高分辨率SAR图像城市目标认知解译与动态监测应用研究

SAR systems of the new generation provide images with a high spatial resolution, which is particularly useful for observing building blocks in urban areas and single building structures in detail. However, phenomena due to the side-looking scene illumination of the SAR sensor, such as layover, foreshortening, and shadowing, as well as the multi-bounce scattering, complicate the interpretability. .Our proposed research topics concentrate on the application of object recognition and interpretation from high-resolution SAR images in urban areas. Based on the analysis of target backscattering characteristics and their statistical models, the coherent and non-coherent information will be integrated to understand and describe a target. We will expand the traditional target cognitive model to a hierarchy model with a multi-layer Pixel-Object-Target-Scene pattern, and then investigate the spatial-temporal evolution process of the target characteristics with time-series SAR images..Using for example TomoSAR to analyze the time-series data, multiple scatterers in one resolution cell can be separated, which is important in the analysis of targets in dense urban areas. Using differential TomoSAR is comparable to PS-InSAR, however PS-InSAR is only capable of estimating one height and velocity value per pixel, whereas D-TomoSAR estimates these for each dominant scatterer in the resolution cell, making it the more valuable choice in dense urban areas. .As the pilot applications demonstrating the basic idea of moving from a static cognitive mode to a dynamic mode, we will focus on the target identification and change detection in urban areas. Finally, a prototype for the data processing and image interpretation system will be developed.

尽管从高分辨率SAR图像中可获取的目标特征信息越来越丰富，目标的复杂性、密集建筑物间电磁波的多次散射和侧视成像固有的几何畸变等因素使得SAR图像目标解译和应用仍然非常困难。本项目针对高分辨率SAR图像中城市复杂场景下目标高效认知解译的重大应用需求，结合项目群其他方向的研究，重点从地物目标的相干散射、数据统计和图像视觉等模型入手，进一步综合相干/非相干信息对典型目标进行一体化特征描述与表达，建立“像元-对象-目标-场景”的层次化认知模式，进而扩展到时间序列上对目标/场景时空演变现象的研究。在理论方法和关键技术有所突破的同时，立足于复杂场景下城市地物目标的识别和变化监测等方面开展典型应用研究，探索城市复杂场景下从静态到动态、二维到三维的地物目标高效认知解译的研究思路，充分刻画和展示项目群从静态认知到动态监测的目标认知解译过程，并形成开放式的研究平台和基础环境。

本项目针对城市复杂场景下高分辨率SAR图像中目标高效认知解译的研究目标，一方面从地物目标的相干散射、数据统计和图像视觉等模型入手，提出了一体化的目标/场景认知模型，建立了“像元-对象-目标-场景”的层次化认知模式，揭示了从目标数据向语义知识转化的规律。另一方面，通过综合相干和非相干信息进一步阐明了目标几何/物理特性在SAR数据集中的信息分布特征，揭示了时间序列SAR图像中地物目标散射特性时空演化规律，研究了城市复杂场景下从静态到动态、二维到三维的地物目标高效认知解译方法。. 在理论方法和关键技术突破的同时，本项目提出了一系列融合相干/非相干信息的城市地区时间序列SAR影像的人工地物目标提取、变化检测和变化模式提取方法。TomoSAR 方法研究中，提出了两种时间序列SAR层析成像方法，可以有效分离单个SAR像素内的多重散射体信号，精确地获取人工地物目标的三维位置和形变信息，突破城市地区形变监测中叠掩效应的制约。通过对不同类型城市地物（包括道路、桥梁和建筑物等）进行温度形变的建模与解算，发现了温度形变的分布模式和传播方向与地物目标的结构和材料特性的关联关系，进一步提高了地物目标形变解算的精度和可靠性。. 示范应用方面，开展了复杂场景下城市地物目标的识别、变化监测以及城市重要基础设施动态形变分析等典型研究，成功探测了高铁沿线的温度形变和趋势形变，并在京津城际高铁、京沪高铁沿线、沪杭高铁沿线和上海高架路网上展示了其效果。此外，还探索了基于时序高分辨率星载SAR数据和新浪微博社交媒体数据分析城市发展演变时空分布模式和城市活力指数的方法，并将其应用于上海城市发展时空格局的评价分析。本项目的研究成果将有助于全面分析和理解城市地物目标的信息分布特征和时空演变过程，从而进一步提高雷达遥感在城市地物认知、目标精细结构提取和动态监测等方面的应用能力。