本发明专利技术公开了一种基于决策层融合的桥梁识别方法，包括以下步骤：读入多光谱图像、全色图像及SAR图像，对多光谱图像进行HSV空间转换；分别对H、S、V三个分量进行膨胀、腐蚀预处理；分别对H、S、V进行阈值分割；用8邻域搜索去掉小面积干扰区域，得到水陆分割结果；使用形态膨胀和形态腐蚀算子对水体区域进行规整，得到潜在桥梁区域；在全色图像中提取潜在桥梁区域的纹理特征，确定阈值，识别桥梁；在SAR图像中提取潜在桥梁区域的区域均值比特征，确定阈值，识别桥梁；将全色图像中和SAR图像中的桥梁识别结果进行决策层融合。本发明专利技术综合利用多光谱、全色、SAR图像的互补特征进行桥梁识别，有效提高了桥梁目标的正确识别率。
【技术实现步骤摘要】
本专利技术涉及一种信息处理技术，具体说，涉及一种。
技术介绍
近年来，随着遥感技术的空前发展，获取遥感数据的手段越来越多，遥感数据也越来越丰富。与此同时，遥感的应用领域也在不断地扩大和深入。随着遥感图像的爆炸式增长，信息提取的能力与效率已成为限制遥感应用发展的瓶颈问题。目标识别技术是信息处理领域的重要内容，如何准确地从图像中识别目标在各个领域具有巨大的应用价值，如军事中敏感目标的识别、医学图像中病灶的识别、工业生产中零件的识别、交通运输中自主行走车辆对障碍物的识别等。桥梁目标作为重要的交通枢纽，其自动识别和精确定位，不论在军用还是民用上都具有重大意义；桥梁作为人工地物是空间地理信息库中的重要组成部分，桥梁目标的识别与提取直接影响到地物测绘的自动化水平，另外随着城市建设的快速发展，桥梁等地物在地理数据库中也是最容易发生变化和需要及时更新的部分；更为重要的是，当自然灾害发生时，准确、及时的了解桥梁的情况非常有助于将救援物资迅速送达灾区。对桥梁识别的主要方法可以归纳为以下几类1、认为桥梁的最显著特征是一对平行线，通过在水陆分割后的图像的边缘上，直接寻找平行线来判断桥梁，常用的方法是Hough变换。2、按照目标的几何特征、矩特征、变换特征，进行模板匹配、矩特征匹配和变换特征匹配的方法。该方法的参数的选择对于处理的结果有很大的影响。3、通过建立河流、道路等和桥梁关系的模型，用树搜索的方法在图像中寻找匹配的位置来判别桥梁。该方法适用于高分辨率的局部图像。4、先对图像进行分割，然后根据先验知识寻找潜在的桥梁目标点，或者通过聚类目标点分离出桥梁，或者通过检查目标点所在的最小矩形，对目标进行验证。现有技术中与本专利技术最接近的比较典型的桥梁识别方法1、徐胜荣等人在基于知识的桥梁目标识别方法研究[J].模式识别与人工智能，1993.5(2) :23-128中提出将远距离侧拍桥梁的识别过程分成低、中、高三个处理层次。低层处理时，通过原图和梯度图像的直方图进行二值化，得到水域团块基元及相应的边缘曲线；中层处理用HOUGH变换进行线条检测及线条关系的分析，得到假设的目标；高层处理进行“模型匹配雌理”，采用置信度的方法进行验证。2、HuoBioa 等人在 Segmentation and Recognition of Bridges in HighResolution SAR Images[C], IEEE, 2001:479-482中提出采用小波变换进行去噪和保留河流边缘，然后采用OTSU方法进行图像分割，对提取出来的水域进行细化操作得到河流的中轴线，即得到一些线段，再通过寻找相距比较近的线段端点来找到桥梁。3、WuFna 等人在 Recognition of Bridges by Integrating Satellite SAR andOptical Imagery [C].1EEE, 2005:3939-3941中提出采用SAR遥感图像和光学图像结合的办法来寻找桥梁，先在SAR图像中找到感兴趣区域，然后在光学图像中验证桥梁的存在。现有技术采用单一传感器的图像进行桥梁目标识别，提取信息不够全面，不能有效地利用多源图像信息互补特征，导致目标识别率较低，具体表现为 1、只用多光谱图像进行桥梁识别，由于多光谱图像分辨率较低，提取桥梁经常会出现漏报或者虚警；2、只用SAR图像进行桥梁识别，SAR图像桥梁边缘常存在断裂现象，同时SAR图像存在大量的噪声，对于目标识别存在很大影响，容易造成虚警和漏报；3、只用全色图像进行桥梁识别，河流的灰度层次丰富，河流区域很难提取，如果不利用河流的位置来提取桥梁，计算量太大。
技术实现思路
本专利技术提供一种，采用多传感器融合技术，综合利用多光谱、全色、SAR图像的互补特征进行桥梁识别，解决了单一图像源目标识别率低的问题，有效提高了桥梁目标的正确识别率。具体技术方案如下一种，包括步骤1，读入多光谱图像、全色图像及SAR图像，将多光谱图像由RGB空间转换到HSV空间，得到H、S、V三个分量；步骤2，分别对H、S、V三个分量进行膨胀、腐蚀预处理；步骤3，分别对H、S、V进行阈值分割；步骤4，用8邻域搜索去掉小面积干扰区域，得到水陆分割结果；步骤5，对水域进行膨胀、腐蚀处理，得到潜在桥梁区域；步骤6，在全色图像中提取潜在桥梁区域的纹理特征，确定阈值，识别桥梁；1 :确定阈值根据实验结果反复求证所得。2 :确定阈值后，所得纹理特征大于或者等于阈值的区域是桥梁区域，得到桥梁识别的结果一，纹理特征小于阈值的区域是非桥梁区域。步骤7，在SAR图像中提取潜在桥梁区域的区域均值比特征，确定阈值，识别桥梁；1:确定阈值根据实验结果反复求证所得。2 :确定阈值后，所得区域均值比特征大于或者等于阈值的区域是桥梁区域，得到桥梁识别的结果二，区域均值比特征小于阈值的区域是非桥梁区域。步骤8，将步骤6和步骤7桥梁识别的结果进行决策层融合，得到桥梁识别结果。进一步所述步骤I中，由RGB空间转换到HSV空间的公式为S = (MAX-MIN) /MAX； f60^(G-_S)/( U4X - MIN) R = MiX 孖=120+60 * 诏-K) / (K-LiX - MN) G = MAX [240+60 * (Λ - G) / (MAX - MIN) B = M4X·V = MAX ；MAX = max (R，G，B)MIN = min (R，G，B)；其中MAX和MIN分别为RGB颜色模型中R、G、B三个分量的最大和最小值，R、G、B分别为三个分量的灰度值，H、S、V为得到的HSV颜色模型三个分量的灰度值。进一步对步骤I中H、S、V三个分量分别进行迭代阈值处理。进一步对步骤I中H、S、V三个分量进行降维处理。进一步所述步骤3中，阈值分割的过程为求出图像的最大灰度值和最小灰度值，分别记为Zmax和Zmin,令初始阈值为T0= (Zmax+Zmin) /2 ；根据阈值Tk将图像分割为前景和背景，分别求出两者的平均灰度值Ztj和Zb ;求出新阈值Tk+1 = (Z0+ZB) /2 ；若Tk = Tk+1，则Tk即为阈值；否则转第二步，迭代计算，直到达到最终阈值。进一步所述步骤4中，用8邻域搜索去掉小面积干扰区域的过程为设边缘图像的目标像素为0，背景像素为255，按从上到下、从左到右的顺序扫描图像，遇到目标像素P，则标记为新的标记值L ；以P为种子点，将其8邻域内的目标像素标记为L，直到该连通区域标记完毕；继续扫描图像，直到图像中所有目标像素都标记完毕；对标记完的区域计算面积，设置阈值，去掉面积小于阈值的区域。进一步所述步骤5的具体过程为使用形态膨胀和形态腐蚀算子对水体区域进行规整；定义膨胀和腐蚀的结构元素；对图像中的像素点先做η次膨胀运算，然后再做η次腐蚀运算，得到连通的河流区域；其中η为自然数；将连通后的河流区域和水陆分割二值化图像相减，得到包括潜在桥梁区域在内的一个连通区域；以连通区域的每个像素点为中心，向8个方向延伸k个像素的长度，k彡桥梁的宽度；其中k为自然数；设变量为a，相反方向的一对像素点的值如果相同，a值取I，如果相反，a值取O ;将4对像素点所得的a值相加； 设定阈值，得到潜在桥梁区域。进一步所述降维处理的过程本文档来自技高网...
【技术保护点】
一种基于决策层融合的桥梁识别方法，其特征在于，包括如下步骤：步骤1，读入多光谱图像、全色图像及SAR图像，将多光谱图像由RGB空间转换到HSV空间，得到H、S、V三个分量；步骤2，分别对H、S、V三个分量进行膨胀、腐蚀预处理；步骤3，分别对已完成步骤2的预处理后的H、S、V三个分量进行阈值分割；步骤4，用8邻域搜索针对已完成步骤3的阈值分割的三个分量去掉小面积干扰区域，得到水陆分割结果；步骤5，对水域进行膨胀、腐蚀处理，得到潜在桥梁区域；步骤6，在全色图像中提取潜在桥梁区域的纹理特征，确定阈值，识别桥梁得到桥梁识别的结果一；步骤7，在SAR图像中提取潜在桥梁区域的区域均值比特征，确定阈值，识别桥梁得到桥梁识别的结果二；步骤8，将步骤6中的桥梁识别的结果一和步骤7中的桥梁识别的结果二进行决策层融合，得到桥梁识别结果，即利用全色、SAR图像桥梁识别结果为真的或关系给出最后桥梁识别结果为真的识别结果，利用全色和SAR图像识别结果为假的与关系给出最后桥梁识别结果为假的识别结果。
【技术特征摘要】
1.一种基于决策层融合的桥梁识别方法，其特征在于，包括如下步骤 步骤1，读入多光谱图像、全色图像及SAR图像，将多光谱图像由RGB空间转换到HSV空间，得到H、S、V三个分量； 步骤2，分别对H、S、V三个分量进行膨胀、腐蚀预处理； 步骤3，分别对已完成步骤2的预处理后的H、S、V三个分量进行阈值分割； 步骤4，用8邻域搜索针对已完成步骤3的阈值分割的三个分量去掉小面积干扰区域，得到水陆分割结果； 步骤5，对水域进行膨胀、腐蚀处理，得到潜在桥梁区域； 步骤6，在全色图像中提取潜在桥梁区域的纹理特征，确定阈值，识别桥梁得到桥梁识别的结果一； 步骤7，在SAR图像中提取潜在桥梁区域的区域均值比特征，确定阈值，识别桥梁得到桥梁识别的结果二； 步骤8，将步骤6中的桥梁识别的结果一和步骤7中的桥梁识别的结果二进行决策层融合，得到桥梁识别结果，即利用全色、SAR图像桥梁识别结果为真的或关系给出最后桥梁识别结果为真的识别结果，利用全色和SAR图像识别结果为假的与关系给出最后桥梁识别结果为假的识别结果。2.如权利要求1所述的基于决策层融合的桥梁识别方法，其特征在于，所述步骤I中，由RGB空间转换到HSV空间的公式为3.如权利要求1所述的基于决策层融合的桥梁识别方法，其特征在于，所述步骤1，对H、S、V三个分量进行降维处理，然后分别对H、S、V三个分量进行膨胀、腐蚀预处理。4.如权利要求1所述的基于决策层融合的桥梁识别方法，其特征在于，所述步骤3中，阈值分割的过程为 求出图像的最大灰度值和最小灰度值，分别记为Zmax和Zmin，令初始阈值为T0 = (Zmax+Zmin) / 2 ； ...
【专利技术属性】
技术研发人员：张永梅，马健喆，孙静，臧淼，胥玉龙，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。