闫早军

◆摘  要：桥梁是典型的人造目标，对其自动检测在军事民用领域具有重要意义。随着人工智能技术的快速发展，遥感图像中地物目标识别成为研究热点。光学遥感图像数量爆发式增长，为遥感图像下目标检测任务提供必要数据支持。桥梁作为典型地物目标具有重要地位，以可见光遥感图像桥梁目标自动检测为研究背景，针对合理检测、桥梁目标识别等问题进行研究，构建完整的桥梁目标自动检测定位系统。对地理目标进行实验观察基础上，提出区分河流区域特征，构造区分河流区域的特征向量，实现河流区域检测，有效避免相似区域干扰。提出基于改进测地线活动轮廓模型河流区修正算法，提取河流目标精确轮廓，实验表明新算法克服遥感图像拼接间隙等伪河流区域影响。

◆关键词：遥感图像;桥梁目标;检测技术

1 基于多特征融合与SVM河流检测

遥感图像目标检测在高科技军事对抗中用以获捕捉战略打击目标等，在环境监测等民用领域具有重要作用。河流是遥感图像中的重要地理目标，河流区域自动检测在水利规划、环境检测及地理信息系统船舶導航等方面具有很大价值。目标检测旨在从大规模遥感图像中快定位特定目标，很多人造目标识别以河流检测为基础，河流自动检测算法研究在军事民用领域具有重要意义，成为遥感图像处理技术领域研究热点。许多专家学者针对特定图像背景提出有效检测方法，但目前尚无通用性强的方法。

1.1遥感图像河流检测与特征提取

目前提出河流检测方法分为基于区域、基于像素与轮廓线等方法。基于区域河流检测算法将图像分为子区域求灰度均值等特征，可有效提高检测速度，但某些子区域包含合理算法漏检率较高;基于像素算法对图像特征提取后像素点有对应多维特征向量，利用支持向量机等机器学习法将像素点分类;基于阈值分割河流检测法采用阈值分割等算法对图像粗分割，是达到快速提取目标的最佳选择。高分辨率卫星遥感图像存在多种类型地物，灰度直方图呈现多模态，阈值选取困难精度低。

为有效对图像研究需要将给定图像用简明数值符号表征，图像特征是图像分析的重要依据，在模式识别等技术中具有重要地位。图像特征涵盖范围广，感兴趣目标不同特点决定检测目标需要提取特征。如何选取图像目标特征是解决目标识别关键问题。目前常用特征包括纹理颜色等。图1为遥感图像常用特征。河流检测前提是寻找多种区分与其他地理区域图像特征。通过对遥感图像合理等地理目标实验观察，发现遥感图像河流目标具有背景区域目标灰度变化快，河流区域灰度较低等特点。本文检测河流目标中利用图像局部熵特征与角点信息特征。图像局部熵是窗口内像素共同贡献结果，具有抗造声干扰能力。局部熵反映图像灰度离散程度，局部熵小处图像灰度离散性较大。可根据图像局部熵分割均匀目标，局部熵特征可用于河流目标检测。

1.2基于SVM河流目标检测

基于局部熵特征提取算法可表征不同区域图像特征，需要对像素点进行分类。本文通过数据训练识别河流区域像素。支持信息向量机是Vapnik等人提出的机器学习方法，通过选择适当的函数子集，根据学习能力寻求最佳折中获得最好泛化性能。

本文选择LIBSVM工具箱为SVM部分研究工具，是简单快速易于使用SVM模式识别的软件包，LIBVMM综合SMO算法可调用许多函数，可将程序包嵌入河流检测算法。遥感图像河流目标检测问题是二分类问题，SVM是借鉴二分类问题机器学习方法，本文选择支持向量机进行河流目标检测。通过SVM分类器对水体样本学习，利用决策函数对特定检测图像像素信息判别。本文进行实验验证算法有效性，将文本算法与基于局部傅里叶变换算法等对比，选取图像包含背景区域河流区域存在波浪等情况。

2 测地线轮廓模型河流区域修正

精确地河流区域在水资源调查及洪水灾害皮评估等方面具有重要作用。向量机河流检测算法受到遥感图像存在拼接间隙，河流区域存在船只等干扰，遥感图像存在噪声干燥，角点信息特征引入使向量机分类得到河流区域变窄等因素影响。导致得到河流粗检测结果不连续，影响后续桥梁目标识别结果。需要对河流区域处理，现有修正传统方法包括基于区域生长算法等，采用数学形态算法修正需要人工参与。本文将河流粗分割结果与GAC模型结合，获得完整河流区域，算法保持河流自然形态。

活动论或模块将图像分割转化为解决能量函数极值优化问题，利用有限差方案求解偏积分方程。相比经典方法可自主收敛到能量泛函极小值转股骨头，有效降低计算复杂性。活动轮廓模型采用参数化形式描述动态变化曲线，使得无法同时分割多个物体。Caselles等提出通过泛函最小值方式确定曲线C，使轮廓具有拓扑适应性。改进模型为曲线演化方程，右端项共同构成测地线活动轮廓模型。

水平集方法最初由Osher提出，将演化过程曲线C（t）视为高维函数φ（t）的零水平集，定义距离函数φ（x，y，t）=±d，函数符号取决于点对相对曲线位置关系，外部点值设为正值。二位固定坐标系中不断更新水平集函数。曲线C用水平集函数φ（x，y，t）零水平集标识。二位曲线演化转换为三维水平集。水平集函数演化隐式求解曲线，模型对曲线演化与曲线几何特征有关，无需因曲线形变调整参数，水平集法克方便追踪物体拓扑结构改变，使得水平集法成为物体建模工具。在图像处理、计算流体力学等学科广泛使用。GAC模型应用中通过活动轮廓收缩向真实目标边缘逼近，活动轮廓演化为对偏微分方程进行迭代求解过程。水平集函数需要重新初始化，时间步长需满足CFL条件，影响在工程实践中应用。

Li等提出新数值方案无需初始化，提出距离正则水平集演化。采用DRLSE对GAC模型进行数值求解，水平集函数演化中初始化无需采用符号距离函数形式，仅在零水平集附近保持为符号距离函数，演化中水平集函数无需重新初始化。采用DRLSE数值方案实现GAC模型可降低计算复杂度，允许采用更大时间步长进行迭代求解，方案对参数不敏感，可选择不同a实现活动轮廓收缩膨胀。本文采用其实现GAC模型提高收敛速度。使用GAC模型分割目标需人工指定初始轮廓线，河流目标粗粉结果为多个独立闭合区域，活动论或演化方向为向外膨胀，利用粗检测结果设置GAC模型初始轮廓位置获得准确河流区域。

3 桥梁目标识别方向信息测度

图像研究中通常对目标感兴趣，为辨识目标需要分离提取，需要从河流轮廓中提取识别桥梁目标。桥梁初期检测依据边缘性，方向性可表现与河流区域的区别，找到河流区域内边缘性目标可确定目标大致位置。图像处理通常用梯度反映点灰度变化，仅用梯度强度由于边缘点方向性不能区分边缘噪声，本文采用方向性表征灰度变化度，具有良好抗噪性能。图像点方向信息测度为丛书边缘点程度有效度量，边缘点方向测度大于平滑区点。

本文利用方向信息测度突出图像边缘性强桥梁目标，利用图像方向信息测度可突出河桥梁目标，为桥梁目标分割打下基础。由于方向信息测度运算突出河流区域桥梁目标，桥梁目标分割减少过分分割等现象。目前常用分割法包括最大熵及迭代阈值法等。河流区域中桥梁目标得到很好突出，使用传统常用分割法克获得较好效果。本文选择模糊C均值聚类分割算法进行目标分割。FCM是近年来引入的聚类算法，可表示处各样本属于不同类别程度，设D为聚类样本矩阵，M为样本特征数量，C为划分类别数，N为待聚类样本数，聚类样本为xj，m为模糊加权指数m∈[1，0]。目标函数Jm（U，V）可通过迭代计算求解最小值。图像分割问题中通过模糊C均值聚类对图像像素分类，利用FCM法关键是选择样本特征，根据特征值差异将图像分为桥梁目标与背景。桥梁信息数据见表1。

河流骨架线是重要目标属性，可提取桥梁与河流空间关系等特征，目前提取物体骨架线常用方法有Delaunay三角网法等。本文采用形态学法完成河流骨架线提取，集合A骨架线z为S（A）的点，不存在位于A内包括（D）z更大的圆盘。骨架线用腐蚀得到，表示为S（A）=[k=0KSk（A）]，A可通过A=[k=0KSk（A）⊕]kB）子集重构，（A⊕KB）=（...（A⊕B）⊕B⊕...）⊕B。在方向信息测度，膨胀腐蚀操作等工作后图像出现疑似桥梁目标，需要对目标进行验证，便于得到桥梁定量化描述信息。本文采用基于知识库桥梁识別算法，需对桥梁目标识别模型建立正确知识库，把握桥梁间的共性得到通用的桥梁识别算法。本文通过计算桥梁所处河流骨架线夹角完成桥梁方向计算，提高计算精度。

4 Google Earth桥梁目标检测系统

本文基于算法开发设计实现Matlab为平台的遥感图像桥梁目标检测系统，建立桥梁目标识别流程等，系统功能是提取桥梁目标特征，对提高目标识别自动化程度具有重要意义。Google Earth平台是集合3S技术的虚拟地区仪软件，交互界面使得地图应用简便。Google Earth栅格数据源于NASA卫星图像，包括LANDSAT-7卫星等，SPOT5可提供解析度为2.5m的影像，QuickBird可提供最高0.61米的高精度影像。Google Earth根据区域地理位置重要性匹配不同分辨率卫星图像，Google Earth根据视野选择适当分辨率卫星图更新数据，支持本地矢量数据采集应用。

为实现桥梁识别系统可扩展性，根据系统需要实现定位，特征提取等功能设计相应模块，主控制台为Main模块，GE_savepicinf模块负责保存图像信息，River_show模块负责显示桥梁检测结果。GE_interface模块功能是根据输入信息将软件定位到相应坐标，便于后续检测算法对子区域处理。GE_savepicinf模块将视图区遥感图像截取保存，为后续桥梁识别算法提供基础。River_detection模块完成指定区域内河流目标检测。Result_show模块功能是根据检测桥梁目标地理位置坐标等信息突出显示检测桥梁目标。本文开发Matlab平台下桥梁目标检测系统，特征提取模式用于提取局部熵特与纹理特征，使用户直观分析特征的作用。单张图片模式完成河流检测及桥梁目标识别。

GE模式识别指定区域桥梁目标。系统处理推向格式包括BMP等，图像显示包括图像浏览等功能;根据桥梁识别需要系统自动控制识别精度，系统实现桥梁目标精确定位。用开发平台桥梁目标检测软件进行实验，选取不同区域光学遥感图像为实验数据集。试验区域背景复杂，包含森林农田等自然人工地物，图像包含大量类河流目标，本文系统排除类河流区域影响。试验区域河流目标由干支流组成，证明系统具有良好尺度不变性。桥梁信息数据见表2。干支流灰度存在较大差异，本文系统可完整检测整条河流，河流区域修正部分修正恢复差异较大的河流区域。

5 结语

遥感图像水上桥梁目标识别是智能技术领域研究重点问题，在民用军事领域具有重要意义。本文了解桥梁目标识别技术研究现状，根据实际问题提出有效识别方法。提出基于多特征融合的河流检测算法，经支持向量机得到河流检测结果存在不连续，提出方向信息测度的桥梁目标识别算法，研究Google Earth软件API基础上设计平台桥梁目标检测系统。本文在桥梁目标自动检测方面作出一些研究，由于客观条件限制存在一些不足。本文研究检测算法主要针对高分辨率遥感图像设计，算法经修改可用于其他类遥感图像。遥感图像存在许多其他重要民用军事目标，可以把基于桥梁检测目标算法扩展到其他领域。

参考文献

[1]马广阔. 遥感图像桥梁目标检测方法研究[D].内蒙古工业大学，2021.

[2]亢沛然. 基于深度学习的遥感图像目标检测方法[D].大连理工大学，2021.