基于多个极化通道的SAR影像道路探测

提出了一种从SAR影像的多个极化通道探测道路的新方法。首先，介绍了用边缘探测器构造道路探测器的方法； 然后，将多参数统计假设检验的方法应用到全极化影像的信息融合中，并将该方法提取的结果与传统Tupin法提取的结果进行了比较。实验表明，该方法对全极化SAR影像道路边缘的提取效果较好，具有一定的适用性。     

高分辨率SAR与光学遥感影像中道路提取方法的研究

高分辨率影像能够提供丰富的地表细节信息,从高分辨率遥感影像中进行高精度的道路提取是目前遥感信息处理的研究热点。分别以高分辨光学IKONOS影像和COSMO-Skymed SAR影像为数据源,对北京市某区域进行了道路信息自动提取方法的研究。高分辨率光学影像中采用最大似然分类进行道路信息提取,在SAR影像中则采用Otsu阈...     

改进剖面匹配和EKF对SAR影像道路半自动提取

道路提取作为典型的线状目标提取,是遥感影像目标解译的研究热点。合成孔径雷达（SAR）影像包含了丰富的物理特性,能够全天时、全天候地获取影像数据,已广泛应用于道路提取中。传统的道路提取方法分为全自动和半自动方法。全自动道路提取会出现漏检和错检,需要大量的人工后处理。半自动方法结合人工干预,是对计算机的计算能力和人工解译准确性的有效折中。提出了用一种改进剖面匹配和扩展卡尔曼滤波（EKF）的方法对SAR影像道路进行半自动提取的方法。首先构建了道路提取模型,其次通过改进剖面匹配算法获取准确的观测值,最后利用EKF对观测值进行更新获取道路最优估计值。选取美国缅因州Howland地区L波段UAVSAR数据和海南陵水地区X波段机载SAR数据进行实验,结果表明,该方法在较少人工干预的情况下,能够对复杂场景道路进行有效稳健的提取。     

一种高分辨率SAR影像道路提取方法

针对高分辨率SAR影像中细节信息损坏道路的面特征结构、影响道路提取,基于影像统计特征,给出一种结合区域生长和细节信息识别的道路提取方法。该方法通过区域生长提取呈现面特征的暗目标(道路框架),利用CFAR算法识别细节,通过形态学融合得到最终结果。为降低高分辨率影像区域异质性对提取结果影响,提出了一种自适应CFAR算法,相比之前算法可自适应删除干扰点;并引入有效表征影像统计的GA0分布。利用海南省陵水黎族自治县机载X波段高分辨率SAR数据的幅度影像进行实验,结果表明,该方法能有效提取呈面特征的道路,获得准确的道路宽度和中心线信息。     

结合统计和形状特征的高分辨率SAR影像道路网提取

结合高分辨率SAR影像统计特性和道路形状特征,提出一种新的道路网提取方法。首先引入窗口均值改进二值分割,以降低SAR影像固有斑点的噪声影响,针对高分辨率影像中道路呈现为面特征并存在宽度变化的情况,引入VC系数自适应调整窗口大小,从而有效提取可能的道路区域;然后利用道路的形状特征约束,去除非道路区域;最后通过空洞填充、腐蚀和膨胀等数学形态学运算,以及骨骼化和去除多余分支等处理,提取道路网络。实验证实了本文方法的有效性。     

基于形状与纹理特征的高分辨率SAR影像桥梁目标自动提取方法

基于高分辨率SAR影像中桥梁目标特征的分析,提出了一种桥梁目标自动提取方法。首先使用多影像时序平均法对SAR影像进行预处理,去除SAR影像噪声;再使用阈值法对水体分割;最后采用形状特征与纹理特征相结合的方法提取桥梁目标。本方法在提取效果上明显优于传统桥梁目标提取方法,其提取准确率可达87.5%。证明本文方法在面向高分辨率雷达影像的桥梁目标自动提取应用上的可靠性和可行性。     

高分辨率SAR影像斑点噪声滤除方法的研究

SAR影像中一般都存在着斑点噪声,它严重干扰了地物信息的提取与SAR影像的应用,影响了地物的判读,因此,抑制SAR影像斑点噪声对SAR影像的应用有着重要意义。本文首先分析了斑点噪声的产生机理及数学模型,然后介绍了滤除斑点噪声的方法,重点介绍了几种局域统计自适应滤波,总结了SAR斑点噪声滤除的两种数学模型作为构造SAR斑点噪声滤除方法的基础,然后针对几种典型的滤波算法进行了对比试验,最后提出了一套对这些滤波斑点噪声滤除效果的定量化评价指标,并运用到试验中,指导SAR影像斑点噪声的滤除以及滤波算法的构造。     

利用GIS与贝叶斯网络进行高分辨率SAR影像道路损毁信息提取

合成孔径雷达(synthetic aperture radar,SAR)具有全天时、全天候观测,穿透能力强等特点,在灾害监测与评估、资源勘探等方面得到广泛应用,但其固有的相干斑噪声严重限制了单一利用SAR影像进行快速的信息获取。本文提出了一种基于GIS与贝叶斯网络的高分辨率SAR影像道路损毁信息提取方法。在GIS数据的辅助下,利用水平集分割与改进的D1检测融合的方法在影像上提取疑似道路损毁区域;再综合多证据及疑似损毁区观测值构建贝叶斯网络模型,对疑似损毁区进一步判断提取出实际道路损毁区域。实验结果表明,该方法能够快速、准确地对道路损毁信息进行提取。     

时序地基SAR子影像集监测地震滑坡灾害研究

将星载SAR时间序列技术引入到地基SAR影像处理中,研究时序地基SAR影像监测地震后滑坡灾害。鉴于地基SAR设备与星载SAR传感器多方面均存在较大差异,时序星载SAR技术实际上不能直接用于地基SAR影像序列的分析与处理。考虑地基SAR气象环境等因素的影响,选用子影像集的方法,详细分析了时序地基SAR平均子影像集的生成、相干点目标的选取、沉降模型的建立与解算等处理步骤。以云南鲁甸地震后红石岩滑坡作为研究对象,首先对GB-SAR影像数据依据各影像数据质量提取生成子影像集,然后利用多阈值相结合的方法提取相干点目标,最后对时序建模后的结果进行分析。研究表明时序地基SAR子影像集监测滑坡灾害是有效的。     

SURF与归一化互相关测度相结合的SAR影像匹配方法研究

合成孔径雷达(SAR)匹配是SAR影像处理的重要环节,但由于SAR影像的特殊成像机理,导致SAR影像在匹配时会出现精度、成功率都较低等问题。特别是山地区域,SAR影像富含纹理信息稀少,影像间几何畸变和辐射变形严重,导致特征点提取困难,匹配精度低。鉴于此,本文提出了采用SURF算法和归一化互相关测度相结合的方法,该方法能够快速获得大量匹配点对,实现SAR影像高效的自动化匹配。首先,应用SURF算法获取影像特征点约束匹配搜索范围;然后,采用归一化互相关和测度筛选提取到的匹配点对;最后,利用双向一致性约束剔除错误匹配点对。本文选取地形复杂区域SAR影像数据进行匹配实验,结果表明,该方法能够获得高精度、特征稳定且分布均匀的匹配点对,可以有效地避免几何变形对SAR影像匹配的影响。     

一种从SAR图像中提取城市道路网络的方法

提出一种从高分辨率SAR图像中提取城市道路网络的算法.在高分辨率SAR图像中,道路在空间结构上表现为一细长的且宽度基本恒定不变的均匀区域.利用模糊C均值聚类方法对高分辨率SAR图像进行聚类分析,将道路类像素从原始图像中分离出来.为突出道路形状特征,减少冗余信息,对聚类结果进行细化,同时利用跟踪算子消除短线段;以提取道路中心线二值图的像素值作为图像能量,应用Snakes模型检测道路网络.通过实际SAR图像验证,该算法可以准确提取复杂的城市道路网络.     

SAR图像多尺度积增强的目标检测算法

合成孔径雷达（SAR）成像系统的热噪声和海杂波严重影响SAR图像自动目标检测的性能,去噪和均匀背景杂波是提高SAR图像目标检测性能的重要课题。根据SAR图像噪声功率一般存在于信号小尺度,没有跨尺度特征,而目标信号的边缘具有跨尺度的特点,本文提出了一种多尺度积信号增强和去噪的SAR图像船舰目标检测算法。本算法对SAR图像进行小波变换,应用多尺度积在小波域增强SAR图像船舰信号和均匀背景杂波,再对SAR图像进行目标检测。ERS SAR图像用于验证本文算法。仿真实验结果表明,新算法同传统的双参数CFAR检测算法、基于K-分布背景杂波的检测算法以及基于小波软阈值增强的检测算法相比,在虚警数和品质因数性能指标上均优于后几种检测算法。     

星载SAR地形辐射校正模型及其效果评价

根据合成孔径雷达(SAR)严格成像几何模型和辐射定标公式建立了地形辐射校正(TRC)模型。通过实验,从定性和定量两个方面评价了TRC模型的有效性。比较了基于投影角和基于当地入射角两种计算有效散射单元面积的方法,对根据初始定位模型计算有效散射单元面积的合理性进行了分析。     

利用SAR影像配准偏移量提取地表形变的方法与误差分析

单一的InSAR观测技术可提取地表沿雷达视线方向(LOS)上的一维位移,而利用SAR影像配准过程中的同名像素偏移量可提取地表沿雷达方位向(近南北向)与距离向(近东西向)的二维形变场,与LOS方向的一维形变形成优势互补。本文在分析SAR影像配准偏移量提取地表形变场方法的基础上,推导建立了雷达方位向与距离向形变提取的误差模型,探讨了该方法提取地表形变的主要误差源。以Bam地震ASAR影像和玉树地震PALSAR影像为数据源,分别开展同震形变场的提取与误差分析试验,结果表明,基于SAR像素配准偏移量提取同震形变场的精度主要受匹配窗口尺寸与过采样因子影响,形变提取误差随匹配计算窗口的增大而减小,形变提取精度随过采样因子的增大有适量提高,地形起伏效应在高差较大的SAR影像区域中表现较为显著。     

SAR图像ROEWA边缘检测器的改进

针对指数加权均值比(ROEWA)边缘检测算子无法准确确定边缘位置和边缘方向的问题,对其表达式进行了改进。重新定义了反转的、带符号的、归一化最小指数加权均值比(IROEWA),作为边缘强度指标,来量化描述边缘的跃变程度,并在此基础上准确计算出边缘的方位。同时将改进的非极大值抑制算法应用到边缘检测流程中,对IROEWA得到的边缘强度图进行后处理。针对自然SAR图像和仿真SAR图像的实验都表明,改进算法能够得到比ROEWA加分水岭分割的原始算法更好的边缘检测结果。利用接收者操作特征(ROC)曲线,对改进算法进行量化评价,其曲线下面积(AUC)可达0.97570,非常接近理想的检测器;在其ROC曲线的最优点处,检测率可达0.95232,而虚警率仅为0.00214左右。     

Extracting urban water bodies from high-resolution radar images: Measuring the urban surface morphology to control for radar’s double-bounce effect

Satellite remote sensing is an effective method for extracting water bodies on a large scale. Radar imagery, such as synthetic aperture radar (SAR) imagery, can penetrate clouds and provide opportunities for water body identification when in situ observations are difficult to obtain because of severe weather conditions. However, when using SAR images in urban areas to extract water bodies, the radar’s double-bounce effect results in complicated backscatter patterns of water near urban features such as buildings due to the side-looking properties of SAR sensors and the vertical urban structures. Therefore, the objective of this study is to propose a reliable urban water extraction framework for SAR images that integrates urban surface morphological features for controlling radar’s multiple bounces. Statistical (logistic regression) and machine-learning (random forest) models were used to explore how radar’s double-bounce effect influences the prediction performance of urban water extraction. Our findings indicate that when extracting urban water bodies, urban water’s backscatter values could be significantly interfered by the neighboring building density above a threshold height that contributes to radar’s multiple bounces. Without model calibration, our framework incorporating urban surface morphology demonstrates high prediction ability with an Area Under the Curve (AUC) of 0.914 and with 97.0% of urban water cells correctly identified by testing in another city sharing similar urban forms. In summary, our study provides a better understanding of the role of the urban surface morphology in the double-bounce effect in SAR images, specifically for differentiating urban water and land, thereby improving the accuracy of urban water extraction and enhancing the feasibility of further applications of SAR imagery under complex urban landscapes.     

Semi-automated extraction and delineation of 3D roads of street scene from mobile laser scanning point clouds

Accurate 3D road information is important for applications such as road maintenance and virtual 3D modeling. Mobile laser scanning (MLS) is an efficient technique for capturing dense point clouds that can be used to construct detailed road models for large areas. This paper presents a method for extracting and delineating roads from large-scale MLS point clouds. The proposed method partitions MLS point clouds into a set of consecutive “scanning lines”, which each consists of a road cross section. A moving window operator is used to filter out non-ground points line by line, and curb points are detected based on curb patterns. The detected curb points are tracked and refined so that they are both globally consistent and locally similar. To evaluate the validity of the proposed method, experiments were conducted using two types of street-scene point clouds captured by Optech’s Lynx Mobile Mapper System. The completeness, correctness, and quality of the extracted roads are over 94.42%, 91.13%, and 91.3%, respectively, which proves the proposed method is a promising solution for extracting 3D roads from MLS point clouds.     

Comparative Study on the Performance of Multiparameter SAR Data for Operational Urban Areas Extraction Using Textural Features

The advent of a new generation of synthetic aperture radar (SAR) satellites, such as Advanced SAR/Environmental Satellite (C-band), Phased Array Type L-band Synthetic Aperture Radar/Advanced Land Observing Satellite (L-band), and TerraSAR-X (X-band), offers advanced potentials for the detection of urban tissue. In this letter, we analyze and compare the performance of multiple types of SAR images in terms of band frequency, polarization, incidence angle, and spatial resolution for the purpose of operational urban areas delineation. As a reference for comparison, we use a proven method for extracting textural features based on a Gaussian Markov Random Field (GMRF) model. The results of urban areas delineation are quantitatively analyzed allowing performing intrasensor and intersensors comparisons. Sensitivity of the GMRF model with respect to texture window size and to spatial resolutions of SAR images is also investigated. Intrasensor comparison shows that polarization and incidence angle play a significant role in the potential of the GMRF model for the extraction of urban areas from SAR images. Intersensors comparison evidences the better performances of X-band images, acquired at 1-m spatial resolution, when resampled to resolutions of 5 and 10 m.