桥梁目标提取的方法

城市遥感图像中的桥梁目标是重要的人工建筑，通过计算机视觉技术对其进行自动识别研究，在军事和民用上都具有很重要的意义。不同的桥梁由于建造年代、位置、作用、成像时间等的区别，其在遥感图像上表现的形态、大小、灰度、纹理等特征差异较大；但桥梁也有一个共同的特点，就是跨越水体。

目前已有-些桥梁目标识别的方法，大部分是针对某类特定遥感数据源采取的方法，主要有针对LiDAR数据、SAR图像、中低分辨率或高分辨率光学图像等的桥梁目标识别方法。例如，李云帆等以TerraSAR-X图像为例，提出了一种顾及地形特征桥梁提取算法，采用先滤波分类再识别桥梁的策略用于桥梁主体及其与地面连接处脚点的提取。张绍明等提出一种高分 辨率星载SAR图像水上桥梁解译方法。首先计算图像分类特征的纹理描述量，包括Gabor滤波器响应、树形小波参数和灰度共生矩阵。然后利用支持向量机SVM对图像进行分类，将SAR图像分为低反射率区域、城市建筑区和植被覆盖区。在低反射率区域中，利用目标的形状、拓扑关系和目标与背景的灰度分布完成桥梁兴趣区检测。最后利用雷达成像参数和多次回波模型计算桥梁的方向、长度、宽度、水面高度、桥体厚度和正射投影位置。利用TerraSAR-X图像进行的实验表明了该方法的有效性。Chaudhuri 和Samal提出一种从多光谱卫星图像中识别桥梁的方法，桥梁被定义为与道路相连接的、位于两个不相交水体之间的宽度较窄的混凝土结构，该方法主要包括像元分类、道路提取和桥梁识别三个模块。

目前常用的桥梁识别方法可归纳为以下两大类:

第一大类桥梁识别方法:有目的地对图像进行分割等处理并在此基础上与桥梁模型进行匹配。吴皓等提出了一种TM图像中桥梁目标的识别方法。充分利用TM 图像的特征，在底层处理中运用数学形态学的方法提取出潜在桥梁目标；在中层处理中使用链码表示目标并提取其特征参数；在高层处理中进行桥梁识别和后处理。

第二大类桥梁识别方法:先划分水域，然后通过水域找桥梁。

吴樊等提出一套针对中高分辨率光学卫星遥感图像上大中型桥梁的检测和识别的流程。首先根据光学卫星图像特点，运用分割和形态学算子提取河流；沿着河流中心线对桥梁进行检测；经过边缘提取、线段跟踪、直线拟合、边线配对等处理后对检测出的桥梁进行定位，并获取长度、宽度、方位等桥梁参数。该算法流程以SPOT-5 5m全色波段图像进行了验证，证明其能够有效识别河流上桥梁目标。

骆剑承等提出了一种基于知识的高分辨率遥感影像水上桥梁提取方法。该方法结合桥梁水体相连的知识，在水体提取的基础上将图像细化，通过宽度限制检测桥梁主干线，并对其进行矢量化和特征表达来实现桥梁提取。

陈生等根据桥梁和水域相交的空间关系，提出一种面向对象的高分辨率遥感图像桥梁提取方法。首先利用面向对象的影像分析方法对IKONOS全色影像进行河流、陆地分类；然后将陆地提取为一个矢量图层，同时对分类后的影像进行二值化处理，分成河流和陆地两部分，再经数学形态学处理，获得连通的河流对象，并提取河流为一个矢量图层；最后通过河流与陆地求交的空间运算获得桥梁。