高分辨率衛星圖像的獲得使得地面目標的精確定位成為可能。從高分辨率衛星圖像中高效、準確地定位描述橋梁目標具有重要的應用價值。國內外已有許多學者對遙感影像中橋梁目標的識別定位方法進行了相關研究。以往大部分研究都是對橋梁水上部分的檢測方法進行研究,檢測到的結果是位于水上的那部分橋梁片段，對橋梁的定位可能存在較大偏差[1-6]。也有研究人員提出先基于水域做目標粗檢測，在檢測結果中心設定窗口，在窗口內對橋梁進行精檢。此類方法考慮到了除水上橋梁部分的橋體[7-11],但當河流處于枯水期時，水上橋梁部分面積比較小，使用提取水域部分的橋梁檢測方法檢測誤差較大。此種情況下，窗口檢測也存在問題：(1)水上橋梁部分小，自動檢測中窗口往往偏小，專家指導下放大檢測窗口又會引入干擾產生誤檢，由于河岸環境復雜，橋體與背景環境的對比度不大，增加了干擾噪聲；(2)橋梁與道路相連，特征一致，使得以往檢測中對橋梁范圍的界定很模糊，橋梁檢測結果受檢測窗口大小的影響嚴重； (3)當水上橋梁下方存在湖心島時應用以往方法橋梁目標容易被錯檢。

   針對以上問題，本文提出基于環境要素提取的高分辨遙感圖像中枯水期水上橋梁目標的定位方法，結合水域、橋體、陰影等環境要素的聯合特征提取和知識規則驗證，引入橋梁陰影特征，通過陰影與目標的相互驗證輔助橋梁目標的檢測，提高了定位檢測精度。
1 橋梁目標定位系統框架
    通過對高分辨率可見光遙感圖像的分析得到水上橋梁目標的一般知識特征模型：
    (1) 橋梁的灰度和河流兩岸陸地的灰度十分接近，灰度值較高，與橋梁相比，河流的面積比較大，被橋梁分離，灰度值較低。
    (2) 橋梁幾何外形一般是長矩形，橋梁邊緣線表現為兩條近乎平行的直線段。
    (3) 橋梁的兩側是水域，顯然橋梁的邊緣線是水域邊沿的一部分。因此若對分割出的水域進行邊緣提取，所得到的邊緣是由橋梁線和河岸線組成的。
    (4) 橋梁的長度相對于寬度而言較長。
    (5) 橋梁橫跨在河流上，即橋身縱向為水域，將河流分割成兩個平均灰度相近的水域，橫向延伸到陸地上，橋梁兩端與等寬度的道路相連。
    本文給出的橋梁定位算法在自上而下知識驅動下，結合橋梁相關的環境要素的聯合特征提取和知識規則驗證，經過目標檢測、目標定位和描述過程精確定位描述目標。算法引入橋梁陰影特征約束準則，通過陰影與目標的相互驗證來輔助橋梁目標的檢測。通過目標檢測過程在全圖中檢測候選橋梁像素點，鎖定存在橋梁的潛在區域，在通過目標定位及描述過程提取特征驗證檢測結果，提高檢測精度，并且對目標進行定位和描述。算法流程圖如圖1所示。

2 目標探測、目標定位描述
    如圖1所示，依據前面分析得到的橋梁知識特征，目標探測過程首先提取水域。河流灰度值較低，表現為暗色，而且灰度一致性好，采用閾值分割可以將目標和背景分離。水體初步分割之后利用數學形態學運算去除小的噪聲點，并對初檢水體做標記。由于河流區域表現為大連通區域，設定面積閾值確定河流區域。利用區域跟蹤算法提取河流區域的外邊界。由橋梁知識模型(3)可知，此邊界由河岸線和橋梁邊緣線組成。
　根據橋梁知識模型，各個水體區域被橋梁以確定橋寬距離分隔開，計算兩兩水域外邊界點（WaterEdge_m，WaterEdge_n）之間的距離dmn，并設定最大橋寬Wth。
　    dmn<Wth                 (1)
分別記錄滿足式(1)的兩水域的外邊界點，這組點集為潛在橋梁的兩條邊界上的點。以此為中心確定候選橋梁區域。在候選區域內對潛在橋梁的兩條邊界上的點做直線擬合分別得到橋梁的兩條邊緣線(Edge1和Edge2)。提取下面特征根據知識規則驗證橋梁目標真偽，對真實的橋梁目標給出定量描述。滿足以下兩條準則的目標為真目標，否則為假目標。

3 陰影特征約束
    由于光學遙感圖像都是采用中心投影，在成像時衛星傳感器處于被測地區的正上方，傳感器與星下點之間的連線和太陽光線的入射角呈一定交角。通常情況下，地面有高程的目標都存在陰影。在衛星遠距離垂直成像中橋梁目標大體表現為直線特征或者長矩形區域。在以往的建筑物目標識別中，目標分布相對密集，目標陰影間相互遮擋不利于目標的識別，需要想辦法去除陰影，但橋梁目標一般位于水域之上，很少存在遮擋。陰影表現為與橋梁相平行的條帶區域，因此，當河流處于枯水期橋梁實際長度和它的陰影長度幾近相等。根據 &ldquo;四色原理&rdquo;[12]，陰影區域是灰度均值最小的類別。在高分辨率可見光圖像中，陰影區域有很好的灰度一致性，這使得橋梁陰影區域的提取成為可能。因此本文建議在橋梁特征驗證過程中，提取橋梁陰影，輔助橋梁目標的精確定位和描述。
    橋梁陰影特征提取流程圖如圖2所示。這里規定橋梁與其陰影的所屬關系判定原則：

    (1) 陰影的長度大于上面檢測到的橋梁的長度；
    (2)陰影的長軸與上面檢測到的橋梁的主軸幾乎平行，夾角小于10&deg;；
    (3) 上面檢測到的橋梁的中心到其陰影的距離小于2倍橋寬。
    滿足以上原則的認為是某陰影為橋梁的陰影，所屬關系判斷完成。提取其陰影特征輔助校正對應橋梁目標的定位描述，包括橋長、橋寬、橋梁中心位置和橋梁方位。
    根據陰影特征修正橋梁。分別提取陰影區的邊界及橋梁兩邊緣線，進行Hough變換，在垂直于橋梁方位角方向尋找陰影區的邊界點投票數等于1的位置，這些位置對應橋梁兩邊緣線上的點集A和B，分別求取點集A和B內距離最大的兩點，這兩點被認為是橋梁邊緣線的端點，由此得到修正后的橋梁的兩條邊緣線段。
4 實驗結果
    實驗一 如圖3所示圖像為可見光遙感圖像。經閾值分割，數學形態學處理和連通區域標記得到初步水域分割結果如4(a)，根據水域面積閾值去除小面積非水域區域完成水域提取，如圖4(b)三個水域區域及其外邊界線，圖4(c)為直線擬合得到的橋梁邊緣線。盡管此圖中河流并非出于枯水期，但經過陰影特征約束也進一步修正的定位結果。具體定位數據如表1所示，Img1_Bn_Initial是第n個橋梁的初檢結果， Img1_Bn_True是第n個橋梁的真實數據，Img1_Bn_SC是利用本文方法檢測到的第n個橋梁的定位結果。

    實驗二 數據來源于GOOGLE EARTH可見光圖像，如圖5(a)。圖中有兩座水上橋梁，兩座橋梁與同一道路相連而且方位夾角不大，幾乎在一條直線上。傳統的依靠橋梁邊緣線特征的檢測方法很難正確界定兩座橋梁的范圍，窗口選擇過大時甚至可能將其判定為一個橋梁目標。此外，河水處于枯水期，水上橋梁部分面積小，以往檢測誤差大。本文的檢測方法處理這類情況優勢明顯。圖5(b)為初檢結果；陰影區域提取如圖5(c)，對陰影區域進行標記，并與橋梁進行所屬關系判定；圖5(d)是修正后的橋梁提取結果。定位描述具體數據如表1。本文方法得到的目標描述參數更接近目標實際參數，定位精度得到提高。

    實驗三 如圖6所示的遙感圖像三中水上橋梁下方存在湖心島，在以往的檢測方法中容易被誤認為是兩座橋梁。按照本文檢測方法可以正確定位,定位結果如表1中所示。

    本文針對以往水上橋梁檢測精度不高，尤其當河水處于枯水期時檢測結果依賴檢測窗口的選擇，以及水上橋梁下方存在湖心島時橋梁容易被錯檢等問題，提出基于環境要素提取的高分辨遙感圖像中枯水期水上橋梁目標的定位方法。本文方法通過提取與目標密切相關的環境要素，在橋梁知識模型指導下，經過目標檢測、目標定位和描述過程精確定位描述目標。算法引入橋梁陰影特征約束準則，通過陰影與目標的相互驗證輔助橋梁目標的檢測，提高檢測精度，并且對目標進行定位和描述。以實際高分辨率遙感圖像為例，實驗驗證了本文方法的有效性和優越性。
參考文獻
[1] Wu Fan, Wang Cha, Zhang Hong. Recognition of bridges by integrating satellite SAR and optical imagery[C]. IEEE 2005.IEEE International Conference on integration Technology.2007:3939-3941.
[2] Ma Zhenli,Wang Huibin. A knowledge-based target recognition method for remote sensing image[C]. 2007.
[3] CHAUDHURI D, SAMAL A. An automatic bridge detection technique for multispectral images[J]. IEEE Transaction on Geoscience and Remote Sensing, 2008,46(9):2720-2727.
[4] SOERGEL U. Feature extraction and visualization of Bridges over water from high-resolution InSAR data and one  orthophoto[J]. IEEE Journal of Selected Topics in Applied  Earth Observations and Remote Sensing,2008,1(2):147-153.
[5] Chen Aijun. Novel approach for recognizing bridges over water in large remote sensing images[C]. international symposium on computional intelligence and design.2008:48-51.
[6] Zhang Yongmei. A novel recognition approach based on multi-agent[C]. 2010 International Conference on Digital Manufacturing & Automation. 2010: 92-95.
[7] 陳愛軍.典型人造目標自動識別算法研究[D]. 哈爾濱: 哈爾濱工業大學,2008.
[8] 吳樊,王超,張紅等. 基于知識的中高分辨率光學衛星遙感影像橋梁目標識別研究[J].電子與信息學報,2006,28(4):587-591.
[9] Fu Yili . Recognition of bridge over water in high-resolution remote sensing images[C]. 2009 World Congress on computer science and information engineering,2009:621-625.
[10] 周小成,汪小欽,駱劍承，等.基于對象關系特征的高分辨率光學衛星影像水上橋梁目標識別方法[J].遙感應用,2010(2):36-42.
[11] 薄麗萍.橋梁目標識別的研究與實現[D].太原:中北大學,2010.
[12] PAPPAS T N. An adaptive clustering algorithm for image segmentation[J]. IEEE Transaction on Signal Processing. 1992,40(4):901-914.