CN114720953A - 基于csar图像的建筑物几何参数提取方法和装置 - Google Patents
基于csar图像的建筑物几何参数提取方法和装置 Download PDFInfo
- Publication number
- CN114720953A CN114720953A CN202210303081.7A CN202210303081A CN114720953A CN 114720953 A CN114720953 A CN 114720953A CN 202210303081 A CN202210303081 A CN 202210303081A CN 114720953 A CN114720953 A CN 114720953A
- Authority
- CN
- China
- Prior art keywords
- sub
- csar
- aperture
- building
- images
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/904—SAR modes
- G01S13/9088—Circular SAR [CSAR, C-SAR]
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种基于CSAR图像的建筑物几何参数提取方法和装置。所述方法包括:通过将CSAR回波数据按照一定的子孔径尺寸分割为多个角度相同的子孔径数据,并对每一个子孔径数据利用后向投影算法进行成像,获得多个子孔径图像;然后对子孔径图像进行非相干叠加,得到全孔径图像;接着根据建筑物的方位,从多个角度选取子孔径图像,并在选取的CSAR子孔径图像中截选出明显散射特征区域进行特征提取,得到建筑物平行四边形叠掩区域的边长;从CSAR全孔径图像中选出建筑物二次散射亮线构成的矩形线框区域进行特征提取,得到二次散射亮线的长度;根据平行四边形叠掩区域的边长、二次散射亮线的长度,对建筑物进行几何参数提取。
Description
技术领域
本申请涉及雷达信号处理领域,特别是涉及一种基于CSAR图像的建筑物几何参数提取方法和装置。
背景技术
合成孔径雷达(Synthetic Aperture Radar,SAR)成像是一种重要的高分辨率对地观测技术手段,因具有全天时全天候工作的特点,近年来得到了迅速发展和广泛关注。SAR成像能通过目标散射函数重构等方式,获取观测目标电磁散射信息,有助于目标特性分析、分类与识别。而圆迹合成孔径雷达(circular SAR,CSAR)作为一种新体制SAR模式,与以往传统直线轨迹SAR(LSAR)模式相比,CSAR成像围绕观测场景形成360°合成孔径,具有高平面分辨率、三维重建能力和360°全方位观测能力。
目前,基于高分辨率SAR图像提取建筑物几何参数是一个重要研究方向。从上世纪90年代至今,国内外学者进行了大量研究,并且取得了许多重要结果。
在单一视角的高分辨率SAR图像中,建筑物会呈现出二次散射亮线、叠掩和阴影等其特有的散射特征,利用这些信息可以有效地提取出建筑物的平面轮廓和高度信息。然而单纯通过单一视角SAR图像提取建筑物几何参数会有很大的局限性。首先,利用阴影或者叠掩信息反演建筑物高度需要提取完整的阴影或者叠掩范围,导致该类方法仅适用于稀疏建筑物,在应用于建筑物密集区域时,由于建筑物的阴影或者叠掩通常受到邻近目标的干扰而不完整;其次,SAR系统在单一视角侧俯视的情况下只能对建筑物三个面(建筑物的顶部以及两个侧面)进行观测,信息相对利用较少,对参数反演的精度也会造成影响。因此,现有技术存在效果不佳的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高建筑物几何参数提取效果的基于CSAR图像的建筑物几何参数提取方法、装置、计算机设备和存储介质。
一种基于CSAR图像的建筑物几何参数提取方法,所述方法包括:
获取待测量建筑物的CSAR回波数据,将所述CSAR回波数据按照预设子孔径尺寸分割为多个角度相同的子孔径数据;
根据所述子孔径数据通过后向投影算法对所有子孔径进行成像,得到CSAR子孔径图像,对所有所述CSAR子孔径图像进行非相干叠加处理,得到CSAR全孔径图像;
在所有所述CSAR子孔径图像中,从多个角度选取建筑物的散射特征完整且没有被遮挡的CSAR子孔径图像,并在选取的CSAR子孔径图像中截选出明显散射特征区域作为第一感兴趣区域,对所述第一感兴趣区域进行特征提取,得到建筑物平行四边形叠掩区域的边长;
从所述CSAR全孔径图像中选出建筑物二次散射亮线构成的矩形线框区域作为第二感兴趣区域,对所述第二感兴趣区域进行特征提取,得到二次散射亮线的长度;
根据所述平行四边形叠掩区域的边长、所述二次散射亮线的长度,对建筑物进行几何参数提取。
在其中一个实施例中,还包括:获取待测量建筑物的CSAR回波数据,将所述CSAR回波数据按照预设子孔径尺寸分割为多个角度相同的子孔径数据;所述预设子孔径尺寸小于整个建筑物的方位向跨度。
在其中一个实施例中,还包括:采用GPU并行处理的方式,根据所述子孔径数据通过后向投影算法对所有子孔径进行成像,得到CSAR子孔径图像。
在其中一个实施例中,还包括:根据预先获取的建筑物的位置朝向信息,以及与周边建筑物的相对位置关系信息,在所有所述CSAR子孔径图像中,从多个角度选取建筑物的散射特征完整且没有被遮挡的CSAR子孔径图像。
在其中一个实施例中,还包括:通过图像分割与融合,对所述第一感兴趣区域进行特征提取,得到建筑物平行四边形叠掩区域的边长。
在其中一个实施例中,还包括:通过图像分割与融合,对所述第二感兴趣区域进行特征提取,得到二次散射亮线的长度。
在其中一个实施例中,还包括:所述CSAR回波数据为Ku波段SAR系统录制的360°全方位CSAR数据。
一种基于CSAR图像的建筑物几何参数提取装置,所述装置包括:
CSAR回波数据划分模块,用于获取待测量建筑物的CSAR回波数据,将所述CSAR回波数据按照预设子孔径尺寸分割为多个角度相同的子孔径数据;
CSAR全孔径图像成像模块,用于根据所述子孔径数据通过后向投影算法对所有子孔径进行成像,得到CSAR子孔径图像,对所有所述CSAR子孔径图像进行非相干叠加处理,得到CSAR全孔径图像;
子孔径图像特征提取模块,用于在所有所述CSAR子孔径图像中,从多个角度选取建筑物的散射特征完整且没有被遮挡的CSAR子孔径图像,并在选取的CSAR子孔径图像中截选出明显散射特征区域作为第一感兴趣区域,对所述第一感兴趣区域进行特征提取,得到建筑物平行四边形叠掩区域的边长;
全孔径图像特征提取模块,用于从所述CSAR全孔径图像中选出建筑物二次散射亮线构成的矩形线框区域作为第二感兴趣区域,对所述第二感兴趣区域进行特征提取,得到二次散射亮线的长度;
建筑物几何参数提取模块,用于根据所述平行四边形叠掩区域的边长、所述二次散射亮线的长度,对建筑物进行几何参数提取。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取待测量建筑物的CSAR回波数据,将所述CSAR回波数据按照预设子孔径尺寸分割为多个角度相同的子孔径数据;
根据所述子孔径数据通过后向投影算法对所有子孔径进行成像,得到CSAR子孔径图像,对所有所述CSAR子孔径图像进行非相干叠加处理,得到CSAR全孔径图像;
在所有所述CSAR子孔径图像中,从多个角度选取建筑物的散射特征完整且没有被遮挡的CSAR子孔径图像,并在选取的CSAR子孔径图像中截选出明显散射特征区域作为第一感兴趣区域,对所述第一感兴趣区域进行特征提取,得到建筑物平行四边形叠掩区域的边长;
从所述CSAR全孔径图像中选出建筑物二次散射亮线构成的矩形线框区域作为第二感兴趣区域,对所述第二感兴趣区域进行特征提取,得到二次散射亮线的长度;
根据所述平行四边形叠掩区域的边长、所述二次散射亮线的长度,对建筑物进行几何参数提取。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待测量建筑物的CSAR回波数据,将所述CSAR回波数据按照预设子孔径尺寸分割为多个角度相同的子孔径数据;
根据所述子孔径数据通过后向投影算法对所有子孔径进行成像,得到CSAR子孔径图像,对所有所述CSAR子孔径图像进行非相干叠加处理,得到CSAR全孔径图像;
在所有所述CSAR子孔径图像中,从多个角度选取建筑物的散射特征完整且没有被遮挡的CSAR子孔径图像,并在选取的CSAR子孔径图像中截选出明显散射特征区域作为第一感兴趣区域,对所述第一感兴趣区域进行特征提取,得到建筑物平行四边形叠掩区域的边长;
从所述CSAR全孔径图像中选出建筑物二次散射亮线构成的矩形线框区域作为第二感兴趣区域,对所述第二感兴趣区域进行特征提取,得到二次散射亮线的长度;
根据所述平行四边形叠掩区域的边长、所述二次散射亮线的长度,对建筑物进行几何参数提取。
上述基于CSAR图像的建筑物几何参数提取方法、装置、计算机设备和存储介质,通过将CSAR回波数据按照一定的子孔径尺寸分割为多个角度相同的子孔径数据,并对每一个子孔径数据利用后向投影算法进行成像,获得多个子孔径图像;然后对子孔径图像进行非相干叠加,得到全孔径图像;接着根据建筑物的方位,从多个角度选取子孔径图像,并在选取的CSAR子孔径图像中截选出明显散射特征区域进行特征提取,得到建筑物平行四边形叠掩区域的边长;从CSAR全孔径图像中选出建筑物二次散射亮线构成的矩形线框区域进行特征提取,得到二次散射亮线的长度;根据平行四边形叠掩区域的边长、二次散射亮线的长度,对建筑物进行几何参数提取。本发明所提方法采取了多个视角的CSAR子孔径图像和全孔径图像,能够全方位对建筑物进行观测,提取的建筑物几何参数精度也会得到相应的提高。
与现有技术相比,本发明具有以下优点:
1)无需目标分布的先验信息;
2)结果提取精度更高;
3)适用于多种雷达信号体制;
4)人工参数少,便于实际使用;
5)所涉及的运算均为雷达信号处理中的常见运算,高效且易于实现;
6)结果能够呈现建筑物多个角度的几何结构,更为直观。
附图说明
图1为一个实施例中基于CSAR图像的建筑物几何参数提取方法的流程示意图;
图2为一个实施例中同场景建筑物散射结构示意图,其中,(a)为传统单角度建筑物SAR图像,(b)为全角度建筑物CSAR图像;
图3为一个实施例中矩形结构建筑物框架及SAR图像示意图示意图,其中,(a)为矩形结构建筑物框架示意图,(b)为建筑物SAR图像示意图;
图4为一个实施例中建筑物SAR图像散射特性结构模型示意图;
图5为另一个实施例中基于CSAR图像的建筑物几何参数提取方法的流程示意图;
图6为另一个实施例中选取的4个子孔径图像和对应的全孔径图像建筑物散射特征提取结果示意图,其中,其中(a)~(d)为子孔径图像上建筑物散射特征提取结果,(e)为全孔径图像上建筑物散射特征提取结果;
图7为一个实施例中基于CSAR图像的建筑物几何参数提取装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种基于CSAR图像的建筑物几何参数提取方法,包括以下步骤:
步骤102,获取待测量建筑物的CSAR回波数据,将CSAR回波数据按照预设子孔径尺寸分割为多个角度相同的子孔径数据。
图2为同场景建筑物散射结构。其中图2(a)为传统单角度建筑物SAR图像,图2(b)为全角度建筑物CSAR图像。在传统直线SAR图像2(a)中,建筑物的二次散射亮线以L型结构存在,观测视角单一,只能对建筑物三个面(建筑物的顶部以及两个侧面)进行观测,信息相对利用较少,另外由于观测角度、建筑物结构等因素,导致二次散射中心的亮度分布不均匀且波动大,这些都大大提高了几何参数提取的难度,对参数反演的精度造成影响;而在CSAR成像模式下,全孔径建筑物CSAR图像2(b)能够获取建筑物的全方位的散射信息,建筑墙面与地面形成的二次散射呈现为“口”型,该结构相比L型更加稳定,也更易于提取,可以实现对建筑物几何参数信息较为精确的提取。
本发明相关原理如下:
通常情况下,建筑物在高分辨率SAR图像上的散射特征,可按照亮度划分为三类:一是高亮区域特征,主要是由于建筑物顶点位移产生的叠掩,墙面与地面形成的二面角产生的二次散射亮线,和三面角尖顶类型建筑物正对电磁波入射方向的楼顶斜面产生的单次反射;二是中亮区域特征,主要是平顶类型的建筑物楼顶的单次反射;三是暗区域特征,主要是由于建筑物的遮挡电磁波无法照射到而形成的阴影。
在高分辨率SAR图像中,建筑物的叠掩区域为较规则的块状或条带形亮点,这主要是建筑物朝向雷达电磁波方向的墙面形成的。二次散射区域主要在图像中以高亮的线性结构出现,并且主要出现在建筑物墙面与地面形成的二面角结构中,二次散射亮线是建筑物在CSAR子孔径成像中最为典型的特征,常常用于建筑物的识别。阴影区域主要是由于建筑物对电磁波信号的遮挡,导致建筑物背侧无法被电磁波照射,从而在成像结果中形成亮度很低的区域,在实际城市建筑区域,建筑物会受到周围地物噪声的影响,阴影的特征并不是很明显,阴影区域的提取也较为困难,因此只利用建筑物在成像中的阴影信息很难提取其参数信息。
CSAR全孔径成像一般采用正射成像的方式得到观测目标各个角度的观测结果。在高分辨率SAR成像结果中,建筑物的墙面与地面形成的二面角具有很强的反射能力,形成二次散射亮线,这是建筑物在SAR图像中的一个非常显著的特征。在CSAR全孔径成像下,建筑物能够被全方位观测,在建筑物没有被遮挡的前提下,其各个墙面与地面形成的二面角,都可以产生较强的二次散射。在成像结果中,对于常见的矩形结构的建筑物,若成像平面设置为建筑物底部平面,其产生的二次反射亮线会形成一个闭合的矩形线框,可以据此得到建筑物的位置以及长宽参数信息。
一般建筑物的框架结构可以简化为一个长方体模型,并且建筑物排布间距较大,确保不会相互遮挡,那么建筑物在高分辨率CSAR图像下的映射关系如图3所示。
从对应关系上可以看出,在子孔径图像中,建筑物主墙面反射的回波信号强,对应为明亮的平行四边形,可以通过此提取建筑物的高度信息;在全孔径图像中,建筑物的四个墙面与地面构成二面角对应的二次反射亮线,构成矩形线框,可以通过此获取建筑物的长和宽参数。
建筑物可以表示为X={ψ,l,w,h},对应为建筑物主墙面的方位角以及长、宽、高信息。将建筑物的散射特征放入直角坐标系中,如图4所示,通过测量散射特征的长度,根据几何关系,可以计算出建筑物的几何参数信息。
在划分子孔径时,子孔径的方位向分辨单元需小于整个建筑物的方位向跨度,才能保证建筑物的叠掩、二次散射亮线等散射特征能够分辨,子孔径的方位向分辨率为
步骤104,根据子孔径数据通过后向投影算法对所有子孔径进行成像,得到CSAR子孔径图像,对所有CSAR子孔径图像进行非相干叠加处理,得到CSAR全孔径图像。
步骤106,在所有CSAR子孔径图像中,从多个角度选取建筑物的散射特征完整且没有被遮挡的CSAR子孔径图像,并在选取的CSAR子孔径图像中截选出明显散射特征区域作为第一感兴趣区域,对第一感兴趣区域进行特征提取,得到建筑物平行四边形叠掩区域的边长。
通过平行四边形,可以提取建筑物的高度信息。
步骤108,从CSAR全孔径图像中选出建筑物二次散射亮线构成的矩形线框区域作为第二感兴趣区域,对第二感兴趣区域进行特征提取,得到二次散射亮线的长度。
通过矩形线框,可以获取建筑物的长和宽参数。
步骤110,根据平行四边形叠掩区域的边长、二次散射亮线的长度,对建筑物进行几何参数提取。
具体地,图3为矩形结构建筑物框架及SAR图像示意图。其中图3(a)为矩形结构建筑物框架,图3(b)为建筑物SAR图像示意图。左侧为长方体结构的建筑物ABCD-EFGH,右边为成像结构图A′B′C′D′-E′F′G′H′,子孔径图像只能照射到建筑物的三个面:主墙面ABCD对应A′B′C′D′、侧面BCGF对应B′C′G′F′、顶面DCGH对应D′C′G′H′。
图4为建筑物SAR图像散射特性结构模型。其中,长边A′B′对应建筑物主墙面的底边AB,即建筑物的长度l。方位角ψ为A′B′与方位向的夹角,A′D′为散射特征的叠掩长度,平行于距离向坐标轴,对应建筑物的AD,即建筑物的高度h。边B′F′对应建筑物的BF,即的宽度w。由此可以得到如下关系式
其中,φ为平行四边形的内角,θ为电波入射角。通过上述关系,可以确定建筑物框架的几何参数信息。
上述基于CSAR图像的建筑物几何参数提取方法中,通过将CSAR回波数据按照一定的子孔径尺寸分割为多个角度相同的子孔径数据,并对每一个子孔径数据利用后向投影算法进行成像,获得多个子孔径图像;然后对子孔径图像进行非相干叠加,得到全孔径图像;接着根据建筑物的方位,从多个角度选取子孔径图像,并在选取的CSAR子孔径图像中截选出明显散射特征区域进行特征提取,得到建筑物平行四边形叠掩区域的边长;从CSAR全孔径图像中选出建筑物二次散射亮线构成的矩形线框区域进行特征提取,得到二次散射亮线的长度;根据平行四边形叠掩区域的边长、二次散射亮线的长度,对建筑物进行几何参数提取。本发明所提方法采取了多个视角的子孔径图像和全孔径图像,能够全方位对建筑物进行观测,提取的建筑物几何参数精度也会得到相应的提高。与现有技术相比,本发明具有以下优点:无需目标分布的先验信息;结果提取精度更高;适用于多种雷达信号体制;人工参数少,便于实际使用;所涉及的运算均为雷达信号处理中的常见运算,高效且易于实现;结果能够呈现建筑物多个角度的几何结构,更为直观。
在其中一个实施例中,还包括:获取待测量建筑物的CSAR回波数据,将CSAR回波数据按照预设子孔径尺寸分割为多个角度相同的子孔径数据;预设子孔径尺寸小于整个建筑物的方位向跨度。
在其中一个实施例中,还包括:采用GPU并行处理的方式,根据子孔径数据通过后向投影算法对所有子孔径进行成像,得到CSAR子孔径图像。
在其中一个实施例中,还包括:根据预先获取的建筑物的位置朝向信息,以及与周边建筑物的相对位置关系信息,在所有CSAR子孔径图像中,从多个角度选取建筑物的散射特征完整且没有被遮挡的CSAR子孔径图像。
在其中一个实施例中,还包括:通过图像分割与融合,对第一感兴趣区域进行特征提取,得到建筑物平行四边形叠掩区域的边长。
在其中一个实施例中,还包括:通过图像分割与融合,对第二感兴趣区域进行特征提取,得到二次散射亮线的长度。
在其中一个实施例中,还包括:CSAR回波数据为Ku波段SAR系统录制的360°全方位CSAR数据。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在另一个具体实施例中,如图5所示,提供了一种基于CSAR图像的建筑物几何参数提取方法,包括:
由CSAR回波数据得到CSAR子孔径数据,由CSAR子孔径图像确定建筑物平行四边形区域,进而反演出建筑物的高度和长度,由CSAR全孔径图像确定二次散射亮线矩形框区域,进而反演出建筑物的长度和宽度,最后根据建筑物的集合参数进行建筑物三维重构。
图6为选取的4个子孔径图像建筑物散射特征提取结果。其中(a)~(d)为子孔径图像上建筑物散射特征提取结果,(e)为全孔径图像上建筑物散射特征提取结果。通过将建筑物在子孔径图像上的散射特征进行提取,并对散射特征进行标注,以便于对散射特征的测量。
在一个实施例中,如图7所示,提供了一种基于CSAR图像的建筑物几何参数提取装置,包括:CSAR回波数据划分模块702、CSAR全孔径图像成像模块704、子孔径图像特征提取模块706、全孔径图像特征提取模块708和建筑物几何参数提取模块710,其中:
CSAR回波数据划分模块702,用于获取待测量建筑物的CSAR回波数据,将CSAR回波数据按照预设子孔径尺寸分割为多个角度相同的子孔径数据;
CSAR全孔径图像成像模块704,用于根据子孔径数据通过后向投影算法对所有子孔径进行成像,得到CSAR子孔径图像,对所有CSAR子孔径图像进行非相干叠加处理,得到CSAR全孔径图像;
子孔径图像特征提取模块706,用于在所有CSAR子孔径图像中,从多个角度选取建筑物的散射特征完整且没有被遮挡的CSAR子孔径图像,并在选取的CSAR子孔径图像中截选出明显散射特征区域作为第一感兴趣区域,对第一感兴趣区域进行特征提取,得到建筑物平行四边形叠掩区域的边长;
全孔径图像特征提取模块708,用于从CSAR全孔径图像中选出建筑物二次散射亮线构成的矩形线框区域作为第二感兴趣区域,对第二感兴趣区域进行特征提取,得到二次散射亮线的长度;
建筑物几何参数提取模块710,用于根据平行四边形叠掩区域的边长、二次散射亮线的长度,对建筑物进行几何参数提取。
CSAR回波数据划分模块702还用于获取待测量建筑物的CSAR回波数据,将CSAR回波数据按照预设子孔径尺寸分割为多个角度相同的子孔径数据;预设子孔径尺寸小于整个建筑物的方位向跨度。
CSAR全孔径图像成像模块704还用于采用GPU并行处理的方式,根据子孔径数据通过后向投影算法对所有子孔径进行成像,得到CSAR子孔径图像。
子孔径图像特征提取模块706还用于根据预先获取的建筑物的位置朝向信息,以及与周边建筑物的相对位置关系信息,在所有CSAR子孔径图像中,从多个角度选取建筑物的散射特征完整且没有被遮挡的CSAR子孔径图像。
子孔径图像特征提取模块706还用于通过图像分割与融合,对第一感兴趣区域进行特征提取,得到建筑物平行四边形叠掩区域的边长。
全孔径图像特征提取模块708还用于通过图像分割与融合,对第二感兴趣区域进行特征提取,得到二次散射亮线的长度。
关于基于CSAR图像的建筑物几何参数提取装置的具体限定可以参见上文中对于基于CSAR图像的建筑物几何参数提取方法的限定,在此不再赘述。上述基于CSAR图像的建筑物几何参数提取装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于CSAR图像的建筑物几何参数提取方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现上述方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于CSAR图像的建筑物几何参数提取方法,其特征在于,所述方法包括:
获取待测量建筑物的CSAR回波数据,将所述CSAR回波数据按照预设子孔径尺寸分割为多个角度相同的子孔径数据;
根据所述子孔径数据通过后向投影算法对所有子孔径进行成像,得到CSAR子孔径图像,对所有所述CSAR子孔径图像进行非相干叠加处理,得到CSAR全孔径图像;
在所有所述CSAR子孔径图像中,从多个角度选取建筑物的散射特征完整且没有被遮挡的CSAR子孔径图像,并在选取的CSAR子孔径图像中截选出明显散射特征区域作为第一感兴趣区域,对所述第一感兴趣区域进行特征提取,得到建筑物平行四边形叠掩区域的边长;
从所述CSAR全孔径图像中选出建筑物二次散射亮线构成的矩形线框区域作为第二感兴趣区域,对所述第二感兴趣区域进行特征提取,得到二次散射亮线的长度;
根据所述平行四边形叠掩区域的边长、所述二次散射亮线的长度,对建筑物进行几何参数提取。
2.根据权利要求1所述的方法,其特征在于,获取待测量建筑物的CSAR回波数据,将所述CSAR回波数据按照预设子孔径尺寸分割为多个角度相同的子孔径数据,包括:
获取待测量建筑物的CSAR回波数据,将所述CSAR回波数据按照预设子孔径尺寸分割为多个角度相同的子孔径数据;所述预设子孔径尺寸小于整个建筑物的方位向跨度。
3.根据权利要求2所述的方法,其特征在于,根据所述子孔径数据通过后向投影算法对所有子孔径进行成像,得到CSAR子孔径图像,包括:
采用GPU并行处理的方式,根据所述子孔径数据通过后向投影算法对所有子孔径进行成像,得到CSAR子孔径图像。
4.根据权利要求3所述的方法,其特征在于,在所有所述CSAR子孔径图像中,从多个角度选取建筑物的散射特征完整且没有被遮挡的CSAR子孔径图像,包括:
根据预先获取的建筑物的位置朝向信息,以及与周边建筑物的相对位置关系信息,在所有所述CSAR子孔径图像中,从多个角度选取建筑物的散射特征完整且没有被遮挡的CSAR子孔径图像。
5.根据权利要求4所述的方法,其特征在于,对所述第一感兴趣区域进行特征提取,得到建筑物平行四边形叠掩区域的边长,包括:
通过图像分割与融合,对所述第一感兴趣区域进行特征提取,得到建筑物平行四边形叠掩区域的边长。
6.根据权利要求5所述的方法,其特征在于,对所述第二感兴趣区域进行特征提取,得到二次散射亮线的长度,包括:
通过图像分割与融合,对所述第二感兴趣区域进行特征提取,得到二次散射亮线的长度。
7.根据权利要求1至6任意一项所述的方法,其特征在于,所述CSAR回波数据为Ku波段SAR系统录制的360°全方位CSAR数据。
8.一种基于CSAR图像的建筑物几何参数提取装置,其特征在于,所述装置包括:
CSAR回波数据划分模块,用于获取待测量建筑物的CSAR回波数据,将所述CSAR回波数据按照预设子孔径尺寸分割为多个角度相同的子孔径数据;
CSAR全孔径图像成像模块,用于根据所述子孔径数据通过后向投影算法对所有子孔径进行成像,得到CSAR子孔径图像,对所有所述CSAR子孔径图像进行非相干叠加处理,得到CSAR全孔径图像;
子孔径图像特征提取模块,用于在所有所述CSAR子孔径图像中,从多个角度选取建筑物的散射特征完整且没有被遮挡的CSAR子孔径图像,并在选取的CSAR子孔径图像中截选出明显散射特征区域作为第一感兴趣区域,对所述第一感兴趣区域进行特征提取,得到建筑物平行四边形叠掩区域的边长;
全孔径图像特征提取模块,用于从所述CSAR全孔径图像中选出建筑物二次散射亮线构成的矩形线框区域作为第二感兴趣区域,对所述第二感兴趣区域进行特征提取,得到二次散射亮线的长度;
建筑物几何参数提取模块,用于根据所述平行四边形叠掩区域的边长、所述二次散射亮线的长度,对建筑物进行几何参数提取。
9.根据权利要求8所述的装置,其特征在于,所述CSAR全孔径图像成像模块还用于:
采用GPU并行处理的方式,根据所述子孔径数据通过后向投影算法对所有子孔径进行成像,得到CSAR子孔径图像。
10.根据权利要求9所述的装置,其特征在于,所述子孔径图像特征提取模块还用于:
根据预先获取的建筑物的位置朝向信息,以及与周边建筑物的相对位置关系信息,在所有所述CSAR子孔径图像中,从多个角度选取建筑物的散射特征完整且没有被遮挡的CSAR子孔径图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210303081.7A CN114720953A (zh) | 2022-03-25 | 2022-03-25 | 基于csar图像的建筑物几何参数提取方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210303081.7A CN114720953A (zh) | 2022-03-25 | 2022-03-25 | 基于csar图像的建筑物几何参数提取方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114720953A true CN114720953A (zh) | 2022-07-08 |
Family
ID=82239938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210303081.7A Pending CN114720953A (zh) | 2022-03-25 | 2022-03-25 | 基于csar图像的建筑物几何参数提取方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114720953A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115657032A (zh) * | 2022-12-27 | 2023-01-31 | 中国人民解放军国防科技大学 | 一种极化csar车辆目标三维重建方法及装置 |
-
2022
- 2022-03-25 CN CN202210303081.7A patent/CN114720953A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115657032A (zh) * | 2022-12-27 | 2023-01-31 | 中国人民解放军国防科技大学 | 一种极化csar车辆目标三维重建方法及装置 |
CN115657032B (zh) * | 2022-12-27 | 2023-03-10 | 中国人民解放军国防科技大学 | 一种极化csar车辆目标三维重建方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11094114B2 (en) | Satellite SAR artifact suppression for enhanced three-dimensional feature extraction, change detection, and visualizations | |
CN110703245B (zh) | 基于同名点匹配与dem辅助的地基sar多角度图像配准方法 | |
CN110675440B (zh) | 三维深度数据的置信度评估方法、装置和计算机设备 | |
Kleinkort et al. | Visual hull method for realistic 3D particle shape reconstruction based on high-resolution photographs of snowflakes in free fall from multiple views | |
Zhu et al. | Robust registration of aerial images and LiDAR data using spatial constraints and Gabor structural features | |
CN113376597A (zh) | 基于数字高程地图和gpu的复杂地形电磁散射快速仿真方法 | |
CN114720953A (zh) | 基于csar图像的建筑物几何参数提取方法和装置 | |
CN107607951A (zh) | 一种sar图像二次散射特征模拟方法 | |
CN112114310A (zh) | 一种基于三维分解的微波毫米波全息图像重建方法 | |
CN113064162A (zh) | 应用于机场跑道异物检测雷达系统的检测方法、装置 | |
CN109166084B (zh) | 一种基于邻近点梯度关系的sar几何畸变定量模拟方法 | |
Chen et al. | SAR raw data simulation for fluctuant terrain: A new shadow judgment method and simulation result evaluation framework | |
CN114998365A (zh) | 一种基于极化干涉sar的地物分类方法 | |
CN106910178B (zh) | 一种基于色调统计特性分类的多角度sar图像融合方法 | |
Han et al. | Arbitrary-oriented target detection in large scene sar images | |
CN111522007A (zh) | 真实场景与目标仿真融合的sar成像仿真方法和系统 | |
CN113030968B (zh) | 基于csar模式提取dem的方法、装置及存储介质 | |
CN101872468B (zh) | 一种保持敏感目标视觉质量的图像缩放方法 | |
CN114332440B (zh) | 采用stl格式3D模型反演生成目标SAR图像的方法 | |
CN108957454B (zh) | 机载干涉合成孔径雷达的干涉相位仿真方法 | |
CN115951312A (zh) | 基于双基雷达的协同抗欺骗干扰方法、装置和设备 | |
CN114373135A (zh) | 基于局部显著性特征度量的舰船目标检测方法 | |
CN112213704A (zh) | 一种目标散射截面计算方法及装置 | |
CN106897985A (zh) | 一种基于可见度分类的多角度sar图像融合方法 | |
CN115657032B (zh) | 一种极化csar车辆目标三维重建方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |