单幅高分辨率SAR图像建筑物三维模型重构

提出了一种利用高分辨率SAR图像进行建筑物提取和三维重构的方法.首先,分析了高分辨率SAR图像建筑物产生的电磁散射的类型,给出了不同类型散射区域的后向散射计算方法,并在此基础上给出了一种利用建筑物三维CAD模型进行SAR建筑物特征区域图像仿真的方法;其次,给出了利用建筑物的二次散射结构确定建筑物底部轮廓位置和方向的方法,并提出了一种基于分布密度函数差异的仿真图像迭代匹配方法,进行建筑物高度的反演.仿真SAR图像后向散射系数用来划分建筑物不同的散射区域,通过计算特征区域之间的分布密度函数差异,以取得最大匹配度值的仿真图像对应的检验高度作为建筑物的反演高度;最后,选用了两幅不同屋顶类型的实际机载高分辨率SAR图像进行建筑物提取和三维重构实验,试验结果较为理想,验证了所提方法的可行性和有效性.     

高分辨率SAR图像散射中心特征提取

合成孔径雷达(SAR)目标检测和识别是SAR实用化的瓶颈技术之一,提取有效的目标特征是SAR目标检测与识别的关键环节。高分辨率SAR图像中,目标属性散射中心特征反映了目标散射中心的位置、类型等信息,精确获取目标散射中心属性特征能够提高对目标的检测识别性能。针对SAR目标属性散射中心特征的提取,该文提出了一种基于改进的空间-波数分布(ISWD)的特征提取方法,该方法首先利用ISWD估计散射中心关于频率与方位角的函数,然后利用该函数来获得目标属性散射中心模型参数。最后利用仿真实验验证了方法的有效性。     

高分辨率SAR图像桥梁目标仿真与特性分析

该文针对多径散射特征,给出了一种高分辨率SAR图像的仿真与特性分析方法,以桥梁目标为例开展了分析,该仿真方法从SAR工作原理出发,利用几何光学法计算和分析桥梁目标的单次散射情况和多径散射情况,并根据雷达工作原理和成像机理利用散射数据获得仿真SAR图像。文中选择了悉尼大桥为研究对象,利用分辨率为1 m的Terra-SAR数据开展了实验,仿真获得的SAR图像与实际SAR图像的主要散射特征一致,验证了方法的有效性;同时,根据仿真算法的分析过程,文中给出了悉尼大桥SAR图像主要散射特征的细节解释。实验表明,该方法能够有效获得目标的多径散射特征,同时能够有效辅助目标的SAR图像理解工作。      

分析圆柱油罐目标合成孔径雷达图像的新方法

该文提出了一种针对油罐目标的合成孔径雷达(SAR)图像的分析方法。该方法根据圆柱油罐具有圆型边缘和圆柱型外形的几何特点,利用物理光学法(Physical Optics,PO)和增量绕射长度(Incremental Length DiffractionCoefficients,ILDC)理论建立了油罐目标的散射模型,并基于该模型推导了圆柱油罐的散射中心分布特征,同时引入投影映射算法(Mapping and Projection Algorithm,MPA)建立了成像模型,有效利用了单一视角的散射数据进行SAR图像模拟,仿真结果与实际SAR图像散射特征吻合,验证了方法的有效性。同时,利用45组实测数据得到了SAR图像散射中心的特征,并根据建立的散射模型和成像模型,分析和总结了油罐目标SAR图像的主要散射特征,为SAR图像中基于油罐目标的识别领域提供了理论依据。     

一种利用SAR和可见光图像融合检测目标的方法

本文利用军事目标在SAR图像中具有较大的雷达散射截面,后向散射强以及在可见光图像中几何外形清晰的特点,提出一种利用SAR图像和可见光图像多维特征检测目标的方法。该方法分为图像预处理,目标检测和融合检测三部分。首先,利用基于特征匹配的方法对多传感器图像进行配准。其次,利用全局双参数恒虚警(CFAR)方法检测SAR图像中的目标,经过滤波处理后,确定感兴趣区域(Region Of Interesting,ROI)并提取目标的SAR图像特征;将ROI映射到可见光图像中,对该区域进行边缘检测、滤波、连通性分析、提取目标的可见光图像特征。最后,在特征层利用特征向量距离准则融合检测目标。实验结果表明该方法性能优于单传感器检测方法,且能有效的改进目标检测性能。      

圆柱型油罐SAR图像的多径散射特征和几何参数提取

结合多径散射理论和雷达成像原理,针对圆柱型固定顶油罐和浮动顶油罐的SAR图像的多径散射提出了一种预测模型,该预测模型建立了多径散射机制引起的图像上的近似聚焦位置、强度与油罐、雷达相关参数的关系.同时,结合仿真实验和Terra-SAR图像验证了该模型的有效性,分析了油罐目标的多径特征,并针对Terra-SAR图像利用基于模型的方法有效提取了油罐目标的几何参数.结果和分析表明,该方法比传统的方法在精度、稳定性上均有所提高.     

基于方位不变性的SAR图像旋转体检测

针对复杂环境中微弱旋转体目标(如地雷等)检测的难题,提出了一种基于方位散射特征和局部对比度特征融合的检测算法。首先,对旋转体目标特性进行了分析,进而利用子孔径SAR图像提取方位散射熵作为待检测特征。对全孔径SAR图像分别进行方位不变性检测和CFAR检测,并将检测结果相融合,得到最终检测结果。算法体现了利用目标先验知识辅助检测的思路,实测数据结果表明,该方法能够有效剔除原先在全孔径图像中无法剔除的杂波,有效降低检测的虚警率。     

基于SAR极化特征的SVM道路提取方法研究

SAR图像中道路提取在路网规划建设、灾害监测等领域具有重要的应用价值.传统SAR图像道路提取方法多是基于SAR图像的幅值特性进行提取,缺少对极化特性的解译.此外极化分解方法多应用于水体提取、地物分类、建筑物提取等,较少应用于道路提取.针对现有的道路提取方法数据质量要求高、全极化道路提取研究较少、全极化数据源相干斑噪声影响大的问题,本文首先对全极化数据进行多视处理、滤波去噪预处理,并通过极化分解方法获取20维极化特征散射分量.其次,从散射机理的角度出发,构建鉴别道路信息的最优极化特征矢量.最后,通过SVM分类器得到初步道路提取结果,并通过数学形态法提取道路数据.实验结果表明,该方法达到了98.4%的Acc和65.3%的Iou,具有提取精度高、应用范围广的优点,充分利用高分辨率SAR数据的极化信息,可有效应用于SAR图像的道路提取方法研究中.此外,区分于将光学道路提取的方法直接套用到SAR图像道路提取研究,本文探索了极化特征在SAR图像道路提取中的应用表现,为SAR图像道路提取研究提出新模式新思路.     

多方位高分辨率SAR的三维目标自动重建(一)目标像的检测

用多方位SAR图像融合获取立体目标信息是高分辨率SAR的一项关键应用技术.以t长方体为建筑物目标模型,提出从多方位米级分辨率SAR图像自动重建三维立体建筑物目标的方法.全文分两部分,第一部分介绍从米级分辨率SAR图像检测提取建筑物目标像的方法.先用恒虚警率(CFAR)检测器检测各方位SAR图像中建筑物目标像的边缘,然后用脊滤波细化边缘,再根据条状建筑物像的直线特征,用分块平行线Hough变换检测平行线段,最终检测得到平行四边形的建筑物目标像.文中用虚拟场景模拟的SAR图像和机载全极化X波段Pi-SAR图像做试验,提取了建筑物目标像.第二部分以本文为基础进行三维建筑物目标群的重建.     

基于圆迹SAR的建筑物轮廓信息提取

利用圆迹SAR 对目标的全方位观测的特点,该文提出一种基于圆迹 SAR 数据的建筑物轮廓信息提取以及所处地面的高度估计的方法。首先,通过雷达立体测量的方法粗估计出目标建筑物所处地面的海拔高度。然后,以该高度为基准上下一定范围内划分多个成像平面层,在各个成像平面上对建筑物进行圆迹SAR成像。最后,在圆迹SAR图像中选择建筑物二次反射亮线构成封闭线框的一副图像,从该幅图像中提取建筑物在水平面的轮廓信息,同时将该图像对应的成像平面高度确定为目标建筑物所在地面的高度。P波段机载圆迹SAR实测数据验证了该方法的有效性。     

基于模型迭代匹配的单幅高分辨SAR图像遮挡建筑物高度估计方法

分析了高分辨SAR图像中受遮挡建筑物的特点,提出了一种针对遮挡情况建筑物的高度估计方法。该方法基于模型迭代匹配的思想,将一系列高度参数假设依所提构建的计算模型变换为特征信号并与SAR图像进行匹配,使似然函数达到最大的高度假设即为待估计的遮挡建筑物高度。基于仿真和实测SAR数据的实验结果表明,和已有方法相比,所提方法可以更准确地实现对部分被遮挡建筑物的高度估计。     

典型线面目标合成孔径雷达参数化成像

在复杂场景(特别是城区场景)合成孔径雷达(SAR)遥感成像中,存在大量线、面目标,如城区中的道路和建筑物边缘等目标,这些线面目标微波散射信号方向性强。传统SAR从单一视角获取场景的散射信息,且传统成像算法均基于点目标模型,使得传统SAR图像中线面目标主要特征表现为一系列的强散射点,而非线散射特征和面散射特征,最终造成SAR图像中目标不连续,SAR图像解译困难。因此,该文通过建立典型线段、三角面元目标的参数化回波模型,对线面目标SAR成像机理进行了深入细致的研究;并基于提出的参数化模型对线面目标进行参数化成像,即首先基于贝叶斯理论和所提的参数化模型对典型的线面目标进行分类判决,随后采用再成像的方式获得有效表征线、面目标散射特征的SAR图像,为线、面目标SAR图像解译提供有效支撑。最后,数值仿真实验成功验证了所提算法的有效性和正确性。      

高分辨率SAR图像中矩形建筑物特性分析与三维重建

近年来不断发展成熟的合成孔径雷达技术将获取的图像分辨率提高到分米级.在高分辨率条件下,建筑物在SAR图像上表现出的空间信息更加丰富,结构特征更加明显.首先提出了分解模型对高分辨SAR图像中矩形建筑物的特性进行详细分析.在此模型中,散射效应根据不同的贡献来源被细分,以便于解析建筑物图像特征在不同的SAR成像条件下的几何结构和空间分布规律.然后基于建筑物图像表征的结构先验,提出了一种新的单幅高分辨率SAR图像建筑物检测和3-D重建算法,其中包括模型匹配的图像特征的提取,以及先验引导的重建过程.最后,选用了实际高分辨率SAR图像进行建筑物检测和三维重建实验并对重建结果进行了讨论.     

基于图割与阴影邻接关系的高分辨率遥感影像建筑物提取方法

高空间分辨率遥感影像的建筑物自动提取能够加速城市基础地理数据库的更新进程.建筑物提取方法存在的一个亟需解决的问题是建筑物轮廓难以准确提取.本文通过建筑物的阴影特征和图割提出一种在高分辨率遥感影像中识别与提取建筑物的方法.首先,基于势直方图函数检测阴影;然后,以长宽比和矩形度作为约束条件从图割结果中筛选出候选分割对象;最后,利用开运算、膨胀和腐蚀分别对阴影进行处理,计算处理后的阴影和候选分割对象之间的邻接关系得到建筑物及其轮廓.为了验证本文方法的有效性,选取PLEIADES影像中6幅具有代表性的子图像进行试验,结果表明本方法的平均查准率和平均查全率分别达到92.31%和74.23%.     

Orthoimage Creation of Extremely High Buildings

This paper presents a method for creating orthoimage in the urban area of extremely high buildings. The proposed method in this paper is different from the traditional methods, which improved the accuracy by increasing the number and/or improved the geometric distribution of ground control points. This proposed method first established a mathematical model of constraint condition on the building edges, such as perpendicularity, and then the established constraint conditions are merged into the orthorectification model. A test field located in downtown of Denver, CO, has been used to evaluate our methods. The experiments of comparing the accuracy achieved by our method and other methods are conducted. The experimental results demonstrated that the proposed method can improve the accuracy of 2–5 ft for those buildings of over 100 m high and even 5–7 ft for those buildings over 100 m high in the margin of imagery.      

基于脚点热度图和双向连接图的遥感影像建筑物提取方法

目前,大多数基于深度学习的遥感影像建筑物提取方法采用语义分割的方式,对遥感影像进行二分类预测。然而,该类方法没有考虑建筑物的几何特性,难以进行精确提取。为了更精确地提取建筑物,该文引入建筑物的几何信息,提出一种基于脚点热度图和双向连接图的建筑物轮廓提取方法。该方法为一种多分支的深度卷积网络,分别对建筑物的脚点以及脚点间的连接性进行预测。在其中一个分支中,预测建筑物的脚点热度图,并用非极大抑制算法得到建筑物的脚点像素坐标;利用另外两个分支预测脚点之间的正向连通性和反向连通性,并通过这种双向连接图对脚点间是否具有连接性进行判断,在将具有连通性的脚点进行连接后,可得到最终的建筑物轮廓。该文算法在Buildings2Vec数据集上进行了验证,结果表明该方法在遥感影像建筑物提取中具有一定的优越性。     

基于数据融合的居民区建筑物重建方法研究

针对美国新奥尔良地区稀疏的LiDAR （Light Detecting and Ranging）点云数据,提出了一种基于LiDAR数据和卫星图像进行融合的居民区建筑物重建方法.该方法利用LiDAR数据点集的边界来定位卫星图像上的感兴趣区域,利用从感兴趣区域中提取的关键提示线来实现屋顶的分割,从而得到属于每个建筑物的屋顶点.然后,基于三角面片的法向量方向信息对其进行聚类,根据法向量之间的关系进行屋顶类型识别,从而实现居民区建筑物的重建.实验表明,该方法在进行居民区建筑物重建时,能达到较高的重建率,且重建所需时间合理,能够满足虚拟现实系统的需要.     

基于Hough变换与目标主轴提取的SAR图像目标方位角估计方法

该文提出了一种基于Hough变换与目标主轴提取的SAR图像目标方位角估计方法。针对传统基于Hough变换估计方法的不足,在估计过程中引入目标的主轴信息指导方位角的估计。利用基于马尔可夫随机场(MRF)的图像分割提取准确的目标成像轮廓。在此基础上,基于Hough变换检测目标轮廓的直边,基于轮廓特征点检测获得目标主轴的大致方向,结合Hough变换检测结果与目标主轴信息获得最终的方位角估计。实验结果验证了该文方法的有效性。     

基于属性滤波和上下文分析的高分辨遥感图像建筑物提取方法

遥感图像分辨率的提高在带来丰富细节的同时,也给传统的目标提取方法提出了新的挑战。该文根据建筑物目标的属性和上下文关系,提出了一种新的高分辨率遥感图像中建筑物目标提取方法。该方法首先以具有相似属性的连通像素为处理单元,依据地物对象间的属性差异,对遥感图像进行不同尺度的属性滤波;接着根据建筑物和阴影的自身属性特点,对上述属性滤波结果进行粗筛,形成备选目标集;最后,进一步考虑建筑物与其阴影间的上下文关系,从二者的方位角、相对位置和区域距离3方面对备选目标集进行筛选,完成建筑物提取。对居民区和工业区遥感图像的实验结果表明,该方法优于传统方法,可用于提取多种类型的建筑物。