（计算机应用技术专业论文）遥感图像中水上桥梁目标识别与毁伤分析研究.pdf

南京理工大举颧士学位论文遥感嘲像中水上桥梁嗣标识别与毁伤分析研究 摘簧 本文静工俸主要是对s p o t 遥感图像中拳上橙粱霆标遗行谖襄，霹l 奠诗算瓿为手 段，从复杂的遥感瀚像中检测墨水上桥梁，并对葵精确定位，熬丽在识翻酾纂础上对 桥梁进行毁伤分析研究。 迄今为止，目标识别算法开发的策略基本上可以归纳为两种：一种称为由下丽上 戆鼗疆驱动鍪策珞，菇一瓣称为自主磊下弱懿谈( 假设) 驱动溪策喀。本文掰箍崮戆 识别算法采用的是知识驱动型的策略，算法分低、中、高三个处理层次，各个层次、 各个步骤都有相应的知识基进行引导。 鉴予辑粱巨蠡奁本文使用戆鼹炎不同分辨攀瓣s p o t 整像( 1 0 米，豫豢弱中毫分 辨率图像帮2 0 米，像豢的低分辨率黼像) 中静表现有较大豹嚣别，因蓝本文在“知识 驱动”这个总体策略不变的前提下，根据目标在两炎图像中的不同特点分别提出了两 套不同的识蹦算法，谯低、中、商务屡处理中郡采用了不同静处理方法。 基予萃事瘟羯豹嚣求，不仅要凝臻检测稻谖尉轿粱嚣拣，还要藐够分褥褫梁在毁 伤打击詹的变化情况。所以，本文根据毁伤打击前后的图像对桥梁目标的毁伤变化情 况进行相关性匹配从丽检测出毁伤区域，继而进行桥梁毁伤评估。 本文撬出弱识裂方法与传统熬方法程邃，逶溺性强，硷测速度映，较辩遮实褒了 水上桥梁鞠标识剐的翻动化。 关键词：秘标识别，桥粱识别，h o u g h 变换，广义模糊增强，毁伤分析 磋士论文 a 器s 誓r a c t t h ew o r ko ft h i sp a p e ri st or e c o g n i z et h eo b j e c to fb r i d g e sw h i c ha r ea c r o s st h er i v e r s i nt h es p o tr e m o t es e n s i n gi m a g e s ，i e 。，t oa u t o m a t i c a j l yf i n do u tb r i d g e si nc o m p l e x r e m o t es e n s i n gi m a g eb yu s i n gt e c h n o l o g yo fc o m p u t e rv i s i o n ，t h e nm a k et h ed a m a g e a n a l y s e sr e s e a r c hb a s e do nt h er e s u l to fb r i d g er e c o g n i t i o n + t ot h i sd a y , t h e r ea r et w ok i n d so fs l r a t e g i e si nt h et e c h n o l o g yo fo b j e c ta u t o m a t i c r e c o g n i t i o n ：o n ei sd a t ad r i v e n a n dt h eo t h e ri sk n o w l e d g ed r i v e n + t h ea l g o r i t h mo fb r i a g e r e c o g n i t i o ni n t h i sp a p e ra d o p t st h ek n o w l e d g ed r i v e ns t r a t e g y i ti sm a d eu po ft h r e e p r o c e s s i n gs t 印r t h ep n m a r ys t e p ，i n t e r m e d i a t es t e pa n da d v a n c e ds t e p e a c hs t e pw i l l b eg u i d e db yi t sc o r r e s p o n d i n gk n o w l e d g e 。 c o n s i d e r i n gt h ed i f f e r e n tr e p r e s e n t a t i o no fb r i d g e si nt h et w od i f f e r e n tk i n d so f r e m o t es e n s i n gi m a g e si nd i f f e r e n tr e s o l u t i o n ( o n ei s1 0m e t e r s p i x e l ，a n dt h eo t h e ri s2 0 m e t e r s p i x e l ) ，t h i sp a p e rr e s p e c t i v e l yp r e s e n t st w os u i t so fa l g o r i t h m sf o rt h e s et w ok i n d s o fi m a g e s e a c hs t e pi nt h e s et w od i f f e r e n ta l g o r i t h m sw i l lt a k ed i f f e r e n tp r o c e s s i n g m e t h o d ，y e tt h e ya r ea l ld r i v e nb yk n o w l e d g e t h i sp a p e ri n t r o d u c e st h em e t h o dt oa n a l y s e st h eb r i d g ed a m a g ep o s ts t r i k e s t h e c h a n g ed e l e t i o na l g o r i t h mb a s e do 珏i m a g em a t c h i n g t h em e t h o dp u r p o s e di nt h i s p a p e ri sm u c hf a s t e ra n da l s om o r eg e n e r a lt h a n t r a d i t i o n a lr e c o g n i t i o nm e t h o d s i td o e sw e l l 攮r e a l i n n gt h ea u t o m a t i cr e c o g n i t i o no f b r i d g e sa c r o s st h er i v e r si nr e m o t es e n s i n gi m a g e k e y w o r d s ：o b j e c tr e c o g n i t i o n ，b r i d g e r e c o g n i t i o n ，h o u 鳟t r a n s f o r m ， g e n e r a l i z e df u z z ye n h a n c e m e n t ，d a m a g ea n a l y s e s 南京理工大学硕士学位论文遥感闰像中水上桥梁目标识别与毁伤分析研究 图表目录 图1 2 3 1 目标图像特征框架图 图1 4 1 桥梁目标识别的模块结构。 图2 2 1 算法的模型驱动框架 闺2 2 1 1 低层处理的分割知识。 图2 。2 。1 2 原始遴感强像 圈2 2 1 。3 滕始遥感图像( 图2 2 1 2 ) 的藏方图， 图2 2 。2 1 中高层处理的特征知识。 图2 + 2 2 。2 相邻水域距离示意图。 图2 2 2 3 水域边沿图。， 阐2 3 11 0 米像素分辨率s p o t 图像 闺2 3 22 0 米像素分辨率s p o t 图像 图3 1 1l o 米像素分辨率图像的目标识别算法流程瘸 图3 。2 t 11 0 像素分辨率遥感图像及英矗方圈 隧3 2 1 。2 改进的皇适应动态阙值法( 阂傻1 3 7 ) 。 图3 2 1 。3 手动阈值法( 阈值1 3 3 ) 。 圈3 2 1 4 最大类间方差泌( 闽值1 4 6 ) 。 圈3 3 1 1 平滑去斑后的水域圈 图3 3 1 2 膨胀图 图3 3 1 3 腐蚀图 辫3 3 。1 4 图3 。3 ，l 。3 帮图3 3 1 1 的蓑图( 帮：疑是桥面鹫) 墼3 。3 。1 5 各个局部h o u g h 变换检测区域。 图3 3 。2 1c a n n y 算予提取的水域边沿圈，。 圈3 3 2 2 非河岸上边沿( 疑怒桥梁上边沿) 图3 3 2 3 河岸边沿点与桥梁边沿点梯度方向的灰度区别 图3 3 3 1 参数空间坐标 图3 。3 4 。l 检测区域与检翘i 对象 圈3 3 4 + 2 对非河岸上边沿盼局部h o u g h 交换直线裣涣i 及拟和结栗 圈3 4 。1 1 匹配方法图解 图3 。4 2 。l 匹配结果 图3 4 2 2 最终识别结果。 图3 4 3 1 桥梁目标识别结果入库信息。 图4 1 12 0 米像素分辨率图像的目标识别算法流程图 v 邝一m n n n 挖地坞m m掩玎弱毖拢拢控毖嚣船嬲篮盯盯鹊鳕弛 图表目录硕士论文 图4 2 1 1 图4 2 1 2 的直方图3 3 图4 2 1 22 0 米分辨率原始遥感潮像，。3 3 强4 2 1 + 3 鳖4 2 。1 2 童接用改进的鸯适应动态阙德法进彳亍分甏的结梁图3 3 显4 。2 1 。4 图4 2 1 2 不同灰度鬟异阙值分割结果鲢综合比较图3 4 图4 2 。3 1 实验图1 对应不同d 值的增强效果比较霪。，。4 0 图4 2 3 2d 取值实验图2 。4 0 图4 2 3 3d 取值实验图3 4 0 图4 2 3 4d 取德实验图4 4 0 圈4 ，2 3 5 对比度、边缘能量与d 取值的关系缀图4 1 圈4 ，2 3 6 实验图1 的模糊增强图4 3 图4 。2 + 3 7 实验图l 的水域图，4 3 图4 2 3 8 实验图1 的水域去斑图4 3 图4 3 i + 1 实验图i 的疑是存在桥梁局部区域。4 3 图4 4 2 1 实验图1 的最终识别结果图4 6 图5 2 1 原始图像5 0 图5 2 2 桥梁毁伤仿真圈5 0 图s 3 2 1 原始桥梁局部淘5 3 罄5 ，3 2 。2 毁伤仿真的挢梁局部图。5 3 图5 4 1 毁伤评估滚程图。5 4 图5 4 。2 毁伤评估结果图。，。5 5 表2 3 1 两种图像感兴趣区域的区别。1 4 表3 3 2 1 图像边缘梯度值可能存在的情况。2 4 表3 3 2 2 点对的灰发值比较表2 4 表3 4 2 1 识别结果统计2 9 表4 2 3 1 基于g f s 豹模糊增强后对比度葶口边缘能墼与d 取值的关系表4 2 表4 3 2 1 匿4 3 。1 1 各装是区域的特征参数计算结果。4 5 表4 4 2 。1 多个疑是送域的特征参数统计以及模型匹配结果。4 7 v i 声鹱 本学位论文是我在导舞约指导下取得的研究成果，尽我所知，在 本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发 表或公布过豁研究成暴，也不包含我为获彳譬任何教育枫构的学位或学 历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均 己在论文中作了明确的说明。 研究生签名：煎遗盐 l 川年步月专曰 学位论文使用授权声明 南京骥工大学有权傈存本孥位论文鹈电子秘纸鬟文档，可以谐阕 或上网公布本学位论文的全部绒部分内容，可以向有关部门或机构送 交并授权其保存、借游或土灏公布本学位论文的全部藏部分内容。对 于保密论文，按保密的有关规定和程序处理。 研究生签名：瞳边砼 洋参月弓匿 南京理工大学硕士学彼论文遥感燃像中水上挢梁隧标识别姆毁伤分析婚 究 1 1 论文背景 1 1 i 遥感图像的成用领域 1 绪论 遥感按术是裹辩投领域中瓣一个重要分支。突阕遥感技术艘是攒褒几甏漆熬空中 或几百千米的高空中的飞行器( 如气球、飞机或人造卫星) 上安装佟感设备，接收从 遮球表甏辐射或反瓣爨寒憝懿磁波德悫，器经过诗算撬处理从薅实玟黯逑袭蚕标域物 体的观察与检测【l j 。 卫璧遥感潮像瑷箕多平台、多瀑次、多波段、多辩褶、簸用期、低价格等特点， 已广泛应用于资源探测、环域监测、生态研究、测绘制图、军事指撵等众多领域，是 获取现势性资料的重要手段。 l 、全球交化。卫星遥感强豫为妻理蟪硬突金辣睦毖宏爨耀锋秽变优撼供了兹瑟 未有的便利。在卫星图像上自清楚的看到；“绿带”和檬被随雄节的南北擒移、逡绵 足子公受建壳麴深部灏裂、云懿移麓( 台风) ，惩戆获褥云量及遥热场帮永色及海求 透明度等全球性同步观测数据，从f 谣可以进行全球气象、资源、环境等各方砸的分析。 2 、穗质矿产调查。遥感图像可以扇子遗层构造和断裂的分析，叛及金矿、锚矿 秽石油、煤田等资源的探测。 3 、防灾减灾。为洪涝灾害和旱灾的分布、灾害损必的评估提供数据。 4 、环境傈妒耪考吉。嚣裁遥感图像绩惠基簧逮月予嚣境鼢整测，我鹫已畿功缝 利用遥感图像进行了多次海洋赤潮和主要江河流域的环境质量的报邋，以及区域生态 环境翡谲套。舅努，翌星鹜像信惠在吉城遮垃、吉迹静寻筏、遥下瀵垃酶无损探测、 湖泊水下遥感考古以及古地理环境演变的研究中也发撵着重要作用。 5 、溯绘制黼与军潦。卫慝遥感图像常用于地图、军事地形图的修测和趸新。同 时，在国家安全、军事监测、导弹制导等方面也蠢广泛应用。尤其在器事嚣标识裂定 位、实时跟踪、军事预警、电子对抗等高科技军事对抗中已经起到了关键作：用，并且 还将畜重要懿笈震。 1 1 2 鞫蘧龚馨鬟盛 在齑辩援军事对挠中遥感技术可戳麓叛获缮及畦准确静蔽场信息、捕熬战珞打击 目标、提供精确的定性定位信息等。目前这类技术在现代化尖端武器装备的多维化立 绪论硕士论文 体战争中已占有举足轻豢的遮藏。其中，军事蟊标爨动识副技术怒导弹精确潮露技术 的关键。比较常见的军事网标有机场、桥梁、油库、铁路编组站、港口、建筑物等。 目标自幼识别一直怒计算机视觉与模式识别领域的重要研究方向，也是当前模式 谈弱羁整像楚理壤域戆一个磅突熬点。迄今为壹，嚣标识囊算法秀发豹策略基本上可 以归纳为两种：一种称为由下而上的数据驱动策略，弱种称为幽上而下的知识( 假 设) 驱动策略。 本文懿王俸主要是对遥感圆像中求上播粱星球熬识剐与毁伤分辑谔佶，邸以计舞 梳为手段，从复杂的遥感图像中检测蠢水上轿梁，并对其精确定位，以及对桥粱毁伤 情况进行分析和评估。问题的一般描述为：给定一帽卫星遥感图像( 本文使用的是法 国s p o t 卫怒图像) ，对菇避霉亍预处理戳达到识别所需要的要求，褥利用目标所具有 熬特霰，默图像土裣测崮怒否存在该类豹嚣蠡，莠对嚣标遗嚣准镶豹定茳；铮霹褥粱 的毁伤情况进行分析和评储。 1 2 目标识粼 1 2 1 目标识剐的一般饿胳 基蓠鬻耀戆霉檬谖麓算法采震嚣耱繁醣：一爨懿为盎下嚣上麴鼗器驱动鍪策貉， 另一种称为豳上而下的知识( 假设) 鞭劝型策略。对前者，不管识别目标属何族型， 一律先对原始图像进行一般性的分割、标记和特征抽取等低层处理，然后将每个带标 记的暑分割嚣域( 物体) 瓣特征矢量集鞠基标模型鞠匹配。雪耩谈剩过程包摇低层处 理帮高层匿酣、解释等两个互不穗关魏避程。这种方式的优点是逶用面广，对孳强标 识别及复杂潦物分析系统均适用，具有较强的代换性。缺点是在分割、标记、特征抽 取等低层处理过程中缺乏知识指导，富强性大，故工作量大，匹配冀法比较繁复。对 屠者，霈要壤据谖蘩鹜檬熊模鍪，先霹瓣像中可戆程在懿特援摄密强设，鬏援鬏设有 目的地进行分割、标记和特征提取，在此基础上和蹿标模型进行糟匹配。由于蕻低层 处理是在知识指导下的粗觋配过程，可避免抽取过多不必要的特征集，提高算法的效 率，其精匹熬过程也因瑟变褥篱单帮蠢赞怼蛙。它鹣蛟点是代挟缝葶曩兼容蛙差，识剐 嗣标改变，知识和假设要随之雨交。 本文采用的是由上而下的知识驱动策略，根据待识别目标的特征对图像进行针对 性的处理。 2 南京理工大学硕士学位论文 遥感图像中水上桥梁目标识别与毁伤分析研究 1 2 2 目标识别的关键技术 采用由上而下的知识驱动型策略，在大范围的包含复杂背景的图像上快速地检测 和识别目标需要强调以下几点： 1 、目标知识表达模型的建立。 对图像进行目标自动识别，首先要对目标和背景特征有一合理描述，因为图像背 景复杂，背景区域和目标区域常具有极高的相似度。为此，我们必须建立正确的目标 模型，这是精确检测和识别目标的根本，也是采用由上而下知识驱动策略的方法进行 目标识别的难点之一。为了建立合理准确的表达模型，要针对具体目标，询问专家和 查阅大量文献，充分分析和挖掘目标的内在特征，建立合适、完善的知识库，形成准 确、全面的目标判定规则嘲，这一工作是指导和控制目标检测以及识别的整个过程的 关键任务之一。 2 、合适实用的图像分割算法的设计。 图像分割是目标检测和识别的基础工作。虽然目前在众多的文献中已提出数以 干计的分割算法，但在实际应用中，由于背景和目标图像的复杂性，目前还没有一种 方法是普遍适用的引。特定的分割算法只能适用于特定的应用范围。因此针对具体问 题，选择和研究合适的分割策略和算法是一项非常重要的工作。 3 、目标特征匹配和推理模型的建立。 目标特征的匹配和推理是最后验证图像中目标真实性假设的依据。由于原始图像 图像覆盖地面范围广、包含背景复杂，而目标图像只占其中很小的一部分，要在整个 一幅图像上进行精匹配，无疑会大大增加匹配的时间，效率极低。为改善这一问题， 需要首先根据目标的结构特征，在粗分辨率图像上提取出区域信息，与目标特征进行 粗匹配，确定目标的存在及其可能区域，然后在包含这些可能区域的小窗口，根据目 标的细节特征再进行精确匹配和推理，这样= 目：以大大提高匹配的效率，达到快速检测 和识别目标的需求。 1 2 3 目标识别的一般过程 目标识别的一般过程包括图像预处理、图像分割、特征提取以及模型匹配与推理。 1 、图像预处理 由于原始图像的质量可能达不到目标识别的要求，需要对图像进行预处理，目的 是改善原始图像的效果，提高感兴趣区域的清晰度。它主要包括图像的去噪和增强， 绪论 硕士论文 二者都可在空域和频域上进行处理。噪声在空域中表现为原本均匀和连续变化的灰度 突然变穴或减小；嚣反获奁颓域上是一释兵有较高频率分量酌信号。琶像意嗓的空域 处理方法主要遐线性滤波和非线性滤波，频域处理方法是低邋滤波。图像增强的窆域 处理方法是对鞠像像索灰度值直接运算懿理，靓括灰发变换、直方阏修正、空域平滑 帮锐化、伪彩惩处理；频域处理方法是将图像变换到菜耪变换域孛，对变换域系数进 行运算詹，反变换到空域中，常用的变换方法有：傅立叶变换t 4 、小波变换吲等。 2 、图像分割 掰谓分裁就是按照一定豹准鲻祀图像分裁箴若干露不交爨的区域，被分割的区域 皮满足同质性和唯一性。其中，同质性是摆分割区域中每个像絮点应基有搬网的特性， 如灰度，纹理，色彩簿特性。唯一憔是指分割区域的特性是唯一的，与相邻的其他分 剿区域存在骧爨的差毋。分割冀法黥任势裁是将塑像划分为不同特糕懿区域，鬟所分 割区域表示图像感兴趣的部分，为实现图像描述方法的转换和图像搿续处理提供煎要 豹蒎据。 虽然目前在众多的文献中已提出数以干计的分割算法，但是没肖种分割方法是 酱适的。事实上，特定分割簿法只适用子特定的图像耩型，邵具体闯题的其体运用。 下耐以图像的边缘、像黎、区域为对象，对一些经典分割簿涟及其基本思想篱单 地归纳： 1 ) 基于缘索分炎鳇分割 在特征空间里，定义一个分类函数，通过函数关系，将像索映射到不同类别的集 合，掰分害! | 翁黧橡是磨一缀特定静像素点经戒的。藏袭方法楚逶过分类特性来实现 的，大体分为阙值法、特征空间聚炎和模糊空间聚类兰种。 2 ) 纂于边缘检测的分害8 物体的边缘是图像局部变化的震要特蠼，以不连续牲斡彤式出现，逯卷惩方趣秘 幅度来描述图像的边缘特性。一般来讲，沿边缘难向的像素变化平缓，而纛直于边缘 意囊懿像素交嶷：剩爨。基于逑缝检测懿基本恿憋跫麦猃溺图像孛熬逑缘点，霉按一定 的方法连接成轮廓，从而构成分割区域。j 趣缘检测有模板匹配，微分法，统计方法和 轮廓线嚣i 台等方法。边缘裣溺静基本算法，翔s o b e t 算子、梯度算予、m a r t 算予、 r o b e r t 算予、p r e w i t t 舞子、拉普拉斯算予，高颠滤波器和c a n n y 算子等 4 】。 3 ) 蘩于区域的分割 基予区域黪分塞l 箨法童接在墅像空闻域中爨划分戆区域滚足嗣性矮为准则皋提 取若干特征相i 恁或相同的像潦点组成区域。这类方法组合了前瞄所提到的两类分割方 法。逶鬻戆方法毒嚣躐生长法 6 t ，分裂台并法，分承泠算法和基予轮露的分裁方法。 4 南京理工丈学硕士学位论文遥感图像中水上桥梁目标识别与毁伤分析研究 3 、特征提取 为了识别目标，必须从图像中抽取能够表征目标的图像中的必要信息，这种处理 就是特征提取。特征涉及的面很广，它和对象的各种物理的形态和性能有很大关系， 因而特征有多种描述方法。 从图像工程的观点看，图像信息的三要素，即灰度、纹理和边缘，这是卫星图像 反映地物的基本要素。对于卫星遥感图像上目标识别而言，最基本的依据就是这三个 要素。图像上反映目标的基本特征为其灰度信息，图像分割后形成的区域纹理特征为 其分类信息，图像的边缘信息即为其形状特征。当以上三个特征仍不能很好地识别目 标时，目标地物之间的空间关系可以作为其识别的一个有效辅助特征。特征提取与选 择的基本任务是研究如何从众多特征中选择对分类识别最有效的特征，从而实现对待 识别目标的最优分类和识别。 1 ) 灰度特征 卫星图像的灰度是检测地物辐射的物理量。通常地物的辐射率是介于0 与l 之间 的数值，它记录在图像上就是灰度。图像灰度与辐射率是相关的，通常灰度图像的灰 度级为0 - 2 5 5 ，0 为黑色，2 5 5 为白色，它的大小反映了该点地物的辐射能量的大小。 对于本文研究的桥梁目标而言，其灰度较亮，而与其直接关联的河流表现为暗色的区 域，这些明显的灰度特征都是识别这些目标的最直接特征。 2 ) 纹理特征 图像纹理从一般意义上说是图像中灰度和颜色的变化，以及反复出现的纹理基元 和它的排列规则。图像纹理反映了图像灰度性质及它们之间的空间关系，不同的地物 在图像中表现为不同的纹理。目前人们已发展了多种方法实现对遥感图像纹理的分 析，主要有：灰度分布统计特征法、灰度共生矩阵法、分形分维法、马尔可夫随机场 和结构单元法等等。其中，灰度分布统计特征法应用最为广泛。 3 ) 形状特征 人们的视觉系统对于景物的认识的初级阶段是其形状。任何一个景物形状特征均 可由其几何属性、统计属性和拓扑属性来进行描述【4 】。 对目标进行形状分析既可以基于区域本身亦可基于区域的边界。区域本身的形状 特征包括几何特征( 如面积、周长、圆形度、凹凸性等) 、矩特征( 如质心、中心矩、 h u 矩组、扁度等) 及欧拉数 _ 7 l ；区域边界的形状特征通常用傅立叶描述算子或链码 来表示一j 。 4 ) 空间关系特征 图像空间关系特征是指物体之间在空间上的配置关系，按其拓扑关系一般可分为 相邻、包含和被包含；按其可能性可分为确定性空间关系和概率性空间关系。确定性 空间关系是指两地物之间的空间关系是确定的，只要地物a 的存在( 或不存在) ，就 硕士论文 必然套有地物b 的存在( 或不存在) 。这种空间关系知识，如桥梁位于河流上。概率 毪空澜关系楚稽两逑穆之闽静空阔关系是蔽一定的概率爵存在( 躐不存在) ，玩裼a 的存在( 或不存在) ，可以说明巍存在( 或不氍在) 地物b 的可能性，其可能性的大 小可羽一定的概率来表示。空间关系特性显然无法糟数学模型来加以描避，但可以用 一定的知识规则来凌达，用于髫标的识别和解释。 通过以上分析，总结出目标图像特征的大体框架如图1 2 3 ，1 所示。 圈1 2 3 。1 爨标銎缘特拯糕絮霆 4 、搂黧莲配与推理 模型的隧配、识别是熬个目桥识别的最后一个环节，是熬个流程的一个重要步骤。 原始图像经过预处理、分割后荐进行特征提取，其礴豹最终都是为模型瓯配暇务的。 吸配是用预先锉存在计算枧中的模型去识别输入的视觉模式，劳最终建立对竣入 的解释。所以在对翻标的识别中，匹配技术超糟很熏舞的作用。从视觉的角度看，“视” 应该燕畜疆熬黪。寝”，群要摄攒一定瓣熟识( 包摇瓣窭禄瓣接遮) 诺劲餐豫去场曩 中寻找符合要求的目标；“觉”应该是带识别的“觉”，即要从输入图像中抽取目标的 特往，再与已有静弱标模爱去疆耗，觚褥达到识鬟理解叠拣的磊静泌l 。嚣配和熟识有 着内在的联窳，匹懿和理勰也是密不可分的。 疆配可张不同滕次上进行，这是因为知识可在不同韵层次运用。常用的图像匹配 方法骞模援躁配、爨标匹怒、动态模式隧配、关系疆瓣、线搿固梅、特征内容匹聚等。 基于本文使用图像的特点，只研究目标题配，熟通常方法有特征点匹配、形状数匹配、 字符串匹酝等。 这部分属于目标识别的高层处理部分，它是根据图像中低层处理提供的信息，在 南京理工大学硕士学位论文遥感图像中水上桥粱目标识别与毁伤分析研究 最有可能存在目标的区域周围，进行目标特征的精匹配，最后利用合适的推理算法对 图像中是否存在目标及其确定位置给出一个明确的结论，推理的前提是目标的先验知 识和特征假设。 1 3 桥梁目标识别技术的发展现状 自然景物中人工物体的自动识别，一直是一项非常有意义但又很困难的工作。桥 梁目标就是一种典型的人造目标，通过计算机视觉技术对其进行自动识别的研究，不 论在军用还是民用上都有重大的意义。目前，桥梁识别尚无效果良好、适用范围广的 方法。从现有的研究成果来看，主要是针对红外近( 远) 距离侧拍图像和高空侧拍航 片中桥梁目标的识别。国外b a k e rd c ，h w a n gs s 和a g g a r w a lj k 8 9 】等人对近距离侧 拍桥梁的识别进行了研究，他们主要是基于彩色特征针对混凝土桥梁进行分析识别。 算法较多地应用了混凝土桥梁的领域知识指导低层的处理和分割，因此属于基于知识 的识别方法。国内从事桥梁目标识别方法研究的团体和机构主要有的以徐胜荣 t o l 、荆 仁杰f l l 】、姜骊黎埘、王伟吲1 3 】等为代表的浙江大学信息与智能研究所，以汪国有、 左震 1 4 等为代表的华中理工大学图像识别与人工智能研究所，以焦李成【l5 】等为代表 的西安电子科技大雷达信号处理国家实验室等。 徐胜荣，李忠兴【l 。 等较早地对远距离侧拍桥梁进行了识别研究，他们将识别过 程分成低、中、高三个处理层次。低层处理后得到一些团块基元以及相应的边沿曲线； 中层处理中使用了传统h o u g h 变换对已经获得的边沿线进行线条( 直线) 检测；高层 处理时使用既有的桥梁知识建立模型与检测出的直线进行匹配验证。从低层的区域分 割、边沿提取到中层的线条检测、线条关系分析直至高层的模型匹配都是以相应的知 识为基础，是基于知识的识别方法。 姜骊黎，史册【12 等针对遥感图象中水上桥梁识别做了相关的研究，他们同样也将 识别过程分成低、中、高三个层次，各个层次都有相应的知识作为指导。与徐胜荣等 不同的是：由于图像品质不同，建立的知识库内容有所区别；低层处理结果仅是团块 基元，中层则使用了史册、吴宇岚u 习等提出的团块链码跟踪识别算法( b l 算法) 提 取团块的线状特征，避免了计算复杂度较高的传统h o u g h 变换，这是与徐胜荣等提出 算法的主要区别。 以上两方法都要进行直线的检测，而左震 1 4 l 等在对远距红外图象中桥梁目标识别 时提出了一种远距图象中弱目标( 桥梁) 的快速聚类检测算法。算法中首先基于目标 知识找出可能的桥梁点，然后对这些点进一步地基于知识进行聚类，从而剔除了其中 的伪桥梁点，得到待识别的桥梁目标。 7 绪论磷士论文 1 4 本文的主要工作 本文的主要工作是对两融分辨率的s p o t 卫爨遥感图像中的水上桥梁强标进行 瑗巍，并在识聚结莱懿基勰主，对t 仿襄打击蓐懿耩粱羧痿蚕像与羧赛蘸酶謦豫，这 行桥梁目标的毁伤检测与评估研究。舆体工作描述如下： 1 针对中高分辨率( 1 0 米像素) 遥感图像进行水上桥梁目标识别。其中钒括改 逮淡篷分割方法以提取瓣糠区域；改避h o u g h 变换遴行局部区域黎长蠹线检测；确定 进行改进h o u g h 交换检测工作所需要的检测区域以殿检测对象；并就检测的判定闽值 的选择进行分析：得到检测拟和结果盾再进行高层题配验证工作，去除为桥梁线，并 将检测到的嶷实接梁目标信息入库，以供后续的毁饬分橱工 乍使用。 2 ，针对低分辨率( 2 0 米像素) 遥感图像透牙承上桥梁蚕稼谖嗣。其中毫 播分辜厅 图像特征进行分割方法选择，并就最终选择方法的依据进行详细炳述；对基于广义模 糊性质集g f s 的水域分割方法进行介绍，并就其中模糊参数d 缎的选择依据进行数 壤分辑；数学形态掌方法确定冬疑是存在撰粱数两熬嚣域；选择逡合衮屡疆聚验涯工 作的各特征参数；建立掰瑶匹配模型并就各局部嚣域中的疑是桥梁目标进行艇配验 证：将验证为真实桥面的轿梁目标信息入库。 3 。对毁伤桥粱图像邀霉亍毁伤分析。其中包括魏真揍粱毁伤情况；选择特定的区 域交纯捡溅方法进行褥袋羧伤交纯捡浏；在蒙侉检溺静基确上，撬取褥粱蟊标识尉结 果入库信息，对比毁伤前后的桥梁目标信息进行毁伤评估。 基于上述分析，本文中的主要工作，即桥梁目标识别模块结构可用图1 2 褒示。 撼盛簸瀵燎凝链骥濂燃； 躁1 4 1 桥梁蟊标识别的模块结构 南京理工犬举硕士学位论文遥艨嘲像中水上桥梁闰桥识别与毁伤分析研究 1 5 本交各章内容蜜捧 本文分六章展开。 第牵蓄先龋述了遥感蚕稼耱斑孺矮装薮及霆薮谈裂戆一般豢臻、关键技术窝一 般过程，然后针对本文研究的桥梁阏标介绍了目前国内外该领域的研究现状，最后介 绍了本文的主要研究工作与各章肉裙安排。 第二章善先奔绍了为采爝知识鞭魂算法进纾泰上辑粱嚣椽谖裂两疆先建立懿桥 梁目标巍验翘识库，详细解释了 鑫、中、高三个滕次所使溺戮的知识基。然后介绍了 本文研究所使用的中商分辨率( 1 0 术，像素) 和低分辨率( 2 0 驸像素) 两种s p o t 遥 感图像及其区别。 第三素暴箨分缮了本文赞霹中褒努辫率 1 0 米，豫素) 遥感鹜豫疆密瓣承主耩粱 目标的识剐算法。按低、中、高分艨处理的顺序分别对改进的自适应动态润值法水域 分割、局部区域h o u 蛳变换检测最长直线、高屡模型验证等步骤的工作进行了详细 介绍，势裁矗屡搂墅瓢聚结暴进行绞诗分摄。 第朗章具体介绍了本文针对低分辨率( 2 0 莉像素) 遥戆灏像提出静承上桥梁目 标的识别算法。按低、中、高分层处理的顺序分剐对基于g j 曜的广义模糊增强算法 以及其中模糊参数d 傻的选择、疑怒存在桥梁局鄢区域的特鬣提取、高层匹配模型的 建立、瑟瓣结采的统计分橱一一送行了详绠熬载透。 第五奄具体介绍了桥梁目标毁伤的检测与评估工作。首先输出仿真出的桥梁目标 毁伤图像，在此基础上运用基于灰魔旺配的“相关系数法”进行桥梁毁伤变化检测， 取褥各橇凝嚣标局帮嚣壤豹毁痿馕凝，鼹毙毁伤魏瓣溪粱翼掭入蓐售患遗行缎褒谔佶 研究。 第六帮，总结全文并指出本文算法的可行性以及需要进一步研究和解决的问题。 9 水上桥梁尉标识别的知识准备硪论文 2 。1 弓l 吉 2 水上桥粱潜标识剃酶知识准备 图像处理采用知识基方法，把处理过獠分成低层、中层帮高屡处理。低层处理是 像褰层次上的处理；中层她理从图像分割崽基元且绘出特钲撼述【i “17 】：赢艨处理是根 据区域及其特征描述与现实世界事物模型麟配 l 霜。为了有效地进行低层和中层处理， 通常用模型葶i 导，这种方法称为模型驱动域s c h e m a 。 本文在以1 ；茸工律豹基确上褥裔了释纂于鲡识濑谈麓率更高鼢求上轿粱谖巅算 法。算法采蠲模爱驱璐静藤毽，分剿跌低豢、中篷窝离艨三个屡次遵行楚邀。低藩彝 中鼷熬处理慕用知识基拯鼯，霹| 三弓l 警冀漩较快遗我到强像中毂簸瓒焦点( 魄辩；承 域、疑熄存程桥梁的局部区域) ，降低处理复杂度，提悫执行效率。进丽由毫艨处理 根据桥粱模型把中低瀑处理所碍的处理焦点的特征嗣桥梁模型避行匹凝，最终对聚 标作出识别和定位。 这种知识驱动( 模型驱动) 算法实现的各个步骤都将由棚应的知识基避行引导， 所叛完备酶待识嗣鹭标先耱知谖津豹建立怒整个算法的设计衽实现静基础。 2 2 桥粱譬标憋先验翔讽庠 桥浆嚣撩识别过程中的分割、捡预l 潮梭验过程紧密捐关，不完龛分开，因越对 低、中、高鼷的处理都要建立相应的知识鏊。 下面将给出麓个算法的攀型驱动框架( 如图2 2 1 ) ，以及低层和中高层处罄时 捷葱的特惩知识介绍，备藤次处理野餐瘸酌兵体知谈蒸将在嚣文中其体阐述。 1 0 匿2 2 。1 算法的模型驱动框絮 南京理工大学硕士学位论文 遥感图像中水上桥梁目标识别与毁伤分析研究 2 2 1 低层处理的知识基 耋 溪 l 薏 塑 图2 2 1 1 低层处理的分割知识 知识1 t 遥感图像中存在大面积易识别的水域，桥梁横跨在水面上。( 如下图所示) 图2 2 1 2 原始遥感图像 知识2 ：水域的灰度值较低且灰度分布均匀( 均方差较小) ，而桥梁的灰度与陆地接 近且灰度值相对较大。从图像的直方图( 如图2 2 1 3 ) 上来看，水域部分的灰度集 中在灰度值较低的波峰周围。 饿域 图2 2 1 3 原始遥感图像( 图2 ，2 1 2 ) 的直方图 四刁 水上桥梁目标识别的知识准备硕士论文 2 。2 。2 中鬻屡处理静麓谈基 爨2 2 。2 。l 中藤层处理的特缀知识 知识3 t 桥面的宽度在一定范围内，那么同一座桥梁两侧的相邻水域之间的间距也在 一定宽度内。( 见图2 2 。2 ，2 ) 整2 2 。2 。2 壤邻隶城踅褰示意匿 知识4 t 桥梁的两侧是水域，显然桥梁的边缘线是水域边沿的一部分。因此若对分割 出黪水域进行边缘提取，所褥到的边缘楚瞧瞬梁线积河岸线组成舱。( 见图2 2 。2 。3 ) 知识5 ，桥梁边缘梯度方向的两侧是水域，而河岸线梯度方向的两侧一边是水域一边 是陆地。在经过水域分割的二值图像上袭现为：桥梁的丽边都是黑色区域，而河岸的 1 2 南京理上大学硕士学位硷文遥感圈慷中水上桥梁目标识别与毁伤分析研究 两边一边是自色区域一边是黑色迸城。( 觅圈3 ，3 2 3 ) 图2 2 2 3 水域边沿图 知识8 ；掇蕊在形状上星矩形，那么扶几何特征来看： t ，长、宽在一定范围内( 桥长2 0 0 5 米，轿宽5 0 1 0 0 米) ； 2 ，若使用角点检测等方法，桥面区域实际应该旮4 个角点； ( 实际操作中考虑噪声、毛刺等因素可适当放宽标准：角点数 6 ) 3 ，两条边沿线跫一对长度近链摆等显露距在一定范霭盎( 耩囊宽度) 的乎 i 童线 4 两条边沿线的间距与长度的比值应该符合一定比例。 2 3 两韩分辨率的s p o t 遥麟鬻像及其区嬲 本文的研究工作主要是针对法豳s p o t 卫璺遥感图像进行的。卫星遥感矧像是利 用遥感器从远距离感知目标反射或者自身辐射的电磁波、可见光或红外线的戚像。当 嚣主要静资深卫星有；美藿的l a n d s a t 卫星，它主要用于陵遗整滚攘测蠢棼境鲶测， 应用最为广泛；法国的s p o t 卫星是1 9 8 6 年发射的，以陆地探测为主要应用，另外， 它可用于立体观测和高程测量，还可以与多种数据融合制作高分辨率卫星图像以代替 航空像片：印度的珉s 袤列卫星等提供韵图像也用于对地蕊测。 按分辨率来分，歪曩图像稿当于中等分辨率的航空露像。遥感圈像的复杂度主要 因为其处距离地球表面数百公里以上，在遥感器媾应过程中因为大气。气候、光照等 外部因索的干扰，以及自身器件的问题等所生成的图像会包含根多诸如条纹等噪声。 两且，出予其疆盖巍麓菠围夫，图像中信意量丰富，对其中煞特定藿标静援索蓑 t 较 困难。 遥感圈像上目标的自动识别算法的设计和所使用的图像数据源密切相关，目标的 水上桥架耳标识别的知识准备硕士论文 谖捌寂提取对数据源本身魂有一定鹃鬻求。蠢显，不间羽数据源和不同静分辨搴决定 了应该采取的策略也不尽相同。另外，豳像本身的复杂度也约束赣目标的识别和提取 的精度。需覆说明的是，本文采用的嫩s p o t 卫星瞬像，分为两类：一类是分辫率为 1 0 米，豫素弱中裹分辨率黼像( 懿疆2 3 ，1 蔟示) ；一炎是寒艨繁静氮辨率辫豫( 强 图2 3 2 所示) 。为了方便比较，将图2 3 1 高度缩放到与图2 3 2 一致。 图2 3 11 0 米像素分辨率s p o t 图像 图2 3 22 0 米像素分辨率s p o t 图像 显然，1 0 聚，像素分辨搴踅豫孛懿遮秘绩惠篦著管豫素分瓣率图像更为睾富， 且水域与背景区域的区别较2 0 米，像豢分辨率图像颇明显。两种分辨率图像中的处理 焦点( 水域和桥梁) 的表现也有所不同，具体区别见表2 3 1 所示。 鉴于待识别目标在这两种分辨率图像上的表现谢较大区别，本文在“知识驱动” 这令总侮繁赡趸；交戆蘩掇下，簧怼德谈麓嚣拣在两类强壤上麴不溺将点分剩捷滋了嚣 套识剐算法。两套算法程低、中、高各屡处理中都将采用不同的处理方法，具体区别 之处将在第3 ，4 两章中作详细的介绍。 1 4 南京理工大学硕士学位论文遥感阕像中水上桥梁瞄标识别与毁伤分析研究 2 4 本牵夺结 本鬻蓠先指出，本文所提出的识别算法采用的是知识驱动毅的策略，算法实现分 为诋、中、囊三藩，繇鼷熬楚瑾工俸蛰| 美褥应熬熟谖基作为弓| 霉。甄瑟瑟中燕熬楚瑾 在相应知识基的指导下可以较快地找到图像中的处理焦点，并提取相关的特征；高层 处理把处理焦点的特彳难与桥梁模型知识进行匹配和验证，最终察现对目标的识别和定 位。可嬲宠冬的待识剐鑫标先验知识摩懿建立是攘个算法设诗帮实现的基戳。 然搿对本文研究豹水上桥梁强标的走验辩谈瘁班及低、中、高各层处璞对应的知 识基做了详细的介绍。 紧接蒋介绍了本文使用的中离分辨率( 1 0 米像素) 帮低分辨率( 2 0 米，像索) 两 蘩分蘩率麓s 附r 遥感鹜缘，鞋及瑟喾感兴趣区域夔区裂，以弓 导嚣穆分辨率蛰稼中 桥梁目标不同识别算法的提出。 中随分辨翠鼹像中桥梁耳标的识别算法硕士论文 3 1 引言 3 中高分辨率阐像中轿粱目标船识剐算法 就l o 米分辨率图像直力图、纹理等方面的特征，本章提如一种针对中高分辨率 图像的稀梁蟊称识鄹算法。算法对嗣标识剐过程中至美蓬要酾低层溺值分割方法，中 层处理的边缘线检测方法( h o u g h 变换) 以及高屡的模型匹配等方藤都做了改进，整 个算法复杂度低，运算速度快，并且有效地提高了桥梁网标的识别率。具体的算法流 程麴下墅瑟示。 图3 1 11 0 米像素图像的目标识别弊法流程图 南京理工大学硕士学位论文 遥感图像中水上桥梁目标识别与毁伤分析研究 3 2 低层处理水域分割 3 。2 1 改进的自适应动态阁值法分割水域 根据水上桥梁的知识，分割算法的研究焦点主要集中在如何区别开图像中的陆地 和河流，提取出水域部分。1 0 米分辨率的遥感图像的直方图呈比较明显的双峰分布， 如图3 2 1 1 ( b ) ，基于知识1 可以采用直方图分割童接将水域提取出来。 图3 2 1 i1 0 米分辨率遥感图像及其直方图 使用阈值是一种区域分割技术，对物体与背景有较强对比的景物的分割特别有 效，是图像分割中广泛采用的方法。对于背景和目标具有较强对比度的图像，它们的 直方图往往呈现为双峰分布的特点。低灰度目标产生灰度值低的峰，高灰度目标产生 灰度值高的峰，而双峰之间的谷底灰度值反映了高低灰度值目标的过渡灰度值，因此 将谷底作为闽值具有明确的物理意义，能够有效的分割这两类目标。当使用阈值规则 进行图像分割时，所有灰度值大于或等于某阈值的像素都被判属于物体，所有小于该 闽值的像素被排除。阈值分割法的结果很大程度上依赖于对阙值的选择，因此该方法 的关键是如何选择合适的闽值。 就l o 米分辨率图像而言，包含有大面积水域，其中的目标( 低灰度值的水域) 和背景( 高灰度值的陆地) 具有较强的对比度，因此图像的直方图往往存在明显的双 峰分布，直接定位直方图上的谷底并将其作为闽值能够有效地将目标和背景分开，提 出水域。本文通过直接定位谷底来确定闽值的方法也是以此为基本出发点的。此外需 要具体考虑的细节就是，在l o 米分辨率图像中存在着纹理清晰的岛和沙滩，两者的 17 中糍分辨率蹦像中耩巢目标鲍识别冀漩硬士谚文 嚣积较大瞧获发嬗寝予水域