一种高分辨率sar影像单体建筑提取方法
【技术领域】
[0001 ] 本发明属于合成孔径雷达SAR(Synthetic Aperture Radar，SAR)影像解译领域， 涉及一种高分辨率SAR影像单体建筑提取方法，具体而言是借鉴SAR建筑成像机理，通过构 建本体语义模型来提取高分辨率SAR影像大型单体建筑的方法。
【背景技术】
[0002] 利用遥感影像解译单体建筑的位置信息对于城市规划和灾害评估具有重要意义。 TerraSAR-X、C〇Sm〇-SkyMed等星载SAR系统获得的米级高分辨数据，能够呈现目标的空间和 几何结构细节，这使得对于SAR图像上单个建筑的解译成为可能。但是由于城区复杂的环境 因素、建筑朝向各异以及建筑本身的异质性，使得单体建筑提取成为SAR影像解译中极具挑 战性的工作之一。另外，SAR的侧视成像原理为单体建筑解译提供了不同于其他遥感数据的 技术途径。
[0003] 目前，基于高分辨率In-SAR、多方位角SAR数据以及立体机载SAR数据的方法是单 体建筑提取的主流方法，这类方法利用建筑形态稳定静止特性以及建筑高度信息，能获取 准确的单体建筑位置及高度信息，但是这类方法多依赖于多幅影像或者其他辅助信息，在 数据受限或紧急情况下难以适用，并且这类方法对于高分辨率SAR数据中建筑的成像特点 的信息挖掘不够充分。利用单景高分辨SAR影像的单体建筑提取方法需要充分利用建筑物 成像特点和几何结构信息，是目前单体建筑提取研究的难点和热点。
[0004] 基于高分辨率SAR影像进行建筑物提取的主要问题是如何实现影像中的点、线、面 精确提取，并能将这些零散的特征基元组合成完整的建筑物整体。文献1采用统计几何建模 和最大后验概率检验实现机载SAR影像"L"型建筑提取，这种方法不能提取非"L"型的建筑 并且对于建筑散射模型考虑不充分。文献2利用基于视觉编组与认知心理学原理构造了点、 线、面的编组规则，实现了0.2m分辨率SAR影像机场建筑物的轮廓及其内部破碎特征点、线、 面的连接组合。文献3对TerraSAR-X影像进行亮线、亮面、暗面检测，结合假设检验实现建筑 物轮廓自动提取，提取正确率可达到80%，但这种方法需要设置的参数过多。文献4提出基 于标记控制分水岭变换分割的SAR影像建筑物检测方法，提取SAR影像中的长条形或L形建 筑物的亮区。文献5提取感兴趣区域内的高亮线条和阴影区域，采用D-S证据理论对注意焦 点、高亮线条和阴影区域进行特征融合，实现机载SAR影像建筑物目标的提取。文献6采用距 离向的距离探测算子"range detector"，能快速实现Pi-SAR影像中朝向一致且具有强二面 体散射的长条形建筑提取。
[0005] 以上利用单景高分辨SAR影像的单体建筑提取方法普遍利用了高分辨率SAR影像 中单体建筑物的成像特点和几何结构信息，对于与雷达视像垂直的"Γ和"L"型单体建筑呈 现较好的检测结果。但由于检测的特征比较简单或者使用场景比较单一，上述多数方法对 于方位建筑或具有复杂结构的单体建筑的提取不适用。另外，目前存在的方法基本都属于. 基于像素的特征检测和组合判定的方法，不仅存在特征检测效率低的缺点，而且需要设置 的参数阈值过多。
[0006] 本体是一种陈述性知识表达模型，本体语义能够在抽象层次上以形式化的语言明 确表达目标领域的知识。本体建模作为一种知识表达技术，具有明确性、共享性和正式性， 近年来本体建模也逐渐用于遥感影像解译中，特别是专家知识的管理、聚合和分享方面的 应用。例如，作为一种被广泛认可的解决方案和研究热点，地理本体(Geo-ontology)可以解 决由于缺少语义关联而造成的地理数据知识异质性。为了完备地描述高分辨率SAR影像中 单体建筑的散射、组成和形态等多种特性，本发明中通过构建本体语义模型来抽象出单体 建筑及建筑基元的特性，以SAR影像分割方法获得的图像对象作为基本处理单元，形成基于 本体语义描述的单体建筑对象表达，实现以本体语义知识引导的高分辨率SAR影像大型单 体建筑提取。
[0007] 在米级(0.5-2m)高分辨率SAR影像中，大型单体建筑物的墙体叠掩、屋顶散射、阴 影等成像细节得到体现，这些"建筑基元"具有明显的亮度、纹理、边界、几何等特性，并且 "建筑基元"之间存在特定的空间位置关系。结合以上SAR建筑成像特性，本发明提出了通过 构建本体语义模型的SAR影像大型单体建筑提取方法:首先结合高分辨率SAR影像中单体建 筑的特性进行领域本体建模，构建出高分辨率SAR影像中单体建筑本体语义模型;然后为了 获得本体模型中的"建筑基元"，采用基于对象的SAR影像分割获取同质性好且边界清晰的 图像区域，这些图像区域是"建筑基元"提取的基本处理单元;结合本体模型中"建筑基元" 相关规则来提取图像对象特征；依据本体语义规则和对象特征，形成本体语义描述的对象 表达，指导"图像对象"自动识别为"建筑基元"，实现以语义知识为中心的大型单体建筑识 别。
[0008] [文献 1] :Quartulli M.，Datcu M. · Stochastic Geometrical Modeling for Built-Up Area Understanding From a Single SAR Intensity Image With Meter Resolution[J]. IEEE TransactionsonGeoscienceand Remote Sensing,2004,42(9): 1996-2003.
[0009] [文南犬2]:Michaelsen E，Soergel U.,ThoennessenU..Perceptual Grouping for Automatic Detection of Man-Made Structures in High-Resolution SAR Data[J] .Pattern Recognition Letters,2006,27:218-225.
[0010] [文南犬3]:Ferro A. ,Brunner D·，BruzzoneL· ·An Advanced Technique for Building Detection in VHR SAR Images[C].SPIE Conference on Image and Signal Processing for Remote Sensing,Berlin,2009.
[0011] [文南犬4]:Zhao L.J.,Zhou X.G.,Kuang,G.Y..Building detection from urban SAR image using building characteristics and contextual information[J] .EURASIP Journal on Advances in Signal Processing,2013,56.
[0012][文献5]:苏娟，张强，陈讳，等.高分辨率SAR图像中建筑物特征融合检测算法[J]. 测绘学报.2014,43(9) :939-944.
[0013][文献6] :Chen S. S.，Wang H.P.，Xu F.，et al · .Automatic Recognition of Isolated Buildings on Single-Aspect SAR Image Using Range Detector[J]. IEEE Geoscience and Remote Sensing Letters，2015，12(7):219-223·
【发明内容】
[0014] 本发明的目的在于提供一种自动的高分辨率SAR影像单体建筑提取方法，本发明 通过构建SAR单体建筑物本体语义模型来克服建筑朝向和建筑复杂形状的影响，仅使用一 景高分辨率SAR影像且不需要其他辅助数据，能较为准确地提取大型单体建筑。
[0015] 本发明所采用的技术方案是:一种高分辨率SAR影像单体建筑提取方法，其特征在 于，包括以下步骤：
[0016] 步骤1:构建高分辨率SAR影像中单体建筑本体语义模型；
[0017] 结合单体建筑SAR成像模型以及SAR影像中单体建筑的复杂形态结构特性，利用领 域本体这种陈述性知识表达模型，在抽象层次上以形式化的语言明确表达单体建筑及"建 筑基元"语义知识，以完备地描述高分辨率SAR影像中大型单体建筑的方位、形状、组成、拓 扑特性；
[0018] 步骤2:基于对象的SAR影像分割；
[0019]首先利用流域变换获得的初始结果作为基本处理对象，在此过程中利用R