用于高分辨率SAR影像建筑物提取的对象级高亮特征描述方法

呙维; 胡涛; 廖明生; 陈呈辉

doi:10.13203/j.whugis20120705

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

用于高分辨率SAR影像建筑物提取的对象级高亮特征描述方法

呙维, 胡涛, 廖明生, 陈呈辉

文章导航 > 武汉大学学报 ( 信息科学版) > 2014 > 39(2): 220-224

呙维, 胡涛, 廖明生, 陈呈辉. 用于高分辨率SAR影像建筑物提取的对象级高亮特征描述方法[J]. 武汉大学学报 ( 信息科学版), 2014, 39(2): 220-224. doi: 10.13203/j.whugis20120705

引用本文:

GUO Wei, HU Tao, LIAO Mingsheng, CHEN Chenghui. Object-Level Highlight Features For High-resolutionSAR Building Extraction[J]. Geomatics and Information Science of Wuhan University, 2014, 39(2): 220-224. doi: 10.13203/j.whugis20120705

Citation:

GUO Wei, HU Tao, LIAO Mingsheng, CHEN Chenghui. Object-Level Highlight Features For High-resolutionSAR Building Extraction[J]. Geomatics and Information Science of Wuhan University, 2014, 39(2): 220-224. doi: 10.13203/j.whugis20120705

用于高分辨率SAR影像建筑物提取的对象级高亮特征描述方法

doi: 10.13203/j.whugis20120705

¹ 武汉大学测绘遥感信息工程国家重点实验室,湖北武汉,430079

基金项目: 国家教育部博士点基金资助项目(20120141120041)；国家自然科学基金资助项目(41301517)

详细信息

作者简介:
呙维,讲师,主要从事遥感影像解译研究。

通讯作者: 胡涛

中图分类号: P237.9

Object-Level Highlight Features For High-resolutionSAR Building Extraction

¹State Key Laboratory of Information Engineering in Surveying,Mapping and Remote Sensing,Wuhan University,Wuhan 430079,China

More Information

Author Bio:
GUO Wei,Lecturer,majors in remote-sensing imagery interpretation.

Corresponding author: HU Tao

摘要: 目的合成孔径雷达(synthetic aperture radar,SAR)影像分辨率的不断提高为建筑物提取提供了有效的数据支持,而传统像素级方法,提取建筑物的效果较差,精度较低。通过分形网络演化分割算法(fractal net evo-lution approach,FNEA)获取分析单元,利用对象级分析单元与邻近环境之间的上下文特征,提出了高亮邻接强度特征(highlight adjacent intensity,HAI)与亮点散射密度特征(shining point distribute density,SDD)的概念,然后结合上述两种特征进行对象级建筑物的提取。最后通过几组实验验证了基于面向对象特征方法比面向像素特征方法对高分辨率SAR建筑物提取具有更好的效果、更高的精度。
- 对象级 /
- 高分辨率 /
- SAR影像 /
- 建筑物提取 /
- 叠掩
Abstract: Objective With the improvement of SAR image resolution,it is now increasingly used as an effectivedata support for building extraction.However,the traditional pixel-based method is not practicable inbuilding extraction.Not only are the result not amiable,but also the accuracy is very poor.So in thispaper we will firstly apply FNEA algorithm(fractal net evolution approach)on SAR image to obtainanalysis units.Then contextual feature of those object-level units will be utilized to propose the con-ception of highlight adjacent intensity(HAL)and shining point distribute density(SDD).After thatthese two features will be combined to be used in the process of object-level building extraction.Final-ly,a couple of experiments are conducted show that an object-oriented method outperforms pixel-based methods in building extraction from high-resolution SAR images.
- object-level /
- high resolution /
- SAR image /
- building extraction /
- layover

[1]	李星华, 白学辰, 李正军, 左芝勇. 面向高分影像建筑物提取的多层次特征融合网络 . 武汉大学学报 ( 信息科学版), 2022, 47(8): 1236-1244. doi: 10.13203/j.whugis20210506
[2]	袁志辉, 谷翼策, 邢学敏, 陈立福, 俞晓莹. 顾及叠掩与阴影的多通道InSAR干涉图仿真方法 . 武汉大学学报 ( 信息科学版), 2020, 45(11): 1717-1727. doi: 10.13203/j.whugis20190222
[3]	刘晓龙, 张永红, 宋伟东. 时序PSInSAR研究建筑物高度信息提取 . 武汉大学学报 ( 信息科学版), 2017, 42(4): 482-487,524. doi: 10.13203/j.whugis20140239
[4]	常永雷, 杨杰, 李平湘, 赵伶俐, 余洁. 基于CFAR的高分PolSAR影像桥梁自动识别方法 . 武汉大学学报 ( 信息科学版), 2017, 42(6): 762-767. doi: 10.13203/j.whugis20140828
[5]	赵金奇, 杨杰, 李平湘, 邓少平, 李小娟, 路嘉铭. 改进剖面匹配和EKF对SAR影像道路半自动提取 . 武汉大学学报 ( 信息科学版), 2017, 42(8): 1144-1150. doi: 10.13203/j.whugis20150200
[6]	陈光, 眭海刚, 涂继辉, 宋志娜. 基于P-N学习的高分遥感影像道路半自动提取方法 . 武汉大学学报 ( 信息科学版), 2017, 42(6): 775-781. doi: 10.13203/j.whugis20140999
[7]	高贤君, 郑学冬, 沈大江, 杨元维, 张佳华. 城郊高分影像中利用阴影的建筑物自动提取 . 武汉大学学报 ( 信息科学版), 2017, 42(10): 1350-1357. doi: 10.13203/j.whugis20150766
[8]	魏恋欢, 廖明生, BALZ Timo, 张路. 高分辨率SAR层析成像建筑物叠掩散射体提取 . 武汉大学学报 ( 信息科学版), 2014, 39(5): 536-540. doi: 10.13203/j.whugis20120460
[9]	刘康, 廖明生, TimoBalz. 利用压缩感知方法的高分辨率三维层析SAR研究 . 武汉大学学报 ( 信息科学版), 2012, 37(12): 1456-1459.
[10]	吴炜, 骆剑承, 沈占锋, 朱志文. 光谱和形状特征相结合的高分辨率遥感图像的建筑物提取方法 . 武汉大学学报 ( 信息科学版), 2012, 37(7): 800-805.
[11]	傅兴玉, 尤红建, 付琨, 张翰墨. 利用多尺度Hough变换提取高分辨率SAR图像建筑物L型结构 . 武汉大学学报 ( 信息科学版), 2012, 37(4): 394-398.
[12]	张倩, 黄昕, 张良培. 多尺度同质区域提取的高分辨率遥感影像分类研究 . 武汉大学学报 ( 信息科学版), 2011, 36(1): 117-121.
[13]	黄昕, 张良培, 李平湘. 基于小波的高分辨率遥感影像纹理分类方法研究 . 武汉大学学报 ( 信息科学版), 2006, 31(1): 66-69.
[14]	胡安文, 张祖勋. 对高分辨率遥感影像基于仿射变换的严格几何模型的讨论 . 武汉大学学报 ( 信息科学版), 2006, 31(2): 104-107.
[15]	张剑清, 张勇, 程莹. 基于新模型的高分辨率遥感影像光束法区域网平差 . 武汉大学学报 ( 信息科学版), 2005, 30(8): 659-663.
[16]	张剑清, 张勇, 郑顺义, 张宏伟. 高分辨率遥感影像的精纠正 . 武汉大学学报 ( 信息科学版), 2004, 29(11): 994-998.
[17]	尤红建, 苏林, 李树楷. 利用机载三维成像仪的DSM数据自动提取建筑物 . 武汉大学学报 ( 信息科学版), 2002, 27(4): 408-413.
[18]	张剑清, 张祖勋. 高分辨率遥感影像基于仿射变换的严格几何模型 . 武汉大学学报 ( 信息科学版), 2002, 27(6): 555-559.
[19]	刘少创, 林宗坚. 基于可变模板的航空影像中建筑物提取 . 武汉大学学报 ( 信息科学版), 1997, 22(1): 21-28.
[20]	高贤君, 冉树浩, 张广斌, 杨元维. 基于多特征融合与对象边界联合约束网络的建筑物提取 . 武汉大学学报 ( 信息科学版), 0, 0(0): -. doi: 10.13203/j.whugis20210520

点击查看大图

计量

文章访问数: 1039
HTML全文浏览量: 43
PDF下载量: 588
被引次数: 0

用于高分辨率SAR影像建筑物提取的对象级高亮特征描述方法

doi: 10.13203/j.whugis20120705

¹ 武汉大学测绘遥感信息工程国家重点实验室,湖北武汉,430079

基金项目: 国家教育部博士点基金资助项目(20120141120041)；国家自然科学基金资助项目(41301517)

作者简介:
呙维,讲师,主要从事遥感影像解译研究。

通讯作者: 胡涛

收稿日期: 2013-04-11
修回日期: 2014-02-05
刊出日期: 2014-02-05

中图分类号: P237.9

关键词:

对象级 /

高分辨率 /

SAR影像 /

建筑物提取 /

叠掩

摘要: 目的合成孔径雷达(synthetic aperture radar,SAR)影像分辨率的不断提高为建筑物提取提供了有效的数据支持,而传统像素级方法,提取建筑物的效果较差,精度较低。通过分形网络演化分割算法(fractal net evo-lution approach,FNEA)获取分析单元,利用对象级分析单元与邻近环境之间的上下文特征,提出了高亮邻接强度特征(highlight adjacent intensity,HAI)与亮点散射密度特征(shining point distribute density,SDD)的概念,然后结合上述两种特征进行对象级建筑物的提取。最后通过几组实验验证了基于面向对象特征方法比面向像素特征方法对高分辨率SAR建筑物提取具有更好的效果、更高的精度。