城市雷达遥感机理与方法 张风丽//邵芸//王国军 著作 下载 pdf 2025 网盘 epub 在线 mobi 免费

星载合成孔径雷达（SAR）具有全天时、全天候、可穿透云雾快速成像的能力，对于时效性要求较高的灾害应急监测和国土资源监测具有重要意义。城市监测是SAR遥感应用的一项重要内容，在灾害损失评估、城市建设与规划、军事监视等领域具有广泛应用。2007年以来，一系列高分辨率SAR卫星相继发射，星载SAR图像空间分辨率达到米级，开启了高分辨率雷达遥感的新时代。在高分辨率SAR图像上，建筑物、道路等城市目标的多维特征得以体现，但由于城市目标本身几何结构及空间关系的特殊性，微波电磁波与城市目标间的相互作用很好复杂，给城市高分辨率SAR图像理解和应用带来了巨大挑战。城市目标的高分辨率SAR图像处理和信息提取研究处于很好初级的阶段，亟需开展城市目标高分辨率雷达遥感机理与方法研究，为相关应用提供支撑。建筑物和道路是城市场景的两类主要人工目标，因此本书主要介绍利用高分辨率雷达遥感数据对两类目标进行监测的机理和方法。

目录

序

前言

章 城市雷达遥感的意义和现状 1

1.1 城市雷达遥感的意义 1

1.2 建筑物目标SAR监测研究进展 3

1.2.1 建筑物目标散射机理及SAR图像理解 3

1.2.2 高分辨率SAR图像建筑物目标提取与三维重建 4

1.3 道路目标SAR图像提取研究进展 7

1.3.1 SAR图像道路局部检测 7

1.3.2 SAR图像道路全局连接 10

参考文献 12

第2章 城市目标高分辨率SAR图像特征 17

2.1 城市高分辨率SAR图像特点 17

2.2 建筑物目标高分辨率SAR图像特点 19

2.3 建筑物目标SAR图像几何畸变特征 21

2.4 建筑物目标的特殊散射及分析 25

2.4.1 二次散射及多次散射 25

2.4.2 散射中心模型 28

2.5 道路目标高分辨率SAR图像特点 30

参考文献 33

第3章 建筑物目标SAR图像散射特征形成机理分析 34

3.1 建筑物目标SAR图像尺度特征分析 36

3.1.1 距离向尺度特性分析 36

3.1.2 方位向尺度特性分析 37

3.1.3 距离向和方位向尺度特性综合分析 38

3.2 基于距离向剖面分析的散射特征定量关系模型 38

3.2.1 平顶建筑物 39

3.2.2 尖顶建筑物 43

3.3 建筑物目标SAR图像散射特征方位敏感性分析 49

3.3.1 建筑物目标散射特征基元与分解合成方法 49

3.3.2 方位角对建筑物目标散射特征基元的影响 51

3.3.3 建筑物目标散射特征基元模拟计算 55

3.4 遮挡效应对建筑物目标SAR图像散射特征的影响 57

3.4.1 建筑物目标叠掩阴影干扰分析 57

3.4.2 墙地二次散射遮挡分析 59

参考文献 62

第4章 建筑物目标高分辨率SAR图像模拟 63

4.1 SAR图像模拟方法综述 64

4.2 SAR模拟系统构建 66

4.2.1 SAR成像几何模型 66

4.2.2 目标/场景三维模型 67

4.2.3 目标散射模型 68

4.3 回波信号模拟 69

4.3.1 模拟系统参数初始化 70

4.3.2 射线追踪电磁波与目标/场景相互作用 71

4.3.3 回波信号属性计算 73

4.4 模拟图像生成与散射机制分析 75

4.4.1 二维模拟SAR图像生成 75

4.4.2 散射单元直方图 77

4.4.3 散射中心定位及散射贡献来源分析 78

4.4.4 模拟分析示例 80

4.5 基于SAR图像模拟的SAR图像理解 91

4.5.1 模拟SAR图像与真实SAR图像配准 91

4.5.2 图像特征匹配分析与标注 93

4.6 基于SAR图像模拟和迭代匹配的建筑物高度反演 100

参考文献 103

第5章 高分辨率SAR图像预处理方法 105

5.1 SAR图像滤波 105

5.1.1 传统滤波方法 106

5.1.2 基于局部统计特性的自适应滤波算法 106

5.1.3 图像滤波效果评价指标 109

5.1.4 实验结果与分析 109

5.2 恒虚警率阈值分割算法 111

5.2.1 目标模型 112

5.2.2 杂波模型 112

5.2.3 CFAR的检测原理 112

5.2.4 概率分布函数选择 113

5.2.5 CFAR分割结果及分析 119

5.3 K-means聚类及改进方法 121

5.3.1 K-means聚类算法 121

5.3.2 K-means聚类改进算法 122

5.4 基于Gabor纹理特征和FCM的SAR图像建筑物分割 124

5.4.1 基于Gabor滤波的纹理特征提取 124

5.4.2 FCM聚类与SAR图像分割 125

5.5 基于马尔可夫随机场的分割 127

5.6 基于离散隐马尔可夫模型的分类 133

5.6.1 隐马尔可夫模型 133

5.6.2 HMM分类算法的实现 140

参考文献 144

第6章 高分辨率SAR图像建筑物目标提取与参数反演 145

6.1 墙地二次散射特征结构中心线提取方法 145

6.1.1 基于形态学细化的骨架提取 146

6.1.2 骨架跟踪算法 147

6.1.3 建筑物小外接矩形提取 147

6.1.4 基于小二乘的直线提取 148

6.1.5 实验结果与分析 148

6.2 基于二次散射特征的建筑物几何参数反演 150

6.2.1 建筑物目标二次散射的特点 150

6.2.2 二次散射中心距离徙动机制 151

6.2.3 考虑二次散射中心距离徙动的建筑物参数反演 161

6.3 基于几何模型匹配的SAR图像建筑物高度反演方法 165

6.3.1 建筑物SAR成像特征几何模型构建 166

6.3.2 基于模型匹配的建筑物高度反演方法 168

6.3.3 实验结果与分析 174

6.4 双视向SAR图像建筑物目标参数提取方法 178

6.4.1 配准方法综述 179

6.4.2 城区高分辨率SAR图像手动配准 179

6.4.3 基于Hausdorff距离的城区高分辨率SAR图像配准方法 186

6.4.4 基于D-S融合的双视向SAR图像建筑物提取 194

6.4.5 基于强散射特征模型的双视向SAR图像建筑物高度反演 205

参考文献 211

第7章 高分辨率SAR图像道路提取方法研究 214

7.1 SAR图像道路基元提取方法 214

7.1.1 SAR图像线状道路基元提取 214

7.1.2 SAR图像带状道路基元提取 219

7.2 基于模糊连接度的道路基元分割方法 221

7.2.1 模糊连接度理论 222

7.2.2 结合FCM分割和ROEWA自动提取种子点 222

7.2.3 考虑边缘特征的模糊连接度种子点扩展 223

7.2.4 实验结果与分析 225

7.3 结合张量投票和Snakes模型的道路半自动提取 229

7.3.1 基于Snakes模型的道路半自动提取 229

7.3.2 利用张量投票算法定义Snakes模型外部能量 231

7.3.3 实验结果与分析 235

7.4 基于MRF模型的道路网自动提取 239

7.4.1 道路线特征提取 239

7.4.2 基于线特征的MRF模型构建 242

7.4.3 MRF模型能量函数的建立 244

7.4.4 模拟退火法搜索优道路标记 246

7.4.5 实验结果与分析 248

参考文献 251

第8章 建筑物目标SAR图像自动理解 253

8.1 先验知识模型构建 254

8.2 基于均值漂移和区域合并的高亮区域提取 257

8.2.1 均值漂移的思想 257

8.2.2 均值漂移图像分割方法 258

8.2.3 分割后区域合并 260

8.2.4 图像分割结果 262

8.3 候选建筑物目标确定 265

8.3.1 初始平行四边形主对角线的确定 265

8.3.2 平行四边形相似性判定 267

8.4 建筑物三维重建方法 270

8.4.1 主墙面图像初始范围的确定 271

8.4.2 主墙面图像区域的优化 273

8.4.3 建筑物宽度提取及三维重建 274

8.4.4 三维重建结果和分析 275

8.5 图像标注与理解 277

参考文献 279

第9章 城市目标与场景高分辨率SAR图像解译标志库 281

9.1 知识库与解译标志库简介 281

9.2 住宅用地 283

9.2.1 高层居民楼 283

9.2.2 低层居民楼 286

9.2.3 高层居民区 287

9.2.4 低层居民区 291

9.3 商服用地 294

9.3.1 商务区 294

9.3.2 办公区 301

9.4 工业用地 305

9.4.1 厂房仓库 305

9.4.2 污水处理厂 307

9.4.3 天然气罐 309

9.4.4 工业区 310

9.5 公共设施用地 311

9.5.1 公共服务区 311

9.5.2 高速公路 316

9.5.3 主干道 317

9.5.4 普通公路 319

9.5.5 人行天桥 319

9.5.6 水桥 321

9.5.7 公路桥 322

9.5.8 立交桥 324

9.5.9 铁路及火车 324

9.5.10 港口码头 325

9.5.11 机场 326

9.5.12 通信电力塔 327

9.6 工商综合体 327

9.7 城镇或建成区混合体 328

9.8 其他城镇或建成区 328

参考文献 329

彩图

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

    靠前章 城市雷达遥感的意义和现状

    1.1 城市雷达遥感的意义

    城市是人口密集、经济活动和资源相对集中的空间地域。随着城市化进程的加速，城市范围不断扩展，城市灾害应急管理与科学发展信息保障具有越来越重要的意义。在众多遥感手段中，光学遥感图像很有利于人类视觉解译，可以相对容易地从图像中提取城市目标参数，为城市遥感监测提供了大量的数据源。然而，光学传感器对天气和光照等条件较为敏感，在天气恶劣或者多云多雨气候条件下，不能及时获取有效的图像，无法为灾害应急和城市动态监测提供及时的数据源。合成孔径雷达（Synthetic Aperture Radar，SAR）具有全天时、全天候、可穿透云雾快速成像的能力，在灾害应急和多云多雨地区监测中具有不可替代的作用，已逐渐成为对地观测重要手段之一。

    自2007年以来，意大利的COSMO-SkyMed、加拿大的RADARSAT-2、德国的TerraSAR-X和TanDEM-X卫星系统先后升空，开启了高分辨率星载SAR时代，星载SAR图像的空间分辨率达到了1m。与此同时，我国SAR卫星系统也得到了长足的发展。2012年11月19日，我国发射了靠前颗民用S波段SAR卫星——环境与灾害监测小卫星星座的HJ-1C卫星；2016年8月10日，中国首颗分辨率达到1m的C波段多极化SAR卫星“高分三号”发射；此外，《国家民用空间基础设施中长期发展规划（2015—2025年）》也规划发射若干颗全极化高分辨率SAR卫星，形成多波段、全极化、高分辨率SAR卫星的组网运行，实现高重访频率的对地观测。在星载SAR发展的同时，机载SAR分辨率也在不断提高，靠前外研制的机载SAR系统均已经可以获取亚米级分辨率的数据。

    这些高分辨率SAR系统为城市目标监测提供大量宝贵数据的同时，也给SAR图像理解和应用带来了巨大的挑战。地物目标在高分辨率SAR图像上呈现出的信息更加丰富，单体目标的散射特征能够得到明显的展现，但由于城市目标与场景的复杂性，目前SAR遥感数据在城市目标监测方面的应用效果并不理想，SAR图像“不好用，不会用”的问题在城区变得尤为突出。这是SAR特殊的成像方式以及城市目标结构的复杂多样性，导致SAR图像特征呈现出接近不同于人类视觉的图像特征，给城市目标高分辨率SAR图像理解和应用造成很大的困难。具体表现在以下几方面。

    （1）SAR是基于测距原理通过主动发射与接收电磁波而成像的，与人类视觉系统和光学遥感的成像原理有着本质差异。因此，SAR图像中的人工目标不仅与人类视觉系统所熟知的状态接近不同，而且与光学遥感图像很好不同，即“所见非所知”。

    （2）由于SAR系统接收的是组成地物目标的每一个独立单元形成的散射能量，所以呈现在SAR图像上的地物目标是散射单元构成的集合体，多表现为离散的点、线组合。

    （3）不同于光学成像系统，在SAR图像上，城市目标通常表现为稀疏的散射中心分布，并对成像角度敏感，边界以点、短线条为主，连续性和完整性差。

    （4）SAR成像是三维空间到二维平面（方位向和距离向）的映射过程，对于高度变化显著的城市目标而言，这样一个降维过程必然导致信息的损失。因此，在SAR图像上，斜距相等但来自不同目标的散射信号将混淆在一个像元内，加上城市目标结构和空间关系复杂，给SAR图像解译和信息提取带来巨大的挑战。

    建筑物目标是城市的重要地理要素之一，准确获取建筑物目标的三维结构信息对于城市规划、数字城市建设、灾害应急响应以及军事侦察等具有重要意义（Soergel，2010；张风丽和邵芸，2010）。早期在中低分辨率条件下，图像分辨能力不足以表征建筑物目标的几何结构特征，目标散射强度是从图像中获得的主要信息，因此难以从图像中识别和提取单个建筑物目标。当SAR图像空间分辨率达到米级水平时，图像反映的目标信息更加丰富，目标形状结构特征能够得以体现，因此利用SAR图像目标散射特征识别和提取城市目标成为可能。另外，由于城区环境的复杂性、密集建筑物间电磁波的多次散射、相邻目标的遮挡，以及SAR成像固有的几何畸变与噪声的影响，城市目标在高分辨率SAR图像上的特征更为复杂，导致目前的城市目标SAR监测技术无法满足应用的要求。

    道路是另外一类重要的城市目标，是人类交通运输的重要组成部分，对促进物质传输、经济发展、文化交流、军事战备具有重要作用。传统利用遥感图像提取道路的方法是操作人员手工勾画提取，这种方式具有较高的正确性，但是太耗时耗力，而且带有一定的主观性。随着遥感技术的发展，利用遥感图像提取道路信息越来越受到人们的关注。与光学遥感相比，SAR图像城市道路信息提取具有重要意义，对于灾害应急监测和城市安全保障具有不可替代的作用。虽然近年来人们针对SAR图像的特点提出了很多道路提取的方法，但由于SAR特殊机制、固有噪声以及相邻地物目标的影响，城市道路目标的提取存在特有的困难和挑战，亟须深入开展研究。

    因此，SAR成像的特殊性和城市目标/场景的高度复杂性使得SAR图像的理解、处理和应用都很好困难。城市目标/场景在高分辨率SAR图像上通常呈现为离散的点、线、面等，是散射单元的集合体；而且目标边界以点、短线条为主，连续性和完整性差，几何变形严重。这导致城市SAR图像理解与认知、信息提取比光学图像困难得多，已成为SAR数据应用推广中的核心困难与挑战。因此亟须针对SAR图像的特点开展城市雷达遥感机理与方法研究，提高SAR图像在城市目标监测中应用的广度和深度。

    1.2 建筑物目标SAR监测研究进展

    近年来，围绕高分辨率SAR建筑物目标的散射机制分析、图像解译与目标信息提取等问题，靠前外学者开展了大量的研究，主要来自以下团队。很早开展高分辨率SAR城市研究的是以Franceschetti为代表的团队，他们先是建立了简单矩形建筑物目标的电磁散射模型（Franceschetti et al.，2002），之后利用二次散射亮度提取建筑物高度，后又利用模拟图像和COSMO-SkyMed聚束模式SAR图像进行了验证（Guida et al.，2010）。以Soergel和Stilla为首的团队是当今城市SAR遥感的领头羊，很开始他们利用人工解译的方法分析建筑物目标在SAR图像上的叠掩、阴影和多次散射特征以及目标之间的遮挡关系，后来开发了SAR图像模拟器辅助图像的解译。在建筑物目标提取与三维重建方面，该团队主要形成了3种不同的思路：①利用多视向SAR技术提取简单建筑物目标信息（Thiele et al.，2010）；②引入格式塔心理学的感知编组原理自动重建建筑物目标（Michaelsen et al.，2010）；③引入城市场景上下文信息，综合利用光学图像与SAR图像提取建筑物目标（Wegner，2011）。德国宇航中心的Bamler团队开发了基于射线追踪法的3DSAR模拟器，并分析了建筑物目标的散射特征形成机制，用于大型建筑物目标的散射机制分析（Tao et al.，2014；Auer，2011）。此外，Brunner团队利用欧洲微波信号实验室（European Microwave Signature Laboratory，EMSL）测量结果和模拟图像分析了建筑物在高分辨率SAR图像上的散射特征，基于以上研究结论，发展了一种基于模拟图像与真实图像特征匹配策略的建筑物高度反演和损毁程度提取方法（Ferro et al.，2013；Brunner et al.，2010）。与国外相比，靠前的城市SAR研究起步较晚，其中，复旦大学的金亚秋团队基于映射和投影算法进行建筑物目标的SAR成像模拟（Xu and Jin，2006），然后利用多视向极化SAR数据进行建筑物提取和重建（Xu and Jin，2007）；此外，中国科学院遥感与数字地球研究所、中国科学院电子学研究所、国防科学技术大学等均在高分辨率SAR图像建筑物目标识别与参数提取方面开展了大量研究。下面从建筑物目标散射机理理解与目标参数提取两个方面分别详细阐述。

    1.2.1 建筑物目标散射机理及SAR图像理解

    当SAR图像分辨率较低时，建筑物目标在图像上的辐射特性较为显著。随着空间分辨率的提高，建筑物目标在SAR图像上的几何结构特征更为显著，因此，目标散射机理的研究与SAR图像特征的理解就显得尤其重要。

    人工解译是很早用于城市目标/场景SAR图像复杂散射机理研究的方法，这种方法综合目标/场景和SAR成像知识，在人脑中生成相应的模拟SAR图像，然后通过与真实SAR图像的对比，实现SAR图像复杂散射机理的解译过程。Soergel和Stilla为首的团队很先利用人工解译的方法分析了建筑物目标在SAR图像上的叠掩、阴影和多次散射特征以及目标之间的遮挡关系（Stilla et al.，2003）。随着计算机技术的发展，SAR图像模拟成为目标散射机理理解的重要手段。借助SAR图像模拟理解目标/场景到图像的正过程和机理，可以为深化SAR在城区监测的应用提供理论基础。两种思路本质上相同，区别在于人工解译方法不形成模拟图像，但其优点是能够迅速将有限的分析能力聚焦到SAR图像很显著而特殊的散射机制，而且能够具有人脑的智能化，这是现有任何计算机模拟方法所无法比拟的。因此，两种方法各有特点，它们在建筑物目标散射机理及SAR图像理解中的应用将在第3章、第4章、第8章中具体展开介绍。

    1.2.2 高分辨率SAR图像建筑物目标提取与三维重建

    利用SAR图像进行建筑物目标提取与三维重建的研究始于20世纪90年代后期，尽管发展较晚，但靠前外学者进行了大量研究，取得了颇多成果。根据已公开发表的文献来看，利用高分辨率SAR图像进行建筑物三维信息提取的方法按数据源可以分为基于单幅SAR图像和多视向SAR图像的方法，下面分别介绍。

    1. 基于单幅SAR图像的建筑物提取与三维重建

    在SAR图像中，建筑物高度的反演主要依赖于建筑物目标的叠掩、阴影和二次散射亮线等显著散射特征。对于建筑物目标，利用完整的阴影信息或者叠掩信息可以得到建筑物平面轮廓与高度。Bolter和Leberl（2000）分析了建筑物在SAR图像上的叠掩和阴影特征，并分别利用模拟图像和真实图像实现了建筑物的信息提取。Bennett和Blacknell（2003）利用SAR图像中阴影和叠掩的形状与尺寸信息估算了平顶屋和尖顶屋的高度，并对结果进行了验证。Tupin（2003）利用边界检测算子提取建筑物的边界和叠掩区域，进而根据叠掩计算建筑物的高度。Guida等（2010）基于建筑物目标几何参数与二次散射、叠掩和阴影间的定量关系实现了基于单幅SAR图像的简单建筑物高度反演。Wegner（2011）从InSAR（Interferometric Synthetic Aperture Radar）图像和光学图像中提取建筑物边界，采用基于条件随机场模型（Conditional Random Field，CRF）的融合方法重建目标三维信息。

    结合建筑物目标在高分辨率SAR图像上的散射特征，一些研究者借助计算机与模式识别新算法实现目标参数的提取与重建。Quartulli和Datcu（2004）引入随机几何模型方法，从单幅SAR图像中提取并重建建筑物目标，模型基于建筑物的叠掩-二次散射-阴影在图像空间的拓扑几何关系，并且加入建筑物屋顶类型，将场景模型与图像数据的匹配度作为目标函数求解整个场景中建筑物个数、屋顶类型、长、宽、高等参数。Michaelsen等（2010）引入了视觉编组和认知心理学原理，将建筑物目标在SAR图像中的特征进行了编组，实现了建筑物边界的提取。Jahangir等（2007）对不同类型的建筑物在SAR图像上形成的阴影特征进行了分析，并基于区域活动轮廓法提取了阴影特征，在此基础上反演了不同类型建筑物的高度。Guida等（2010）建立了建筑物二次散射特征与高度之间的电磁散射模型，利用二次散

在线阅读地址：城市雷达遥感机理与方法 张风丽//邵芸//王国军 著作在线阅读

在线听书地址：城市雷达遥感机理与方法 张风丽//邵芸//王国军 著作在线收听

在线购买地址：城市雷达遥感机理与方法 张风丽//邵芸//王国军 著作在线购买

暂无原文赏析，正在全力查找中！

暂无其它内容！