基于形狀與紋理特征的高分辨率SAR影像橋梁目標自動提取方法

賈洪果，劉路遙，韋博文，張夢意，武 燕，章 昊

(西南交通大學地球科學與環(huán)境工程學院測繪遙感信息系，四川 成都 610031)

基于形狀與紋理特征的高分辨率SAR影像橋梁目標自動提取方法

賈洪果，劉路遙，韋博文，張夢意，武 燕，章 昊

(西南交通大學地球科學與環(huán)境工程學院測繪遙感信息系，四川 成都 610031)

基于高分辨率SAR影像中橋梁目標特征的分析，提出了一種橋梁目標自動提取方法。首先使用多影像時序平均法對SAR影像進行預處理，去除SAR影像噪聲；再使用閾值法對水體分割；最后采用形狀特征與紋理特征相結合的方法提取橋梁目標。本方法在提取效果上明顯優(yōu)于傳統(tǒng)橋梁目標提取方法，其提取準確率可達87.5%。證明本文方法在面向高分辨率雷達影像的橋梁目標自動提取應用上的可靠性和可行性。

高分辨率；SAR影像；橋梁；形狀特征；紋理特征；自動提取

橋梁作為水陸交通中必不可少的交通設施，在國民經(jīng)濟建設中具有重要價值。使用遙感影像對橋梁目標進行自動提取，對于搶險救災、災后重建等具有重大的現(xiàn)實意義，尤其對于國防軍事更是不可或缺[1]。合成孔徑雷達(synthetic aperture radar，SAR)由于具有不受光照和氣候條件等限制，能全天時、全天候對地觀測的特點[2]，而且對地觀測覆蓋范圍大，數(shù)據(jù)采集過程方便迅速，在地質勘探、農(nóng)業(yè)管理、災害監(jiān)測、地形形變研究等方面發(fā)揮了重要作用。目前，使用雷達影像進行橋梁目標提取已成為研究關注的熱點。

傳統(tǒng)基于中低分辨率雷達影像的橋梁目標提取通常有兩類方法：一類是通過提取圖像中的邊緣信息，認為橋梁邊緣具有橫跨河流的平行線特征。該方法并沒有充分考慮橋梁與河流之間的位置關系，僅根據(jù)橋梁的平行線特征，會導致提取過程中產(chǎn)生較多虛警。另一類是首先進行水體提取，然后運用數(shù)學形態(tài)學方法進行差影檢測以提取候選的橋梁目標，最后依據(jù)形狀特征去除虛警得到最終提取結果。該方法在很大程度上依賴于水體信息的提取精度[3-4]。這兩類方法都存在算法單一、精度較低的問題。

近年來隨著多個高分辨率衛(wèi)星 SAR系統(tǒng)的陸續(xù)發(fā)射升空，所獲取的雷達影像提高了橋梁目標精確提取的可能性。然而相較于中低分辨率影像，在高分辨率雷達影像中的橋梁目標特征發(fā)生了變化：橋梁目標面積擴大，不再只是以線的形式存在；橋梁成像時產(chǎn)生的旁瓣更加明顯，橋梁邊緣的雙平行線特征不再突出，從而可能導致提取精度降低。針對以上問題，本文提出了一種結合形狀特征和紋理特征的橋梁目標自動提取方法，以提高高分辨率SAR影像中橋梁目標提取的準確率和可靠性。

1 結合形狀和紋理特征的橋梁目標提取方法

1.1 高分辨率SAR影像預處理

由于雷達成像機制所產(chǎn)生的斑點噪聲會降低影像質量，影響地物的表現(xiàn)特征，從而對目標提取產(chǎn)生較大干擾，因此需要首先去除噪聲，使影像質量滿足目標提取要求。在分別采用均值濾波、中值濾波、Lee濾波、Frost濾波、Kuan濾波[5-6]及多影像時序平均的方法進行噪聲去除試驗后，通過對比去噪后的結果圖，發(fā)現(xiàn)采用多影像時序平均的方法不僅能有效抑制噪聲，同時還保持了影像的原始空間分辨率、地物細節(jié)及邊緣信息。

1.2 水體分割

由于水體背景下的橋梁目標灰度特征明顯，一般先從影像中分割出只包含水體和橋梁的水體連通區(qū)域，排除地面建筑物干擾后再在連通區(qū)域中根據(jù)灰度特征提取橋梁[7]。但該方法高度依賴于橋梁和水體連通區(qū)域的有效分割，當成像幾何、結構材質等因素導致橋梁灰度值變動范圍較大時，橋梁的灰度經(jīng)驗閾值將不再適用。此時，水體區(qū)域存在較大斷裂，也難以運用數(shù)學形態(tài)學進行彌補，導致橋梁和水體無法形成連通區(qū)域，從而造成漏檢的情況。因此，本文將使用基于形狀特征的橋梁目標提取方法[8]。

本方法首先使用閾值分割法將水體與其他地物進行分離[9]。水體閾值為影像灰度直方圖的第一個波谷點對應值，灰度值小于閾值的區(qū)域即為水體。使用閾值法進行分割時，陸地中地物的陰影會形成小面積的干擾區(qū)域，此時通過設置面積閾值可以去除分布零散且面積遠小于水體橋梁的干擾區(qū)域[10]。為避免可能出現(xiàn)的空洞和斷裂現(xiàn)象對后續(xù)試驗中連通區(qū)域的提取效果造成影響，本文還將采用數(shù)學形態(tài)學方法對連通區(qū)域進行進一步處理[11]。

1.3 目標提取

形狀特征是橋梁在SAR影像中最為穩(wěn)定的特征，相關參數(shù)能夠較好地通過先驗知識確定[11]；紋理特征雖有助于分離橋梁和背景環(huán)境，但受成像幾何和橋梁本身結構、材質的影響存在一定的不穩(wěn)定性。基于此，在目標提取過程中，本文先使用形狀特征對分割后影像進行特征提取，以獲取橋梁候選區(qū)域；再用紋理特征對潛在橋梁目標做進一步判別，排除虛警，提取出橋梁目標。

常見的橋梁目標形狀特征為：面積、長軸長度、形狀因子和伸長度[12]。考慮到可能存在相鄰虛假目標影響，本文設定試驗區(qū)域內(nèi)橋梁目標對應的幾何形狀特征值見表1。

表1 橋梁形狀特征量

由于橋梁目標具有一定共性的紋理特征量[13]，為充分運用SAR影像中所包含的豐富紋理信息，本文使用灰度共生矩陣法進行紋理分析。通過從矩陣中提取均值、相關性、均勻性3個特征值對潛在橋梁目標進行綜合評價，并分別對應RGB三波段顯示，得到紋理統(tǒng)計指標圖[14-15]。真實橋梁目標在特征值影像上表現(xiàn)為白色或接近白色的亮色區(qū)域，而較暗的雜色或單色區(qū)域則為虛警。

2 試驗結果驗證與分析

本試驗使用2013年5月至2016年1月時間段內(nèi)所獲取的14景分辨率為3 m的TerraSAR-X影像進行研究。研究區(qū)域為南京地區(qū)。試驗區(qū)域內(nèi)不僅包含長江干流及支流在內(nèi)的10 幾座大小規(guī)模不一的橋梁等待提取目標，同時還存在道路、居民地、植被等干擾地物，地物類別較為復雜。圖1所示為本文研究區(qū)域的SAR影像強度圖。考慮到規(guī)模較小的橋梁在現(xiàn)實中研究價值較低，因此，本試驗只選取其中橋長超過100 m的8座大中型橋梁進行目標提取試驗(圖中矩形框為待提取目標橋梁)。

圖1 研究區(qū)域強度圖

本文首先選取大勝關長江大橋進行單個橋梁目標提取試驗。該座大橋(位置如圖1所示)貫通長江南北兩岸，是京滬高速鐵路和滬漢蓉鐵路越江通道，同時南京地鐵S3號線也通過此處，地理位置非常重要，對該橋梁進行目標提取研究具有重要的現(xiàn)實意義。對大勝關長江大橋進行目標提取的結果如圖2所示。其中圖2(a)為研究區(qū)域使用閾值分割后的結果圖。從圖中可看出河流區(qū)域由于船只、噪聲等影響導致連通性較差，而城區(qū)也因陰影造成許多破碎的斑塊，需要進行濾除；在使用數(shù)學形態(tài)學方法進行處理后，基于形狀特征進行目標提取結果如圖b所示，圖中船只被誤判為橋梁，需要結合紋理特征進行進一步判別；將從灰度共生矩陣中提取的3種紋理特征值進行RGB彩色合成后，得到紋理統(tǒng)計圖2(c)。由于橋梁3個特征值綜合疊加后具有較高的灰度值，因此紋理統(tǒng)計圖中亮色區(qū)域可判定為橋梁目標，而虛警區(qū)域內(nèi)部不具有紋理一致性，除RGB三色以外的雜色或單色區(qū)域可判定為虛警。即圖2(c)中目標1為橋梁目標，目標2為虛警。去除虛警后得到最終橋梁目標提取結果，將提取結果疊加到強度圖中得到結果圖2(d)。

圖2 大勝關長江大橋提取結果

為進一步驗證該方法提取橋梁目標的可靠性和準確度。本文對整個研究區(qū)域的橋梁目標進行提取，并且與傳統(tǒng)的僅采用邊緣提取法和形狀特征提取法所獲得的結果進行分析對比。對比結果如圖3所示，其中數(shù)字1～3分別代表邊緣提取法、形狀特征提取法以及形狀紋理特征結合提取法所提取的橋梁。研究區(qū)域內(nèi)共有大中型橋梁共8座，其中干流和支流橋梁各4座。3種方法的提取結果統(tǒng)計見表2。

表2 試驗結果對比統(tǒng)計

通過以上3種方法提取結果的對比統(tǒng)計分析可知，本文所提出的方法明顯優(yōu)于兩種傳統(tǒng)方法，僅存在一處漏檢。這主要是由于漏檢橋梁結構為大型吊索橋，在影像中表現(xiàn)為非平行線特性，幾何結構較為復雜，導致進行形狀特征提取時會出現(xiàn)盲區(qū)從而引起誤判。由于橋梁在雷達影像上的灰度值受其組成結構和材質的影響有一定起伏，對試驗結果影響較大。本文所提出的基于形狀特征和紋理特征相結合的方法能很好地克服雷達影像中灰度特征的影響，對高分辨率SAR影像中的橋梁目標提取準確率和可靠性較高且具有一定的普適性。

圖3 橋梁提取結果

3 結 語

橋梁作為一種典型且重要的人造目標，在軍事和民用領域都有著十分重要的意義，對其進行自動檢測與提取是目前相關研究關注的熱點。本文提出了一種基于形狀特征和紋理特征相結合的方法進行橋梁目標提取，并且通過試驗證明了方法的可靠性和準確性。文中首先采用多影像平均的方法抑制SAR影像的斑點噪聲，然后通過閾值分割法進行水體分割，最后根據(jù)橋梁的形狀特征以及紋理特征去除虛警獲取最終的橋梁目標。試驗結果表明，影像中干流橋梁和支流橋梁共8座，僅漏檢1座，提取率達87.5%，而傳統(tǒng)的邊緣提取法和形狀特征提取法提取率僅為37.5%和50%。對于大型吊索橋等在SAR影像中具有非平行特性的橋梁目標提取本文方法目前還未能成功提取，在今后的工作中需要通過引入更復雜的形狀特征閾值來進行限制。

[1] 曹海梅.遙感圖像中水上橋梁目標識別與毀傷分析研究[D].南京：南京理工大學，2005.

[2] 遲肇惠.基于差分干涉技術(D-InSAR)在珠江三角洲地區(qū)路面沉降監(jiān)測研究[D].廣州：中山大學，2007.

[3] 袁澤，丁建麗，王嬌,等.基于國產(chǎn)GF-1遙感影像的面向對象橋梁提取方法研究[J].傳感技術學報，2015(5)：690-696.

[4] 童濤，楊桄，崔震,等.基于紋理特征的SAR圖像水上橋梁目標檢測[J].中國體視學與圖像分析，2012(2)：107-111.

[5] 夏遠鑫，陳行.淺談微波遙感圖像噪聲處理[J].中國電子商務，2012(13)：75-75.

[6] 竇建方,陳鷹,翁玉坤.基于序列非線性濾波SAR影像水體自動提取[J].測繪，2008,28(4)：37-39.

[7] 姚瑋.高分辨率遙感圖像多類目標識別研究[D].武漢：華中科技大學，2011.

[8] 趙俊娟,尹京苑,單新建.基于形狀特征的高分辨率遙感影像目標分割[J].測繪通報，2005(1)：10-13.

[9] 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.

[10] 馮健,馬海榮,李夏.基于閾值分割與數(shù)學形態(tài)學的高分辨率遙感影像道路信息提取[J].科技信息，2013(16)：129-130.

[11] 吳皓，劉政凱，張榮.TM圖像中橋梁目標識別方法的研究[J].遙感學報，2003，7(6)：478-484.

[12] 吳文宇.SAR圖像中道路和橋梁識別方法研究[D].合肥：中國科學技術大學，2009.

[13] LOMENIE N，BARBEAU J，TRIAS-SANZ R.Integrating Textural and Geometric Information for an Automatic Bridge Detection System[C]∥IEEE International Geoscience and Remote Sensing Symposium.[S.l.]: IEEE,2004.

[14] 李小娟,宮兆寧,劉曉萌，等.ENVI遙感影像處理教程[M].北京：中國環(huán)境科學出版社，2007：371-473.

[15] 沈小樂,邵振峰,田英潔.紋理特征與視覺注意相結合的建筑區(qū)提取[J].測繪學報，2014，43(8)：842-847.

AutomaticExtractionofBridgeswithShapeandTextureCharacteristicsUsingHighResolutionSARImages

JIA Hongguo，LIU Luyao，WEI Bowen，ZHANG Mengyi，WU Yan，ZHANG Hao

(Faculty of Geosciences and Environmental Engineering，Southwest Jiaotong University，Chengdu 610031，China)

This study proposed an automatic extraction method of bridge information based on the shape and texture characteristics of bridges in high resolution SAR images.This method consists of three steps：①elimination of noise by time-series image averaging；②detection of water-areas by a threshold；③extraction of bridge information based shape and texture characteristics of bridges.The experimental results show that the precise of extraction by the method proposed in this study can reach 87.5% and is significantly better than traditional methods.The experimental evaluation indicated that this method has high reliability and feasibility for automatic extraction of bridge information from high resolution SAR images.

high resolution；SAR images；bridge；shape characteristics；texture characteristics；automatic extraction

2017-08-22

國家重點研發(fā)計劃資助(2017YFB0502700)；國家自然科學基金(41701535)；衛(wèi)星測繪技術與應用國家測繪地理信息局重點實驗室經(jīng)費(KLSMTA-201602)

賈洪果(1980—)，女，博士，講師，研究方向為合成孔徑雷達干涉測量。E-mail：lemon_gg@hotmail.com

賈洪果，劉路遙，韋博文，等.基于形狀與紋理特征的高分辨率SAR影像橋梁目標自動提取方法[J].測繪通報，2017(12)：82-85.

10.13474/j.cnki.11-2246.2017.0384.

P237

A

0494-0911(2017)12-0082-04