极化SAR建筑物散射机理精细化描述与信息提取关键技术研究

In view of the land cover scattering ambiguity and the relatively low efficiency and accuracy of building information extraction with the traditional PolSAR image processing techniques, this project combines the characteristics of PolSAR imagery and the geometric characteristics of urban buildings, and then focuses on the key techniques of fine description of building scattering mechanism, building detection, building segmentation and classification, aiming at proposing a set of robust and effective building information extraction methods from PolSAR imagery. This work tries to solve three key problems, which are 'estimation of the building azimuth angles relative to the PolSAR sensor and the effects on building scattering mechanism', 'overcoming the speckle noise and the PolSAR scattering mechanism ambiguity', and 'classification using the probabilistic migration deep convolution neural network based on high-precision superpixel pre-segmentation result'. This project can enrich the building scattering mechanism theory in PolSAR images and achieve the rapid and accurate interpretation of urban buildings with PolSAR images, and also can expand the application of machine learning in the interpretation of PolSAR remote sensing images.

针对传统PolSAR图像处理技术中地物散射机理混淆和城区建筑物信息提取效率及精度不高的问题，本项目结合PolSAR图像特点和建筑物目标几何特性，重点围绕建筑物散射机理特征精细化描述与提取，城区建筑物检测、分割和分类等关键技术问题展开研究，拟构建一套稳健有效的PolSAR图像建筑物信息提取方法。突出解决‘建筑物相对PolSAR几何方位角估计及其对散射机理的影响’，‘克服相干斑噪声以及PolSAR散射机理混淆’，‘在高精度超像素预分割基础上实现概率迁移模型深度卷积神经网络分类’三项关键问题。本项目的研究，可丰富PolSAR图像城区建筑物散射机理理论，实现对PolSAR图像的城区建筑物快速而准确解译，并拓展机器学习技术在PolSAR遥感图像解译中的应用。

针对传统PolSAR图像处理技术中地物散射机理混淆和城区建筑物信息提取效率及精度不高的问题，本项目结合PolSAR图像特点和建筑物目标几何特性，重点围绕建筑物散射机理特征精细化描述与提取，城区建筑物检测、分割和分类等关键技术问题展开研究，拟构建一套稳健有效的PolSAR图像建筑物信息提取方法。突出解决‘建筑物相对PolSAR几何方位角估计及其对散射机理的影响’，‘克服相干斑噪声以及PolSAR散射机理混淆’，‘在高精度超像素预分割基础上实现概率迁移模型深度卷积神经网络分类’三项关键问题。项目取得的成果如下：实现了城区建筑物的交叉散射模型和双交叉散射模型，建立了针对城区建筑物的精细极化目标分解方法，降低了PolSAR图像城区散射机理混淆现象；针对高分辨率PolSAR图像城区复杂散射导致的目标类别和位置难以有效分割问题，构建了基于极化散射机理的超像素分割方法和显著性分割方法，实现了PolSAR图像城区建筑物精细化分割，提高了PolSAR图像地物类别定位精度；构建了基于胶囊网络和图卷积神经网络的PolSAR图像建筑物分类，实现了不同朝向建筑物的准确划分，验证了本项目所提的散射机理描述和超像素分割有效性。研究成果发表在IEEE TRGS，IEEE JSTARS和IEEE GRSL等刊物上，共16篇，申请国家发明专利3项。研究成果可丰富PolSAR图像城区建筑物散射机理理论，实现对PolSAR图像的城区建筑物快速而准确解译，并拓展机器学习技术在PolSAR遥感图像解译中的应用。