高分辨率极化SAR图像特征提取和城区地物目标分类研究

SAR imagery exhibits unique advantages because of its all-weather and all-time characteristics. High-resolution polarimetric SAR image can provide richer geometric, structure and physics information, while it also brings greater challenges for image interpretation. And the large number of dense features and complex properties on earth surface in the urban areas aggravate the difficulty in interpretation. This project focuses on the following two basic key problems. One is exploring the rule that how the coherent statistics, polarmetric characteristics, as well as the theorical methods of feature description can be combined efficiently. And the other one lies in discovering the relation between feature description of the underlying image and the high-level complex class semantic parameters. Based on these two issues, we address on feature extraction in high-resolution polarimetric SAR imagery and targets classification in urban areas is also discussed here. The procedure of this project is as follows. Firstly, build a feature framework model to form a basic expression method which can combine the characteristics of SAR itself and image description theory efficiently; then, develop a multi-level and multi-scale texton feature and a discriminative part structure model description method based on the above step, and realize the scale-sight invariant feature algorithm; finally, build feature parameter models of multi-level hiding theme objects based on non-linear compression sensing against the typical characteristics in urban areas, and realize targets classification. This project is expected to provide key techniques in feature extraction and urban targets classification in SAR imagery.

SAR图像因其全天候全天时等优越性能在城区对地观测中具有独特优越性。高分辨率极化SAR能提供更丰富的目标几何、结构与属性信息，也给解译带来更大挑战，而城区密集的地物特点和复杂的地物属性更加重了解译难度。本项目围绕探索相干统计及极化特性和图像特征描述理论方法有效结合的规律、寻找底层图像特征描述和城区地物目标高层复杂类别语义参数之间关系这两个基础性关键问题，开展高分辨率极化SAR图像特征提取与城区地物目标分类研究。首先，构造SAR图像特征框架，形成有效结合SAR图像成像特性和特征描述理论的基础表达结构；其次，基于特征框架实现具有尺度视向不变性的SAR图像城区地物目标纹理基元特征和局部模型结构特征描述方法；最后，针对城区典型目标特点，构建刻画数据到特征到参数之间关系的非线性压缩感知多层隐语义目标参数模型，实现目标分类算法。本项目有望为SAR图像解译和城区环境及目标监测提供关键技术与方法。

全极化合成孔径雷达（PolSAR）从具有完整地物目标电磁散射特性的各类极化回波信号中提取丰富的有用信息，实现对目标特性的全面描述，现已成为资源普查、城市规划、环境监测以及灾害评估的重要手段，在国民经济和军事领域中都有着重要应用。特征提取和城区地物目标分类是PolSAR应用研究中的热点问题，研究和挖掘极化SAR数据背后的散射机理模型、目标几何、结构与属性信息，提取影像中包含的特征信息，发展高可信的地物目标分类方法，可以推动PolSAR遥感技术在各行业领域的应用，具有重要的理论意义和应用价值。. 在高分辨率极化SAR数据资源日益丰富的同时，如何从SAR图像中有效地提取出机理信息、结构属性信息并合理地“表示”出来，进行自适应的“学习”和“完善”，从而完成城区地物目标的分类，这是当前极化SAR图像解译应用的迫切要求。本项目针对SAR特征提取和城区地物目标分类问题，重点围绕其中所涉及的SAR极化目标分解和图像处理方法、SAR特征表达框架、SAR结构特征描述、基于特征表达和参数模型的地物目标分类、基于特征学习与深度网络的SAR特征提取五个方面展开研究。在SAR极化目标分解和图像处理方面，针对极化分解尺度单一的问题，提出了多尺度描述基元，有效提取了时序信息，针对常规图像处理方法缺乏物理机制信息的问题，以语义信息或属性信息代替原始特征，有效提升了分类准确率。在SAR特征表达框架方面，针对SAR图像分别提出基于统计特征、基于粒子滤波器、基于局部拓扑模式的特征描述框架，处理后的特征更准确地描述了原始信息。在SAR结构特征描述方面，结合混合统计分布与目标结构信息实现目标检测，成功克服了SAR图像散射性。在基于特征表达和参数模型的地物目标分类方面，针对高分辨率图像的丰富信息提出了基于最大后验的多字典时空模型，充分利用了上下文信息。在基于特征学习与深度网络的SAR特性研究方面，利用深度网络学习SAR高层特征，并结合图嵌入框架进一步优化特征表达。..本项目研究在高分辨率极化SAR图像的特征提取和城区地物目标分类上取得了显著进展，为高分辨率极化SAR图像自动解译和应用提供了有力的技术支撑。