利用GIS与贝叶斯网络进行高分辨率SAR影像道路损毁信息提取

眭海刚; 华凤; 范一大; 刘俊怡

doi:10.13203/j.whugis20140323

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

利用GIS与贝叶斯网络进行高分辨率SAR影像道路损毁信息提取

眭海刚, 华凤, 范一大, 刘俊怡

文章导航 > 武汉大学学报 ( 信息科学版) > 2016 > 41(5): 578-583

眭海刚, 华凤, 范一大, 刘俊怡. 利用GIS与贝叶斯网络进行高分辨率SAR影像道路损毁信息提取[J]. 武汉大学学报 ( 信息科学版), 2016, 41(5): 578-583. doi: 10.13203/j.whugis20140323

引用本文:

SUI Haigang, HUA Feng, FAN Yida, LIU Junyi. Road Damage Extraction from High-Resolution SAR Image Based on GIS Data and Bayes Network[J]. Geomatics and Information Science of Wuhan University, 2016, 41(5): 578-583. doi: 10.13203/j.whugis20140323

Citation:

SUI Haigang, HUA Feng, FAN Yida, LIU Junyi. Road Damage Extraction from High-Resolution SAR Image Based on GIS Data and Bayes Network[J]. Geomatics and Information Science of Wuhan University, 2016, 41(5): 578-583. doi: 10.13203/j.whugis20140323

利用GIS与贝叶斯网络进行高分辨率SAR影像道路损毁信息提取

doi: 10.13203/j.whugis20140323

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;
2.
民政部国家减灾中心, 北京, 100124

基金项目: 国家重点基础研究发展规划(2012CB719906);国家高技术研究发展规划(2013AA122301);国家自然科学基金(41101414);高分辨率对地观测系统重大专项。

详细信息

作者简介:
眭海刚,博士,教授,主要从事遥感图像处理与信息提取研究。haigang_sui@263.net

通讯作者: 刘俊怡,博士,副教授。liujunyi_ljy@163.com

中图分类号: P237.4;P208

Road Damage Extraction from High-Resolution SAR Image Based on GIS Data and Bayes Network

1.
State Key Laboratory of Information Engineering in Surveying Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China;
2.
National Disaster Reduction Center of China, Ministry of Civil Affairs, Beijing 100124, China

Funds: The National Key Fundamental Research Plan of China, No. 2012CB719906; the National High Technology Research and Development Programme of China, No.2013AA122301; the National Natural Science Foundation of China, No. 41101414;Major Projects on High Resolution Earth Observation System.

摘要: 合成孔径雷达(synthetic aperture radar,SAR)具有全天时、全天候观测,穿透能力强等特点,在灾害监测与评估、资源勘探等方面得到广泛应用,但其固有的相干斑噪声严重限制了单一利用SAR影像进行快速的信息获取。本文提出了一种基于GIS与贝叶斯网络的高分辨率SAR影像道路损毁信息提取方法。在GIS数据的辅助下,利用水平集分割与改进的D1检测融合的方法在影像上提取疑似道路损毁区域;再综合多证据及疑似损毁区观测值构建贝叶斯网络模型,对疑似损毁区进一步判断提取出实际道路损毁区域。实验结果表明,该方法能够快速、准确地对道路损毁信息进行提取。
- SAR /
- 高分辨率影像 /
- GIS数据 /
- 损毁信息提取
Abstract: Synthetic aperture radar (SAR) permits all-time, all-weather observation and strong penetration, and is widely used in disaster monitoring and evaluation, resource exploration, and military reconnaissance. However, speckle noise seriously affects the quality of SAR images, thus limiting the use of SAR image for quick access to information. In this paper, a new road damage extraction method for high-resolution SAR images based on GIS data and Bayes network is proposed. Guided by GIS data, suspected damaged roads are extracted using the fusion of level-set segmentation and an improved D1 line detection. A Bayes network is applied to further confirm real damaged roads based on multi-evidence and the observed values from suspected damage road, to eliminate the false-alarms from the SAR images. Experimental results indicate that our proposed method can extract road damage information quickly and accurately.
- synthetic aperture radar /
- high resolution image /
- GIS data /
- road damage extraction

[1]	Liu Jiahang, Yang Jianfeng, Wei Chengjie, et al. Acquisition of Earthquake Damage Information Based on Remote Sensing Technology:History, Current Situation and Trend[J]. Journal of Natural Disasters, 2004, 13(6):46-53(柳稼航,杨建峰,魏成阶,等. 震害信息遥感获取技术历史、现状和趋势[J].自然灾害学报,2004,13(6):46-53)
[2]	Zhang Xirui. Method Research of Damaged Road Information Extraction Based on SAR Images[D]. Chendu:University of Electronic Science and Technology of China, 2013(张玺锐. 基于SAR图像的道路损毁信息提取方法研究[D].成都:电子科技大学,2013)
[3]	Chen Shirong, Ma Haijian, Fan Yida, et al. Road Damage Assessment from High Resolution Satellite Remote Sensing Imagery in Wenchuan Earthquake[J]. Journal of Remote Sensing, 2008, 12(6):949-955(陈世荣,马海建,范一大,等. 基于高分辨率遥感影像的汶川地震道路损毁评估[J].遥感学报,2008,12(6):949-955)
[4]	Dong Ming, Zhang Haitao, Zhu Xiaokun, et al. Change Detection of Road Networks Based on Remote Sensing Image[J]. Geomatics and Information Science of Wuhan University, 2009, 34(2):178-182(董明,张海涛,祝晓坤,等. 基于遥感影像的地图道路网数据变化检测研究[J]. 武汉大学学报\5信息科学版, 2009, 34(2):178-182)
[5]	Li Deren. Remotely Sensed Images and GIS Data Fusion for Automatic Change Detection[J]. International Journal of Image and Data Fusion, 2010, 1(1):99-108
[6]	Yu Jie, Liu Zhenyu, Yan Qin, et al. Road Network Extraction of High Resolution SAR Image in Combination with Statistics And Shape Features[J]. Geomatics and Information Science of Wuhan University, 2013, 38(11):1308-1312(余洁,刘振宇,燕琴,等. 结合统计和形状特征的高分辨率SAR影像道路网提取[J]. 武汉大学学报\5信息科学版, 2013, 38(11):1308-1312)
[7]	An Xiaoya, Sun Qun, Yang Yun, et al. A Method for Extracting Area Water Body from Remote Sensing Images Using Active Contour Model and Vector Data[J]. Geomatics and Information Science of Wuhan University, 2013, 38(10):1152-1157(安晓亚,孙群,杨云,等.一种利用主动轮廓模型和矢量数据的遥感影像面状水体提取方法[J]. 武汉大学学报\5信息科学版, 2013, 38(10):1152-1157)
[8]	Tupin F, Maiter H, Mangin F, et al. Detection of Linear Features in SAR Images:Application to Road Network Extraction[J]. IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(2):434-453
[9]	Peral J. Fusion, Propagation, and Structuring in Belief Networks[J]. Artificial Intelligence, 1986, 29(3):241-288

[1]	宋志娜, 眭海刚, 李永成. 高分辨率可见光遥感图像舰船目标检测综述 . 武汉大学学报 ( 信息科学版), 2021, 46(11): 1703-1715. doi: 10.13203/j.whugis20200481
[2]	李健伟, 曲长文, 彭书娟. SAR图像舰船目标联合检测与方向估计 . 武汉大学学报 ( 信息科学版), 2019, 44(6): 901-907. doi: 10.13203/j.whugis20170328
[3]	张波, 张瑞, 刘国祥, 刘巧, 蔡嘉伦, 于冰, 符茵, 李志林. 基于SAR影像的贡巴冰川末端冰湖年际变化监测及溃决规律分析 . 武汉大学学报 ( 信息科学版), 2019, 44(7): 1054-1064. doi: 10.13203/j.whugis20190087
[4]	邰建豪, 潘斌, 赵珊珊, 赵园. 基于Shearlet变换的SAR与多光谱遥感影像融合 . 武汉大学学报 ( 信息科学版), 2017, 42(4): 468-474. doi: 10.13203/j.whugis20150768
[5]	郭越, 王晓峰, 张恒振. 基于人类感知的SAR图像海上溢油检测算法 . 武汉大学学报 ( 信息科学版), 2016, 41(3): 395-401,407. doi: 10.13203/j.whugis20140404
[6]	朱婷婷, 李斐, 张胜凯, 袁乐先. 基于CFAR的RADARSAT-1南极裸岩目标信息提取 . 武汉大学学报 ( 信息科学版), 2016, 41(11): 1512-1517. doi: 10.13203/j.whugis20150266
[7]	郭际明, 黄长军, 喻小东, 聂智平. 利用BEMD-自适应滤波去除SAR干涉图噪声 . 武汉大学学报 ( 信息科学版), 2014, 39(4): 422-427. doi: 10.13203/j.whugis20120013
[8]	杨红卫, 童小华. 高分辨率影像的橡胶林分布信息提取 . 武汉大学学报 ( 信息科学版), 2014, 39(4): 411-416. doi: 10.13203/j.whugis20121134
[9]	裴媛媛, 廖明生, 王寒梅. 时间序列SAR影像监测堤坝形变研究 . 武汉大学学报 ( 信息科学版), 2013, 38(3): 266-269.
[10]	梁志锋, 凌飞龙, 陈尔学. 全极化SAR数据的最大后验概率分类 . 武汉大学学报 ( 信息科学版), 2013, 38(6): 648-651.
[11]	岳春宇, 江万寿. 一种利用级联滤波和松弛法的SAR图像配准方法 . 武汉大学学报 ( 信息科学版), 2012, 37(1): 43-45.
[12]	杨书成, 黄国满, 赵争. 一种利用影像模拟制作SAR立体模型的方法 . 武汉大学学报 ( 信息科学版), 2012, 37(11): 1325-1328.
[13]	肖金群, 李志伟, 汪长城, 丁晓利. 相位补偿SAR差分干涉提取山区DEM算法及精度分析 . 武汉大学学报 ( 信息科学版), 2012, 37(3): 334-338.
[14]	邓少平, 李平湘, 张继贤, 黄国满. 基于乘积模型的极化SAR滤波 . 武汉大学学报 ( 信息科学版), 2011, 36(10): 1168-1171.
[15]	张静, 王莉丽, 林雪原, 杨智勇. 一种基于数据的核优化新方法 . 武汉大学学报 ( 信息科学版), 2010, 35(1): 110-113.
[16]	史磊, 李平湘, 杨杰. 利用SIFT与粗差探测进行SAR影像配准 . 武汉大学学报 ( 信息科学版), 2010, 35(11): 1296-1299.
[17]	尤红建, 傅琨. 基于分布模型差异的SAR变化检测 . 武汉大学学报 ( 信息科学版), 2008, 33(5): 454-456.
[18]	王健, 向茂生, 李绍恩. 一种基于InSAR相干系数的SAR阴影提取方法 . 武汉大学学报 ( 信息科学版), 2005, 30(12): 1063-1066.
[19]	史文中, 曹辉, 张剑清. 基于高分辨率影像的城市三维建模 . 武汉大学学报 ( 信息科学版), 2004, 29(9): 783-787.
[20]	王任享. 论不同航天摄影测量传感器的摄影测量性能 . 武汉大学学报 ( 信息科学版), 2001, 26(2): 95-100.

点击查看大图

计量

文章访问数: 1497
HTML全文浏览量: 88
PDF下载量: 536
被引次数: 0

利用GIS与贝叶斯网络进行高分辨率SAR影像道路损毁信息提取

doi: 10.13203/j.whugis20140323

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;

2. 民政部国家减灾中心, 北京, 100124

基金项目: 国家重点基础研究发展规划(2012CB719906);国家高技术研究发展规划(2013AA122301);国家自然科学基金(41101414);高分辨率对地观测系统重大专项。

作者简介:
眭海刚,博士,教授,主要从事遥感图像处理与信息提取研究。haigang_sui@263.net

通讯作者: 刘俊怡,博士,副教授。liujunyi_ljy@163.com

收稿日期: 2014-12-01
刊出日期: 2016-05-05

中图分类号: P237.4;P208

关键词:

SAR /

高分辨率影像 /

GIS数据 /

损毁信息提取

摘要: 合成孔径雷达(synthetic aperture radar,SAR)具有全天时、全天候观测,穿透能力强等特点,在灾害监测与评估、资源勘探等方面得到广泛应用,但其固有的相干斑噪声严重限制了单一利用SAR影像进行快速的信息获取。本文提出了一种基于GIS与贝叶斯网络的高分辨率SAR影像道路损毁信息提取方法。在GIS数据的辅助下,利用水平集分割与改进的D1检测融合的方法在影像上提取疑似道路损毁区域;再综合多证据及疑似损毁区观测值构建贝叶斯网络模型,对疑似损毁区进一步判断提取出实际道路损毁区域。实验结果表明,该方法能够快速、准确地对道路损毁信息进行提取。

English Abstract

Road Damage Extraction from High-Resolution SAR Image Based on GIS Data and Bayes Network

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

2. National Disaster Reduction Center of China, Ministry of Civil Affairs, Beijing 100124, China

Received Date: 2014-12-01
Publish Date: 2016-05-05

Keywords:

Abstract: Synthetic aperture radar (SAR) permits all-time, all-weather observation and strong penetration, and is widely used in disaster monitoring and evaluation, resource exploration, and military reconnaissance. However, speckle noise seriously affects the quality of SAR images, thus limiting the use of SAR image for quick access to information. In this paper, a new road damage extraction method for high-resolution SAR images based on GIS data and Bayes network is proposed. Guided by GIS data, suspected damaged roads are extracted using the fusion of level-set segmentation and an improved D1 line detection. A Bayes network is applied to further confirm real damaged roads based on multi-evidence and the observed values from suspected damage road, to eliminate the false-alarms from the SAR images. Experimental results indicate that our proposed method can extract road damage information quickly and accurately.

引用本文: