[发明专利]一种高分辨率SAR影像单体建筑提取方法

权利要求书

1.一种高分辨率SAR影像单体建筑提取方法，其特征在于，包括以下步骤：

步骤1：构建高分辨率SAR影像中单体建筑本体语义模型；

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；

步骤2：基于对象的SAR影像分割；

首先利用流域变换获得的初始结果作为基本处理对象，在此过程中利用均值比ROA算子提取抑制噪声的梯度图像，利用盆地动力学阈值抑制过分割的同时在一定程度上控制基本对象的尺度大小；在对象上建立区域邻接图RAG，在原始图像数据上建立高斯马尔可夫随机场GMRF模型统计各个对象的统计特征、空间纹理特性，利用初始分割区域的联合概率对模型进行参数估计，先进行保守合并，将小于一定面积的区域合并到其相邻最相似的区域中，再进行全局合并，在此过程中设定相似度阈值，当RAG中相邻两区域合并的似然比满足条件则进行合并；

步骤3：图像对象特征提取；

基于对象的SAR影像分割获得的同质性好且边界清晰的图像对象是后续处理的基本单元，结合本体模型中“建筑基元”相关规则，提取图像对象特征，包括对象的区域散射、形状几何及拓扑三大类特征；

步骤4：建筑基元提取及组合；

结合步骤1中构建的高分辨率SAR影像中单体建筑本体语义模型和步骤2中分割获得的图像对象，形成本体语义描述的单体建筑对象表达，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建筑基元提取，利用对象间拓扑特征以及本体规则实现建筑基元组合为单体建筑；其中，对于每种“建筑基元”采用相应的决策树来组织各类特征，决策阈值通过样本训练而来；

步骤5：提取结果后处理；

获取单体建筑对象之后，利用形态学处理以及边界规则化形成单体建筑边界轮廓，去除不满足条件的提取区域，完成基于本体语义的高分辨率SAR影像单体建筑提取。

2.根据权利要求1所述的高分辨率SAR影像单体建筑提取方法，其特征在于：步骤1中所述构建高分辨率SAR影像中单体建筑本体语义模型，其具体实现包括以下子步骤：

步骤1.1：分析高分辨率SAR影像中单体建筑成像模型；

分析单体建筑在高分辨率SAR影像中的成像模型，具体包括朝向SAR的建筑墙面与地面之间的叠掩特性、屋顶的表面散射特性及纹理形状特性，SAR侧视成像与建筑高度形成的建筑阴影效应，以及建筑朝向与SAR方位向的夹角；

步骤1.2：定义高分辨率SAR影像中单体建筑本体语义规则集；

所述单体建筑由建筑基元组合而成，所述建筑基元包括屋顶亮线、叠掩区域、平顶屋顶、尖顶屋顶、阴影，其中叠掩区域和尖顶屋顶强反射面属于亮区，尖顶屋顶的暗面和建筑阴影属于暗区；

所述高分辨率SAR影像中单体建筑本体语义规则集包括：

①单体建筑的位置和大小由建筑基元的组合区域确定，主要考虑矩形结构建筑；

②单体建筑的朝向由亮区的方向确定，分为三个主朝向：与SAR飞行方向平行、垂直及倾斜，不同朝向的亮区其亮度有所差异；

③屋顶、暗区都在亮区特定的一侧，与SAR入射角相关；

④单体建筑类型分为平顶建筑和尖顶建筑，主要由亮区宽度确定；

⑤判定对象满足“建筑基元”本体规则后，通过对象拓扑信息组合为单体建筑；

⑥建筑的面积大于250像素则为大型单体建筑。