高分辨率SAR图像中桥梁目标的自动检测方法技术

本发明专利技术公开了一种高分辨率ＳＡＲ图像中水上桥梁的自动检测方法，它涉及ＳＡＲ图像处理技术领域，主要解决现有方法对背景复杂的图像、桥梁的大小和形状各不相同且灰度值上存在很大差异时不能准确检测桥梁的问题。其实现步骤为：首先采用基于疏散度的方法结合Ｃａｎｎｙ边缘修正提取水域；再根据桥梁与水域的位置关系确定桥梁候选区；然后根据桥梁的几何特性进行直线检测去除伪桥梁区并在桥梁区对桥梁进行定位。该发明专利技术能够处理背景复杂的ＳＡＲ图像，当桥梁的大小和形状各不相同，灰度值上也存在很大差异时，仍然能够有效的检测桥梁，并对桥梁进行精确定位，可用于对桥梁目标的自动检测。

【技术实现步骤摘要】

本专利技术属于图像处理
'，涉及SAR图像的目标检测，具体地说是一种高分辨率 SAR图像中水上桥梁目标的自动检测方法。该方法可用在高分辨率SAR图像中水上桥梁 目标的自动检测中。
技术介绍
高分辨率遥感图像中桥梁的自动检测对于地理数据库的更新、自然灾害，如洪水、地 震后的灾害评估等具有重要意义。而且桥梁又是一种重要的军事目标，其检测对目标打击、 战略计划的制定等有重要意义。针对不同的图像，例如多极化SAR图像、全色高分辨率遥感图像、多光谱图像，目前 已经有学者提出了许多桥梁检测的方法，但是由于这些图像与高分辨率SAR图像特点不 同，图像中桥梁表现的特征也不同，所以这些方法不适于高分辨率SAR图像中桥梁的检测。 也有学者提出了结合两种图像的桥梁检测方法，例如WU等提出了一种结合SAR图像和 光学图像的桥梁检测方法。但是此方法需要同一时间、同一地方、同一分辨率的SAR图像 和光学图像，数据源很难获取，不利于推广。目前提出的高分辨率SAR图像中桥梁目标检测方法有侯彪等在文章"高分辨SAR图像中桥梁目标的自动分割"中提出了一种高分辨SAR 图像的桥梁目标自动分割方法，采用改进的最大类间方差阈值将图像二值化，然后进行边 缘模板后处理，最后采用中轴线搜索算法自动分割带有桥梁目标的区域。该算法只检测出 桥梁所在的矩形区域，没有精确的定位桥梁，且分割结果存在较多的伪目标。戴光照等在文章"高分辨率SAR图像中的桥梁识别方法研究"中提出了一种高分辨 SAR图像的桥梁目标自动分割方法，该方法首先采用直方图阈值和经验阈值分割出水域和 桥梁区域，然后在去除虚警后的水域和桥梁区域中确定感兴趣区，最后根据桥梁的几何特 征去除感兴趣区内的伪目标。该方法当桥梁的灰度值较低时，不能准确的检测目标。ZHANG等在文章"Fast Detection of Bridges in SAR Images"中提出了一种SAR图像 桥梁的快速检测算法，首先通过最大类间方差阈值和后处理分割出河流区域，再检测桥梁 和河流的边缘，然后对此边缘进行快速离散Beamlet变换，根据桥梁的几何特征检测桥梁段，最后进行直线连接。该算法的优点是不需要进行滤波，缺点是进行河流分割时，若阈 值处理后图像中含有面积较大的伪河流区域，后处理并不能去除这些伪河流区域，导致产 生假的桥梁和河流边缘，影响后续的桥梁检测，且形态学处理中结构元素的大小及运算次 数难以确定。综上所述，当图像背景复杂，桥梁大小和形状各不相同，并且灰度值上也存在很大差 异时，这些算法不能准确的检测桥梁。
技术实现思路
本专利技术的目的在于克服上述已有技术的缺点，提出了一种高分辨率SAR图像中桥梁目 标的自动检测方法，以实现对桥梁目标的准确检测。 本专利技术的技术方案是整个处理过程分为水域提取和桥梁检测两大部分，首先采用基于疏散度的方法并结合Canny边缘修正提取水域，再根据桥梁与水域的位置关系确定桥梁 候选区，然后根据桥梁的几何特性进行直线检测去除伪桥梁区并对桥梁进行定位。其具体 步骤包括如下(1) 采用迭代阈值对原始高分辨率SAR图像进行二值化，得到初始水域提取结果(2) 设定尺寸为Mx7V的二值区块S的疏散度为<formula>formula see original document page 5</formula>其中，万(Z)和5())分别袭示5的第z'行和第y列像素点的灰度值组成的序列.s(义)表 示二值序列x中0和1之间跃变的次数；(3) 选择初始水域提取结果图中的水域像素点7x7邻域的疏散度作为特征，采用模 糊C均值进行重新分类，去掉分类结果图中的小面积水块，填充剩余水块中的孔洞，得到 填充孔洞后的结果(4) 将初始水域提取结果图分成32x32的子块，采用贝叶斯阈值将图像分为建筑物 区和非建筑物区两类，得到分块分类结果；(5) 根据分块分类结果，去掉填充孔洞后的结果图中完全位于建筑物区的水域区块， 得到去噪后的水域提取结果(6) 对去噪后的水域提取结果图采用Canny边缘修正水域边缘，得到最终的水域提 取结果；(7) 在水域提取结果图中利用桥梁与水域的位置关系检测桥梁候选区；(8) 在桥梁候选区内利用Radon变换进行直线检测，去掉伪桥梁区；(9) 去掉桥梁区内的水域像素点，剩余像素点即为桥梁像素点。本专利技术由于采用基于疏散度的方法并结合Canny边缘修正提取水域，然后在检测出的 桥梁候选区内利用Radon变换进行直线检测，去除伪桥梁区，所以具有如下优点(A) 、对于背景复杂的高分辨SAR图像可以有效的检测桥梁。(B) 、当桥梁的大小和形状各不相同，灰度值上也存在很大差异时，本专利技术仍然能够 有效的检测桥梁，并对桥梁进行精确定位。实验证明，本专利技术对高分辨SAR图像可以准确的检测桥梁，并对桥梁进行精确定位。 附图说明图l是本专利技术的整体实现流程图2是本专利技术的去除初始水域提取结果中噪声点的流程图； 图3是本专利技术对桥梁大致定位的示意图； 图4是原始SAR图像;图5是本专利技术实验得到的水域提取结果图； 图6是本专利技术实验得到的桥梁检测结果图； 图7是本专利技术实验中使用的人工标记桥梁检测示意图。 具体实施例方式参照图l，本专利技术的具体实现步骤如下步骤1，采用迭代阈值对输入图像进行水域和非水域的初始分割。由于水在微波波段的反射率很低，所以雷达接受到的回波信号强度非常弱，使得SAR图像中水域的灰度值一般比其它物体低，呈现出较暗的匀质区域。本专利技术采用改进的迭代 阈值将图像分为水域和非水域两类，得到初始水域提取结果图。改进迭代阈值是原始的迭代阈值平移一个参数得到的，其计算公式为其中，r是迭代阈值，K是阈值平移参数。本专利技术中设置《=0.15，这样可以使提取的 水域较完整且杂点较少。步骤2，采用基于疏散度的特征去除初始水域提取结果图中的噪声点。由于建筑物阴影的灰度值与水域灰度值相当，故依据灰度阈值分割方法建筑物阴影也 会被错分为水域，导致初始水域提取结果中存在很多噪声。为了去除这些噪声，本专利技术提 出了一种衡量二值图像的局部区域灰度值相同的像素点聚集程度的特征一一疏散度(porosity),具体计算二值图像局部区域内各个行和列像素值为0和1的变化次数之和， 这里假设二值图像的灰度值为0或者1。对于像素大小为MxiV的二值区块5，其疏散度计算公式如下尸(5) = ^>(邵))+ 2>(5(力)'■=i >i其中，万G)和s(y)分别表示万的第z'行和第y列像素点的灰度值组成的序列，s(x)表 示二值序列x中O和l之间跃变的次数。由此公式可知，疏散度小意味着二值区块中灰度值相同的像素点相互聚集，则该图像区块存在较少孔洞，整体较平滑；'反之，疏散度大意 味着灰度值相同的像素点相互交隔，则该图像区块存在较多孔洞，整体较粗糙。当图像区 块的像素值全为0或全为1时，疏散度取得极小值0;当图像区块的像素值为0和1像素 点交替出现时，疏散度取得极大值0V-l)xM+(M-l)xiV。采用基于疏散度的特征去除初始水域提取结果图中的噪声点的步骤，参照图2描述如下(2a)选择初始水域提取结果图中的水域像素点7x7邻域的疏散度作为特征，采用模 糊C均值进行重新分类，去掉分类结果图中的小面积水块，填充本文档来自技高网...

【技术保护点】
高分辨率ＳＡＲ图像中桥梁目标的自动检测方法，包括如下步骤：　（１）采用迭代阈值对原始高分辨率ＳＡＲ图像进行二值化，得到初始水域提取结果图；　（２）设定尺寸为Ｍ×Ｎ的二值区块Ｂ的疏散度为：　Ｐ（Ｂ）＝＊ｓ（Ｂ（ｉ））＋＊ｓ（ Ｂ（ｊ））　其中，Ｂ（ｉ）和Ｂ（ｊ）分别表示Ｂ的第ｉ行和第ｊ列像素点的灰度值组成的序列，ｓ（ｘ）表示二值序列ｘ中０和１之间跃变的次数；　（３）选择初始水域提取结果图中的水域像素点７×７邻域的疏散度作为特征，采用模糊Ｃ均值进行重新 分类，去掉分类结果图中的小面积水块，填充剩余水块中的孔洞，得到填充孔洞后的结果图；　（４）将初始水域提取结果图分成３２×３２的子块，采用贝叶斯阈值将图像分为建筑物区和非建筑物区两类，得到分块分类结果；　（５）根据分块分类结果，去 掉填充孔洞后的结果图中完全位于建筑物区的水域区块，得到去噪后的水域提取结果图；　（６）对去噪后的水域提取结果图采用Ｃａｎｎｙ边缘修正水域边缘，得到最终的水域提取结果；　（７）在水域提取结果图中利用桥梁与水域的位置关系检测桥梁候选 区；　（８）在桥梁候选区内利用Ｒａｄｏｎ变换进行直线检测，去掉伪桥梁区；　（９）去掉桥梁区内的水域像素点，剩余像素点即为桥梁像素点。...

【技术特征摘要】

【专利技术属性】
技术研发人员：王桂婷，焦李成，黄姗，王爽，钟桦，侯彪，刘芳，公茂果，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87[中国|西安]