覺領域經典的骨架提取問題［13］。定義河流區域二值圖像的邊界點是自身像素值為1，而其八鄰域中至少有一個點像素值為0的點?？紤]以邊界P0點為中心的八鄰域，P1為正上方的點，其余鄰域點沿順時針方向依次為P1，P2，P3，…，P8，P1區域細化操作的條件為：

1）2≤N（P0）≤6；

2）S（P0）=1；

3）P1×P3×P5=0且P3×P5×P7=0；

4）P1×P3×P7=0且P1×P5×P7=0。

其中，N（P0）是P0的非零鄰點的個數，S（P0）是以P1為起始，P1，P2，…，P8點的值從0至1變化的次數。當對全部的邊界點檢驗完畢后，將同時滿足條件1）、2）、3）或1）、2）、4）的點除去，反復迭代直至沒有點再滿足條件。這時，剩下的點組成的集合即為平行線對的中間線，記中間線序列為C（xi，yi），i=1，2，…，m。其中，m為中間線的長度。

2.3潛在橋梁區域的提取

為了提取潛在橋梁區域，我們設計了一個光譜異常檢測器，沿中間線在多光譜圖像上順序搜索潛在橋梁區域。以中間線上一點C（xi，yi）為中心，從多光譜圖像上提取N×N的子圖像區域記為I（xi，yi），若有橋梁出現，則會引起河流水體局部光譜異常，具體表現為不同波段的局部方差明顯增大。分別計算3個不同波段子圖像的方差σ1、σ2、σ3，若同時滿足：

則認為該區域為橋梁潛在區域。T1、T2、T3分別為光譜異常閾值，可以通過訓練得到。對SPOT4多光譜圖像，本文取經驗值為1.5，能夠保證大多數情況下均不遺漏橋梁目標。

考慮到同一橋梁可能被多次提取，一旦中間線上某點所處區域確認為潛在橋梁區域，還需進一步比較中間線上與其臨近的N/2點對應子圖像的方差，取方差最大的子圖像區域作為該范圍內的潛在橋梁區域。

2.4橋梁ROI的鑒別

經前面分析，可以快速提取出潛在的橋梁區域，但是也不可避免的存在一定的虛警。因此，還需要利用橋梁的幾何形狀特征對提取的ROI加以鑒別［14-17］。用計算ROI的均值從待鑒別ROI區域中分割出目標二值圖像，并用形態學模板連通斷裂的目標局部，分別提取其長度α、主軸方向θb，同時落入該ROI的中間線，估計其主方向，記為θr。由于橋梁通常是狹長的線性目標，且與河岸保持近似垂直的關系，則可以建立下面的鑒別規則：

式中，T4、T5分別為長度閾值和夾角閾值。經幾何形狀鑒別器確認的ROI即為橋梁的識別結果。

3　實驗結果與分析

為了驗證本文算法，選取了韓國漢江流域的SPOT4多光譜影像作為實驗數據，如圖3所示。試驗區域大小為1 479×644像素，包含3個光譜波段，分辨率為20 m，共有大中型水上橋梁26座。

圖3　實驗區域多光譜圖像Fig.3 Multispectral image of experimental area

Windows XP系統下，用Matlab2008編程實現上述算法，水體增強圖的分割閾值自動選取，光譜異常閾值取經驗值T1=1.5，T2=1.5，T3=1.5，橋梁長度閾值取T4=5，夾角閾值取T5=30°。在Pentium（R）D CPU 3GHz、2GB內存的PC機上運行，對于實驗圖像用時約10 s，共檢測到橋梁共28座，漏檢1座，重復檢測3座，結果如圖4所示。

圖4　實驗結果Fig.4 Experimental result

漏檢橋梁位于區域1，主要原因是這座橋梁與水體的光譜特征非常接近，對比度較差，在該橋梁附近沒有檢測到明顯的光譜異常。區域2和區域3實際只有3座橋梁，均被重復檢測一次，原因是橋梁被河心沙洲隔斷，而圍繞沙洲的河流中心線有2條，因而沿中心線搜索時，隔斷橋梁的兩段將分別被檢測到。此時，利用橋梁的連通性和方向一致性即可將同一橋梁的兩段連接起來。

從實驗結果來看，本文算法可以快速完成SPOT4多光譜遙感圖像中的橋梁識別，而且橋梁定位準確，正確率高。對于其他的多光譜遙感圖像，只需選取合適的波段組合提取水體指數，則本文算法也可適用。

4　結論

根據水體和背景地物在不同光譜波段的亮度差異，計算多光譜圖像的水體指數得到水體增強圖具有明顯的雙峰直方圖，易于搜索最優閾值，實現河流的完整提取。利用橋梁的存在會導致局部水體的光譜異常，沿河流中間線進行潛在橋梁區域的快速提取，再進一步利用橋梁長度以及與河流的空間幾何關系進行鑒別，可快速完成橋梁的識別。利用SPOT4遙感影像進行實驗驗證了本文算法的有效性。需要說明的是，對于覆蓋范圍較大的高分辨率遙感圖像，可以首先下采樣至中低分辨率，然后應用本文方法進行橋梁檢測，再定位至高分辨率圖像上的相應區域加以鑒別，能夠提高處理效率。由于光學遙感受天氣條件影響比較大，中低分辨多光譜影像中，細小的橋梁存在嚴重的光譜混疊現象，由此導致漏檢。后續將在進一步提高算法穩健性的同時，研究更可靠的光譜異常檢測器，并將算法加以拓展，應用于高光譜圖像。

［1］戴光照，張榮.高分辨率SAR圖像中的橋梁識別方法研究［J］.遙感學報，2007，11（2）：177-184. DAI GUANGZHAO，ZHANG RONG.A study of bridge recognition in high resolution SAR images［J］.Journal of remote sensing，2007，11（2）：177-184.（in Chinese）

［2］WANG WENGUANG，SUN JINPING，HU RUI，et al. Knowledge-based bridge detection from SAR images［J］. Journal of Systems Engineering and Electronics，2009，20（5）：929-936.

［3］HOUZELLE S，GIRAUDON G.Data fusion using SPOT and SAR images for bridge and urban area extraction［C］// International Geoscience and Remote Sensing Symposium.Finland：Espo.1991：1455-1458.

［4］MANDAL D P，MURTHY C A，Pal S K.Analysis of IRS imagery for detecting man-made objects with a multivalued recognition system［J］.IEEE Transactions on Systems，Man and Cybernetics：Part A，1996，26（2）：241-247.

［5］CHAUDHURI D，SAMAL ASHOK.An automatic bridge detection technique for multispectral images［J］.IEEE Transactions on Geoscience and Remote Sensing，2008，46（9）：2720-2727.

［6］吳皓，劉政凱，張榮.TM圖像中橋梁目標識別方法研究［J］.遙感學報，2003，7（6）：478-484. WU HAO，LIU ZHENGKAI，ZHANG RONG.A study of bridge recognition from landsat TM images［J］.Journal of Remote Sensing，2003，7（6）：478-484.（in Chinese）

［7］彭碧發，譚毅華，陶超，等.從高分辨率遙感圖像中自動識別水上橋梁［J］.應用科學學報，2010，28（4）：354-360. PENG BIFA，TAN YIHUA，TAO CHAO，et al.Automatic detection of bridge over water in high-resolution remotesensing image［J］.Journal of Applied Sciences，2010，28（4）：354-360.（in Chinese）

［8］楊瑩，阮仁宗.基于TM影像的平原湖泊水體信息提取的研究［J］.遙感應用，2010（3）：60-64. YANG YING，RUAN RENZONG.Extraction of plain lake water body based on TM imagery［J］.Remote Sensing Information，2010（3）：60-64.（in Chinese）

［9］范登科，李明，賀少帥.基于環境小衛星CCD影像的水體提取指數法比較［J］.地理與地理信息科學，2012，28（2）：14-19. FAN DENGKE，Li MING，HE SHAOSHUAI.Comparison and research on different indices for water extraction based on CCD images from HJ satellite［J］.Geography and Geo-Information Science，2012，28（2）：14-19.（in Chinese）

［10］于曉升，吳成東，陳東岳，等.支持向量機和水平集的高分辨率遙感圖像河流檢測［J］.中國圖象圖形學報，2013，18（6）：677-684. YU XIAOSHENG，WU CHENGDONG，CHEN DONGYUE，et al.Using support vector machine and level set for river detection in high resolution remote sensing image［J］.Journal of Image and Graphics，2013，18（6）：677-684.（in Chinese）

［11］徐涵秋.利用改進的歸一化差異水體指數（MNDWI）提取水體信息的研究［J］.遙感學報，2005，9（5）：589-595.XU HANQIU.A study on information extraction of water body with the modified normalized difference water index（MNDWI）［J］.Journal of Remote Sensing，2005，9（5）：589-595.（in Chinese）

［12］MCFEETERS S K.The use of the normalized difference water index（NDWI）in the delineation of open water features［J］.International Journal of Remote Sensing，1996，17（7）：1420-1432.

［13］章毓晉.圖像工程［M］.北京：清華大學出版社，2005：222-223. ZHANG YUJIN.Image engineering［M］.Beijing：Tsinghua University Press，2005：222-223.（in Chinese）

［14］湯國安，楊晰.ArcGIS地理信息系統空間分析實驗教程［M］.北京：科學出版社，2012：112-131. TANG GUOAN，YANG XI.ArcGIS geographic information systems spatial analysis experimental course［M］.Beijing：Science Press，2012：112-131.（in Chinese）

［15］朱長明，張新，駱劍承，等.基于樣本自動選擇與SVM結合的海岸線遙感自動提取［J］.國土資源遙感，2013，25（2）：69-74. ZHU CHANGMING，ZHANG XIN，LUO JIANCHENG，et al.Automatic extraction of coastline by remote sensing technology based on SVM and auto-selection of training samples［J］.Remote Sensing for Land and Resources，2013，25（2）：69-74.（in Chinese）

［16］WANG MINGANG，TIAN YONGGANG.Target recognition of infrared bridge image based on morphological operator［J］.Procedia Engineering，2011，24：490-494.

［17］WANG MINGGANG，WANG CHAO，FAN YINGPING. Research for target recognition of infrared bridge based on morphological operator and bridge template［C］//International Conference on Computer Science&Service System（CSSS）.Nanjing，2012：58-62.

A Fast Bridge Recognition Algorithm for Multi-Spectral Remote-Sensing Image

SUN Yanlia，ZHOU Weib，ZHONG Peilina
（Naval Aeronautical and Astronautical University a.Department of Basic Experiment；b.Research Institute of Information Fusion，Yantai Shandong 264001，China）

A fast bridge recognition algorithm for multi-spectral remote sensing image was proposed.Firstly，according to the brightness difference between water and background object in different spectral band，the water index was computed to form the water enhanced image.The optimal threshold could be found by searching the enhanced histogram which had obvious two peaks.Since the present of bridge would result in spectral abnormal in local water regions，a detector was used to extract the potential bridge regions along river centerline.Then the length of bridge and the spatial relationship was used to discard possible false alarms.Experiments were executed on SPOT4 images and the results showed that the method is effective and practical for bridge detection.

bridge recognition；multi-spectral remote sensing；water index；spectral abnormal；target discrimination

TP391

A

1673-1522（2016）04-0451-05

10.7682/j.issn.1673-1522.2016.04.008

2016-04-07；

2016-05-23

國防預研基金資助項目（9140A01010414JB14004）

孫艷麗（1982-），女，講師，碩士。