基于分等级泛化对象模型的高分辨率SAR城市图像中典型地物目标自动提取方法研究

随着SAR图像分辨率的提高和成像技术的逐步成熟，城市遥感地物目标的特征信息越来越显著。本项目应用高分辨率SAR城市场景图像作为数据源，在分析建筑物、道路、植被等典型地物目标的SAR成像及目标特性的基础上，联合多种类型对象基元组成泛化对象，并构建分等级结构表达图像数据，更符合客观现实；针对城市遥感解译的具体应用，统计目标对象的多维可视化特征，并利用目标对象、背景间的空间约束，定量计算非可视化语义信息；结合视觉认知原理，将判别式局部特性统计和产生式消息传递的训练过程相互交叉，最终实现大数据量、复杂场景的SAR图像中城市典型地物目标的准确、快速、智能检测和提取。本项研究可以推动机载高分辨率SAR在城市信息分析和测绘方面的应用，促进我国航空遥感的产业化应用水平。

随着SAR图像分辨率的提高和成像技术的逐步成熟，城市遥感地物目标的特征信息越来越显著。针对现有的大多数SAR图像解译方法往往偏重于单类目标的提取及可视化特性的分析，缺乏对城市场景中多类地物目标的系统性、全面性的特性计算和信息提取等不足，本项目将传统的遥感图像处理方法与计算机视觉中的成熟方法相结合，提出了一种基于分等级泛化对象模型的城市典型地物目标提取方法。项目中以高分辨率SAR城市场景图像作为数据源，在分析建筑物、道路、植被等典型地物目标的SAR成像及目标特性的基础上，联合多种类型对象基元组成泛化对象，并构建分等级结构表达图像数据，更符合客观现实；针对城市遥感解译的具体应用，统计目标对象的多维可视化特征，并利用目标对象、背景间的空间约束，定量计算非可视化语义信息；结合视觉认知原理，将判别式局部特性统计和产生式消息传播的训练过程相互交叉，最终实现大数据量、复杂场景的SAR图像中城市典型地物目标的准确、快速、智能检测和提取。本项研究成果可以在一定程度上推动机载高分辨率SAR在城市信息分析和测绘方面的应用，促进我国遥感的产业化应用水平。