论文部分内容阅读
针对城市区域信息提取的现实需要，本文研究了SAR对地观测技术在建筑物信息提取中的方法。本文的研究包括两个方面，一个方面是针对大场景中建筑区的提取方法的研究;另一个方面是如何在获得的建筑区内进行建筑物的检测与信息提取。本文的工作包括以下两个方面:
(1)基于极化信息的城市区域提取技术研究。通过极化分解得到分类特征，探讨了利用极化分解特征进行监督分类的方法。该方法利用不同分解方式得到的特征分量，用BP神经网络进行监督分类进而提取建筑区。实验中分析了不同的极化分解特征组合下分类的精度，并通过感兴趣实验区的分析证明本方法在提取建筑区中的的有效性。
(2)基于高分辨率SAR图像的建筑物检测。以准确检测并确定建筑物目标轮廓为目标，首先研究了高分辨率SAR图像中建筑物的成像特点，分析了高分辨率条件下建筑物的特征，即叠掩形成的高亮度特征以及由于遮挡形成的阴影特征;之后，将水平集分割方法引入到建筑物特征提取中，研究了基于区域的水平集分割方法以及基于统计模型的水平集分割方法。分析得到水平集分割方法在建筑物特征分割中具有边界闭合且定位准确，能够有效避免传统方法过分割、欠分割严重的缺陷。为了克服水平集分割依赖于初始化条件以及分割耗时的问题，提出了一种有效的改进方法，该方法将聚类的思想引入到初始化水平集演化中，改进后的方法避免了由于初始轮廓选择不当造成的漏分割问题，另一方面减少了分割耗时。通过模拟SAR数据实验和真实SAR数据进行了实验验证，实验表明在不需要人工干预的情况下，该方法能够快速准确的分割建筑物特征，实现了全自动的建筑物特征提取。