基于机器学习的阵列层析SAR建筑物目标提取方法

阵列层析SAR通过交轨向布置多个不同高度天线、方位向合成孔径和斜距向大带宽信号,具备三维成像能力,单次航过即可实现观测区域的三维点云获取。受限于阵元数目和基线长度,高程向分辨率较低,同时建筑物区域存在叠掩,在三维重建过程中提取建筑物目标特征效率较低。针对这个问题,该文提出了一种基于机器学习的建筑物目标识别和提取算法,通过基于多元线性回归的点云分割、基于梯度算子的边缘提取和基于聚类分析的建筑物分区重建,进行建筑物立面、顶面和地面的提取,能够得到较好的立面与地面相交的脚印信息,大大提高了特征提取效率。通过国内首次机载阵列层析SAR实验数据处理结果,验证了该方法的有效性。

基于高分辨率遥感影像的建筑物三维信息提取

地震是破坏力极强的自然灾害之一,随着城市的人口和建筑物的逐年增多,一旦发生严重的地震灾害,后果不堪设想。因此,在对城市地震预测的研究中,需要采用高分辨率的遥感影像来提取建筑物的三维信息。本文对高分辨率遥感影像的建筑物三维信息提取的方法进行了研究,并判断了其准确性和适应性,对地震区的防震减灾工作有一定的参考价值和意义。