基于模型先验的高分辨率 sar 图像建筑物目标三维重建方法
【专利摘要】本发明公开了一种基于模型先验的高分辨率SAR图像建筑物目标三维重建方法，包括如下步骤：第一步，从SAR图像中分割出高亮区域集合RH；第二步，通过高亮区域集合RH与平行四边形相似性来识别SAR图像中的建筑物目标集合及其对应的SAR图像切片集合；第三步，从建筑物目标SAR图像切片中提取建筑物目标散射特征并完成三维重建，其中，提取建筑物目标散射特征包括提取主墙面图像区域对应的亮平行四边形以及提取侧墙面图像区域对应的二次散射亮线。本发明只需要单幅高分辨率SAR图像建筑物，不需要引入光学图像或地理信息数据库等辅助数据，也不需要采用多方位SAR图像，即可完成建筑物三维重建，尤其适用于大方位角建筑物，具有误差小，精度高、计算效率高的特点。
【专利说明】基于模型先验的高分辨率SAR图像建筑物目标三维重建方法
【技术领域】
[0001]本发明涉及SAR遥感【技术领域】，具体地，涉及一种基于模型先验的高分辨率SAR图像建筑物目标三维重建方法。
【背景技术】
[0002]合成孔径雷达(SAR)具有全天时全天候的特性，已经成为对地观测和目标探测的重要手段之一。随着SAR成像系统的发展，SAR图像空间分辨率越来越高，单个建筑物结构的散射特征能够得到明显地展现。建筑物目标监测在城市建设与规划、灾害损失评估、军事监视等领域具有广泛应用。近年来，如何从高分辨率SAR图像中重建建筑物三维信息已经成为当前雷达遥感应用研究的热点问题。由于SAR是基于测距原理通过主动发射、接收微波电磁波成像，对于地物目标的几何形态非常敏感。在SAR图像中，建筑物目标的几何形态往往体现在阴影、叠掩和多次散射特征中。现有的建筑物几何参数提取方法主要围绕这些散射特征展开。虽然高分辨率SAR卫星为城市目标三维重建和动态变化监测提供了大量数据源，但建筑物目标的高分辨率SAR图像特征非常复杂，与光学图像具有明显的差异，给城区高分辨率SAR图像的应用造成很大困难。目前，基于高分辨率SAR图像的建筑物目标提取与三维重建方法仍处于探索阶段。因此，开展城市目标高分辨率SAR目标提取与三维重建方法研究，是推动SAR遥感技术在城区监测中应用的重要方面。
[0003]下面分别介绍一下三种现有的SAR图像建筑物目标三维重建方法及其存在的缺陷:
[0004]一、基于平面轮廓辅助的SAR图像建筑物目标三维重建方法，可参考如下文献:1、Tupin, F.，Extract1n of 3D informat1n using overlay detect1n on SARimages.2nd Grss/Isprs Joint Workshop on Remote Sensing and Data Fus1n overUrban Areas, 2003:p.72-76 ;2、Sportouche,H.,F.Tupin,and L.Denise,Extract1nand three-dimens1nal reconstruct1n of isolated buildings in urban scenesfrom high—resolut1n optical and SAR spaceborne images.1EEE Transact1ns onGeoscience and Remote Sensing, 2011.49(10):p.3932-3946。
[0005]该方法的特点是通过首先获得建筑物平面轮廓，然后从SAR图像中建筑物叠掩区提取高度，进而完成建筑物三维重建。该技术方案流程如图1所示。首先，利用线状特征提取算子从SAR图像中提取亮线；然后，基于提取的亮线特征，从光学图像中提取建筑物的屋顶平面轮廓，或者与建筑物地图数据库(GIS数据库)进行比较，剔除虚惊，确定建筑物平面轮廓；接着，基于SAR图像中亮线对应的墙角线，提取SAR图像中建筑物的叠掩区，并利用公式(I)来计算建筑物高度。
[0006]h = Ilayover.tan Θ (I)
[0007]其中，Ilaytjra为叠掩区在距离向的宽度。
[0008]该技术方案存在以下不足:
[0009]该技术方案中建筑物平面轮廓信息并非直接从SAR图像中提取，而是从光学图像或者其他地理信息数据库中获取。因此该技术方案非常依赖SAR图像以外的数据源，无法有效应用于缺少光学图像或者辅助地理数据库的情况。
[0010]该技术方案中从SAR图像中识别建筑物是通过提取图像中亮线特征来完成的。然而，在信噪比较低的星载SAR图像中，东西走向的建筑物目标与传感器方位向之间的存在较大的夹角，二次散射亮线的显著性较低，因此对于方位角较大的建筑物目标存在漏检。
[0011]二、基于多方位SAR图像的建筑物目标三维重建方法，可参考如下文献:3、Xu, F.and Y.-Q.Jinj Automatic Reconstruct1n of Building Objects From MultiaspectMeter-Resolut1n SAR Images.1EEE Transact1ns on Geoscience and RemoteSensing，2007.45(7):p.2336-2353 ;4、徐丰and金亚秋，多方位高分辨率S AR的三维目标自动重建(一)目标像的检测.电波科学学报，2007.22(6):ρ.899-905 ;5、徐丰and金亚秋，多方位高分辨率SAR的三维目标自动重建(二)多方位重建.电波科学学报，2008.20(1):ρ.23-33。
[0012]该方法的特点是融合多个方位的SAR图像来提取建筑物三维信息，该技术方案流程如图2所示。首先，将多个方位的SAR数据进行粗配准，确定实验区在各方位SAR图像中的范围；然后，针对每一个方位的SAR图像，利用边缘检测算法提取建筑物目标，从而完成建筑物目标的识别；利用建筑物目标在各方位SAR图像中的散射特征，完成多方位SAR图像的精配准；最后，利用多方位SAR图像中的建筑物目标像的匹配关系来完成建筑物目标的三维重建。
[0013]该技术方案存在以下不足:
[0014]该技术方案在建筑物目标三维重建过程中需要引入多方位SAR图像，对数据源的要求较高。由于高分辨率SAR图像价格昂贵，所以该技术方案成本高；
[0015]该技术方案中，建筑物目标提取和重建精度取决于边缘检测精度。由于SAR图像上建筑物目标散射特征的轮廓边界不完整，以及目标之间的相互遮挡，导致建筑物散射特征的提取存在误差，进而影响建筑物重建精度。
[0016]三、基于模拟图像的建筑物目标三维重建方法，可参考如下文献:6、Brunner, D., et al.，Building Height Retrieval From VHR SAR Imagery Based on anIterative Simulat1n and Matching Technique.1EEE Transact1ns on Geoscienceand Remote Sensing,2010.48 (3):p.1487-1504 ；7> Brunner, D., Advanced Methods ForBuilding Informat1n Extract1n From Very High Resolut1n SAR Data To SupportEmergency Response, 2009, University of Trento ;8、赵凌君，高分辨率 SAR 图像建筑物提取方法研究，2009。
[0017]该方法的特点是利用SAR图像模拟方法生成不同几何结构参数的建筑物目标的SAR图像并与真实SAR图像进行匹配运算，与真实图像最佳匹配的模拟图像对应的几何结构参数即为提取的建筑物三维信息。该技术方案的流程如图3所示。首先获得SAR图像对应的成像参数，然后利用图像模拟方法生成不同几何结构参数下的模拟图像，将所有生成的模拟图像与真实SAR图像进行比较，相似性最大时对应的几何结构参数即为建筑物的三维结构参数提取值，从而完成三维重建。
[0018]该技术方案存在以下不足:
[0019]该技术方案中需要模拟不同几何结构参数下的建筑物目标SAR图像，而图像模拟计算较大，因此该方法的计算效率较低。
[0020]该技术方案的关键在于保证模拟图像与真实图像的相似性，由于建筑物在SAR图像上的散射特征不仅与建筑物几何结构参数有关，还与建筑物目标的材质或表面细微结构有关，因此很难保证模拟图像与真实图像的相似性。
[0021]由此可见，上述现有的基于高分辨率SAR图像建筑物目标三维重建方法，显然仍存在有不便与缺陷，而亟待加以进一步改进。如何能创设一种误差小、精度闻的新的基于闻分辨率SAR图像建筑物目标三维重建方法，实属当前重要研发课题之一。
【发明内容】
[0022]本发明的目的在于克服上述现有技术的缺点和不足，提供一种误差小、精度高的基于模型先验的单幅高分辨率SAR图像建筑物目标三维重建方法。
[0023]为实现上述目的，本发明采用如下技术方案:
[0024]基于模型先验的高分辨率SAR图像建筑物目标三维重建方法，包括如下步骤:
[0025]第一步，从SAR图像中分割出高亮区域集合Rh ；
[0026]第二步，通过高亮区域集合Rh与平行四边形相似性来识别SAR图像中的建筑物目标集合及其对应的SAR图像切片集合；
[0027]第三步，从建筑物目标SAR图像切片中提取建筑物目标散射特征并完成三维重建，其中，提取建筑物目标散射特征包括提取主墙面图像区域对应的亮平行四边形以及提取侧墙面图像区域对应的二次散射亮线。
[0028]进一步地，所述第一步中:对SAR图像依次进行滤波、均值漂移分割与区域合并，并对区域合并后的图像利用FCM聚类分类方法进行分类，提取高亮区域集合Rh。
[0029]进一步地，所述区域合并方法为:对图像中某一区域，将其与相似度最大的区域合并，再计算图像的区域熵，如果合并后的区域熵大于合并之前的区域熵，则两区域可以进行合并；否则，两区域不相似，不能进行合并，遍历所有区域，直到区域的信息熵不再变化为止。
[0030]进一步地，所述第二步中:首先，确定高亮区域集合Rh对应的平行四边形的对角线集合Ldiag ;然后，基于提取的对角线集合Ldiag来估计与高亮区域集合Rh最接近的平行四边形集合Psim;最后，通过比较平行四边形集合Psim与高亮区域集合Rh的相似性来完成建筑物目标识别，形成建筑物目标集合Β_，并获得建筑物目标的图像切片集合Ssb ；
[0031]其中，所述建筑物目标识别的具体步骤如下:
[0032](I)对于每一个图像区域riu e Rh，获得其二值图像、对角线和过对角线两个端点的矩形框，并且获得矩形框的二值掩膜图像，对角线与水平方向夹角为Yi ;
[0033](2)过对角线两个端点分别作平行四边形的两条斜边，斜边与水平方向夹角为 ，取值范围为(-90°，Yi),平行四边形斜边将矩形框内的二值掩膜图像划分成两部分:
平行四边形内部Rin和外部Rwt，两部分之间的差异性。(Pi)用两部分方差之和来度量，计算公式如(14)；
[0034]σ ( β ) = nin σ in+nout σ out (14)
[0035]其中，nin和σ ^其表示平行四边形内部Rin像元个数和方差，n-和σ wt其表示平行四边形外部Rtjut像元个数和方差；
[0036](3)绘制两部分之间的差异性σ (β D与角度β i的变化曲Ikt (
[0037](4)如果曲线力在区间(-90°，Yi)单调递减或者单调递增，无极小值，则区域!.^不是建筑物，从高亮区域集合Rh中删除区域;
[0038](5)如果曲线为在区间(-90°，Yi)有极小值，则区域rH，i有对应的平行四边形Piu,并将Piu加入平行四边形集合Psini中，将区域i加入建筑物目标集合Β_中，从高亮区域集合Rh中删除区域rH，i ；
[0039](6)如果Rh为非空集合，返回步骤(1);否则该过程结束。
[0040]进一步地，利用RANSAC方法确定高亮区域集合Rh对应的平行四边形的对角线集合 LtJiag。
[0041]进一步地，所述第三步中，采用基于平行四边形约束的迭代最优方法来确定最优的亮平行四边形，完成建筑物目标主墙面图像区域的提取，具体步骤如下:
[0042]首先，根据初始平行四边形Pa = {^。；.。，》。，故}，建立一个以Ptl为中心的包含最优解的搜索范围Ω，如公式(15)；
【权利要求】
1.基于模型先验的高分辨率SAR图像建筑物目标三维重建方法，其特征在于，包括如下步骤: 第一步，从SAR图像中分割出高亮区域集合Rh; 第二步，通过高亮区域集合Rh与平行四边形相似性来识别SAR图像中的建筑物目标集合及其对应的SAR图像切片集合； 第三步，从建筑物目标SAR图像切片中提取建筑物目标散射特征并完成三维重建，其中，提取建筑物目标散射特征包括提取主墙面图像区域对应的亮平行四边形以及提取侧墙面图像区域对应的二次散射亮线。
2.根据权利要求1所述的基于模型先验的高分辨率SAR图像建筑物目标三维重建方法，其特征在于，所述第一步中: 对SAR图像依次进行滤波、均值漂移分割与区域合并，并对区域合并后的图像利用FCM聚类分类方法进行分类，提取高亮区域集合Rh。
3.根据权利要求2所述的基于模型先验的高分辨率SAR图像建筑物目标三维重建方法，其特征在于，所述区域合并方法为:对图像中某一区域，将其与相似度最大的区域合并，再计算图像的区域熵，如果合并后的区域熵大于合并之前的区域熵，则两区域可以进行合并；否则，两区域不相似，不能进行合并，遍历所有区域，直到区域的信息熵不再变化为止。
4.根据权利要求1所述的基于模型先验的高分辨率SAR图像建筑物目标三维重建方法，其特征在于，所述第二步中: 首先，确定高亮区域集合Rh对应的平行四边形的对角线集合Ldiag;然后，基于提取的对角线集合Ldiag来估计与高亮区域集合Rh最接近的平行四边形集合Psim;最后，通过比较平行四边形集合Psim与高亮区域集合Rh的相似性来完成建筑物目标识别，形成建筑物目标集合Bcan,并获得建筑物目标的图像切片集合Ssb ； 其中，所述建筑物目标识别的具体步骤如下: (1)对于每一个图像区域rH，ie Rh，获得其二值图像、对角线和过对角线两个端点的矩形框，并且获得矩形框的二值掩膜图像，对角线与水平方向夹角为Yi ; (2)过对角线两个端点分别作平行四边形的两条斜边，斜边与水平方向夹角为Pi，取值范围为(-90°，Yi),平行四边形斜边将矩形框内的二值掩膜图像划分成两部分:平行四边形内部Rin和外部Rwt，两部分之间的差异性。(Pi)用两部分方差之和来度量，计算公式如(14)；
σ ( β i) = nin σ in+nout σ out (14) 其中，nin和σ?η其表示平行四边形内部Rin像元个数和方差，和其表示平行四边形外部Rtjut像元个数和方差； (3)绘制两部分之间的差异性σ(β)与角度Pi的变化曲线 (4)如果曲线为在区间(-90°，Yi)单调递减或者单调递增，无极小值，则区域Fiu不是建筑物，从高亮区域集合Rh中删除区域rH，i ； (5)如果曲线为在区间(-90°，Yi)有极小值，则区域rH，i有对应的平行四边形Piu，并将PH，i加入平行四边形集合Psini中，将区域i加入建筑物目标集合Bcan中，从高亮区域集合Rh中删除区域rH，i; (6)如果Rh为非空集合，返回步骤(I);否则该过程结束。
5.根据权利要求4所述的基于模型先验的高分辨率SAR图像建筑物目标三维重建方法，其特征在于，利用RANSAC方法确定高亮区域集合Rh对应的平行四边形的对角线集合Ldiag0
6.根据权利要求1-5任一项所述的基于模型先验的高分辨率SAR图像建筑物目标三维重建方法，其特征在于，所述第三步中，采用基于平行四边形约束的迭代最优方法来确定最优的亮平行四边形，完成建筑物目标主墙面图像区域的提取。
7.根据权利要求6所述的基于模型先验的高分辨率SAR图像建筑物目标三维重建方法，其特征在于，所述建筑物目标主墙面图像区域的提取具体步骤如下: 首先，根据初始平行四边形pO =，叫，故丨，建立一个以Ptl为中心的包含最优解的搜索范围Ω，如公式(15)；
Ω^{χΑ,,χΓ,ω,φ\ xA, e Rr,xc, e Rc,,gj e Κω,φ e Κφ} Ra' = [^'0+?'4] /?(.,, — — bc , X(:,^ + 6( ]( 15 )
R:) =Iw0-S-^oj0 +εω]
Κφ = [Φο-εφΛ + εφ'\ 其中，Ra>、Rc.、Rw和R41分别为变量xA，、xc，、ω和φ的变化区间，ε Α、ε c> ε ω和ε分别为对应区间半径，εΑ = ε c = 5, ε ω = ε φ = 1° ；χΑ>和xc’的变化步长为0.1像元，ω和Φ的变化步长为0.05° ; 然后，建立寻找最优的亮平行四边形的目标函数；假设平行四边形P= |xA，，xc，，ω, φ}将建筑物目标所在的SAR图像切片I划分成两个子区域:目标Ip和背景If，利用平行四边形划分成的目标与背景区域之间的灰度差异和区域内部灰度一致性作为目标函数，如公式(16)； F(PJ)= Y P,(hMh)( 16)
/e(P,P) 其中Pi(Ii)和σ (Ii)分别为第i个区域的像元百分比和灰度均方根； 最后，利用以上目标函数(16)在搜索空间(15)中寻找到最优解，其过程表示为公式(17)；
Popt = arg min !F(P5I)I (17)。
8.根据权利要求6所述的基于模型先验的高分辨率SAR图像建筑物目标三维重建方法，其特征在于，所述第三步中，利用最优的亮平行四边形确定二次散射亮线Γ的起点和方向，将建筑物的宽度提取问题转化为确定Γ的长度e。
9.根据权利要求8所述的基于模型先验的高分辨率SAR图像建筑物目标三维重建方法，其特征在于，确定二次散射亮线长度e的方法如下: (I)垂直于二次散射亮线Γ所在方向，以二次散射亮线Γ为中心扩展到宽度为11个像元的窗口； (2)垂直于二次散射亮线Γ的直线μ(X)，与主墙面墙角点的垂直距离为X，该直线将窗口分成两部分:Upper Window和Under window,计算两个部分的像素均值μ (x)和P upper (X); (3)定义边界比例算子P(X) = μ undOT(X)/ μ uppOT(X)，获得p (χ)随着χ变化曲线，找到P (χ)最大值对应的点即为二次散射亮线的长度，即e = ai'g
【文档编号】G06T17/00GK104200521SQ201410447644
【公开日】2014年12月10日 申请日期:2014年9月4日 优先权日:2014年9月4日
【发明者】王国军, 张风丽, 沙敏敏, 徐旭, 符喜优, 邵芸 申请人:中国科学院遥感与数字地球研究所