一种基于极化圆周SAR图像的陆上桥梁提取方法

谭向程; 安道祥; 陈乐平; 周智敏

doi:10.12000/JR20117

一种基于极化圆周SAR图像的陆上桥梁提取方法

DOI: 10.12000/JR20117

国防科技大学电子科学学院长沙 410073

基金项目: 湖南省自然科学基金(2020JJ5661)，国家自然科学基金(61571447)，装备预研基金(61404130304, 61404130311, 61404130309)

详细信息

作者简介:
谭向程(1996–)，男，四川广安人，现为国防科技大学电子科学学院硕士生，主要研究方向为SAR图像解译

安道祥(1982–)，男，吉林东丰人，博士，现为国防科技大学电子科学学院副教授，主要研究方向为机载低频单/双站超宽带SAR成像、机载CSAR成像、视频SAR成像、重轨InSAR和SAR图像解译等

陈乐平(1988–)，男，福建福州人，博士，现为国防科技大学电子科学学院讲师，主要研究方向为高分辨率合成孔径雷达成像

周智敏(1957–)，男，河北易县人，现为国防科技大学电子科学学院教授，主要研究方向为超宽带雷达技术

通讯作者:
安道祥 daoxiangan@nudt.edu.cn

责任主编：杨健 Corresponding Editor: YANG Jian
中图分类号: TP701
计量
- 文章访问数: 1632
- HTML全文浏览量: 501
- PDF下载量: 147
- 被引次数: 8
出版历程
- 收稿日期: 2020-08-20
- 修回日期: 2020-10-29
- 网络出版日期: 2020-11-17
- 刊出日期: 2021-06-28

A Land Bridge Extraction Method Based on Polarized Circular Synthetic Aperture Radar Images

College of Electronic Science and Technology, National University of Defense Technology, Changsha 410073, China

Funds: The Natural Science Foundation of Hunan Province (2020JJ5661), The National Natural Science Foundationof China (61571447), The Equipment Pre-Research Foundation (61404130304, 61404130311, 61404130309)

More Information

Corresponding author: AN Daoxiang, daoxiangan@nudt.edu.cn

摘要

摘要: 桥梁作为重要的人造目标，一直都是合成孔径雷达(SAR)图像解译的重要对象之一。目前针对桥梁检测问题已开展了较多研究，核心思想是：首先提取出河流水体，然后再根据河流与桥梁的位置关系检测桥梁。然而，已有的桥梁检测方法依赖于河流提取，很难实现陆上桥梁检测。因为陆上桥梁下方的背景不再是河流，而是陆地，其散射特性、形状分布与河流不同，不能采用传统的水体提取方法来检测陆地背景，进而无法利用桥梁的位置先验知识定位桥梁。针对该问题，该文提出了一种基于极化圆周SAR(CSAR)图像的陆上桥梁检测方法。首先，利用观测场景的圆周极化熵(CPE)实现疑似桥梁目标与陆地背景的分离(该实验中桥梁的CPE均值为0.4018，陆地背景的CPE均值为0.7819，两者具有明差别)；然后，根据地物目标的极化熵方差特征和桥梁尺寸特性，抑制虚假目标；最后，根据桥梁的几何特征实现陆上桥梁的准确提取。该文所提方法解决了传统桥梁检测方法需要基于河流提取结果才能实现桥梁检测的问题。机载L波段极化CSAR实测数据处理结果证明了所提方法的正确性、有效性和实用性。
- 极化CSAR /
- 桥梁检测 /
- 陆上桥梁检测 /
- 全方位散射特征 /
- 圆周极化熵 /
- 极化熵方差
Abstract: As important man-made targets, bridges have been a major focus of Synthetic Aperture Radar (SAR) image interpretation, and many researchers have developed methods for bridge detection. The core frameworks of these methods are analogical, a river is first extracted, and a water bridge is detected based on the positional relationship between the river and bridge. However, existing bridge detection methods relying on river extraction; cannot be utilized detect land bridges. This is because the background environment under a bridge is land, not river, which has different scattering characteristics and shape layouts. As such, the traditional method for extracting rivers is not suitable for extracting land background, and it is impossible to locate a bridge based on prior knowledge of its location of. To resolve this problem, in this study, we propose a land bridge detection method based on polarized Circular SAR (CSAR) images. In our proposed method, the Circular Polarization Entropy (CPE) of an observed scene is introduced to separate possible bridge targets from a land background (In our experiment, the average CPE of the bridge is 0.4018, and that of the land background is 0.7819; thus there is a clear difference between the bridge and background). False targets are removed based on the difference in the polarization entropy variance features of the bridges and other ground objects; and the size characteristics of the bridges. Finally, accurate extractions of land bridges are obtained based on the geometric characteristics of the bridges. Experimental results based on real airborne L-band polarized CSAR data verify the correctness of the theoretical analysis and effectiveness of the proposed method.
- Polarization Circular SAR (CSAR) /
- Bridge detection /
- Land bridge detection /
- Omnidirectional scattering feature /
- Circular Polarization Entropy (CPE) /
- Polarization entropy variance

HTML全文

1. 引言

合成孔径雷达（Synthetic Aperture Radar, SAR）具备全天候、全天时、远距离、高分辨率对地成像能力，已经成为现代微波遥感领域的重要技术手段之一^[1]。获取陆海环境更高的分辨能力和更大的测绘范围一直是各种遥感手段不断突破的方向。方位向多通道体制以空间维度采样的增加消除分辨率和幅宽对时间维度采样率的矛盾制约^[2]，目前已经成为高分辨率宽幅SAR成像的主流技术手段之一，并成功应用于国内外多颗在轨SAR卫星，包括高分三号^[3]、TerraSAR-X^[4], RADARSAT-2^[5]和ALOS-2^[6]。

通道失配校正和多通道信号重建是方位多通道SAR信号处理的两个关键技术环节。多通道信号重建旨在对空间上非均匀分布的多个通道采样信号进行联合处理，得到等效于单通道SAR系统的空间维均匀采样信号^[7]。在进行非均匀采样数据重建处理之前，多个通道接收回波的幅度、相位、延时等特性需要校正一致，以避免重建图像中出现干扰图像判读的“鬼影”虚假目标^[8]。针对方位多通道SAR系统失配校正问题，德国宇航中心、西安电子科技大学、上海交通大学、中国科学院电子学研究所等国内外研究机构相继进行了大量研究，提出了多种处理方案^[9–11]。

通道相位失配校正主要分为基于内定标系统的标定方法和基于回波数据的估计方法^[12]。由于实际SAR系统中通道失配来源复杂，完全依靠内定标系统不仅代价高昂而且系统十分庞大^[13]。基于回波数据的通道失配估计方法受到国内外学者的广泛研究^[14]。通常来讲，通道间特性失配源于系统特性不理想，与成像场景无关，目前已经发展的通道失配校正方法也是基于此假设。但是，虽然失配特性不一致源于SAR系统特性，其造成的影响与场景特性却是紧密相关的，特别是起伏地形高程。目前发展的通道失配校正方法均未考虑地形起伏的影响，基于平地假设的校正方法在地形起伏明显的场景中，失配校正性能将受到很大影响。当前，高精度数字高程模型(Digital Elevation Model, DEM)重建技术经过国内外学者多年研究，已经逐渐成熟并得到广泛应用^[15]。本文详细分析了方位向多通道SAR系统存在偏航、俯仰和地形起伏条件下的通道失配特点，给出运用辅助DEM信息进行补偿的解析表达式，针对仿真实验数据和机载4通道SAR实验数据开展处理工作，验证所提方法的有效性。

2. 基于辅助DEM的方位多通道SAR相位失配补偿方法

方位多通道SAR信号无模糊重建的基础是各天线子孔径沿航迹方向均匀排布。但是，在实际工作过程中，受高空气流和侧风的影响，天线基线常常偏离平台的飞行轨迹，平台姿态往往存在偏航、俯仰和横滚^[16]，如图1所示。在星载SAR系统中，地球自转等效于系统中存在一个固定偏航角。

图 1 机载SAR系统飞行姿态示意图

Figure 1. The attitude of airborne SAR system

下载: 全尺寸图片幻灯片

其中，平台横滚角带来的影响主要是回波的接收增益发生变化，场景目标到多个通道天线相位中心的斜距变化是相同的，因此不会导致通道间的相位误差。天线偏航和俯仰不仅会导致波束在方位向指向发生改变，成像区域改变，而且会导致子孔径天线相位中心位置发生偏移^[16]。天线相位中心偏移导致的相位差异在不同通道中是不同的，由此导致通道间的相位误差。

图2中，Y 轴指向平台前进方向，Z轴垂直地面向上，X轴形成右手直角坐标系，平台飞行高度H, ${L_n}$ 表示天线子孔径n到参考通道的顺轨间隔，场景目标T坐标为(x, y, h)。以方位向两通道SAR系统为例进行分析，方位向前端通道称为主通道，后端通道称为辅通道，偏移前相位中心表示为 $P\,$ ，偏移后相位中心表示为 $\bar {P\;}$ 。这里以主通道为参考通道，分析平台偏航和俯仰给辅通道带来的影响，结论同样适用于任意通道数目的多通道SAR系统。窄波束条件下SAR系统符合波束中心近似假设，图3给出平台姿态变化在斜距方向导致相位中心变化示意图。

图 2 天线相位中心偏移示意图

Figure 2. Movement of SAR antenna phase center

下载: 全尺寸图片幻灯片

图 3 2维横截面图

Figure 3. 2-D cross-sectional view

下载: 全尺寸图片幻灯片

假设 ${\theta _{\rm{yaw}}}$ 表示偏航角， ${\theta _{\rm{pitch}}}$ 表示俯仰角，如图3所示，则偏航和俯仰导致的相位中心在3维空间的变化量可以表示为

$\left. {\begin{array}{*{20}{c}} {\Delta x = {L_n}\sin {\theta _{\rm{yaw}}}} \\ {\Delta z = {L_n}\sin {\theta _{\rm{pitch}}}} \end{array}} \right\}$

(1)

目标T和校正前后辅通道的天线相位中心位置

$\left. \begin{array}{l} {\rm T}:\left( {x,h} \right)\\ P:\left( {0,H} \right)\\ \bar {P\,}:\left( {\Delta x,H + \Delta z} \right) \end{array} \right\}$

(2)

其中， $x$ 和 $h$ 分别表示目标 $\rm T\,$ 的地距向和高度向的位置坐标， $H$ 表示平台飞行高度。由成像几何关系，天线相位中心偏移导致的相位失配可以表示为

$\begin{align} \varphi =& \frac{{2{\text{π}} }}{\lambda }\left( \sqrt {{{(x{\rm{ - }}\Delta x)}^2} + {{(H + \Delta z - h)}^2}}\right. \\ {\rm{}}& \left.- \sqrt {{x^2} + {{(H - h)}^2}} \right) \end{align}$

(3)

其中， $\lambda$ 表示载波波长。在星载SAR和机载SAR系统中，条件 $\Delta x \ll x$ 和 $\Delta z \ll H - h$ 均有效成立，可以得到近似不等式如式(4)

$\begin{align} {x^2} + {(H - h)^2} &\gg 2x\Delta x{\rm{ + }}2(H - h)\Delta z \\ {\rm{}}&\gg \Delta {x^2}{\rm{ + }}\Delta {z^2} \end{align}$

(4)

在上述假设条件下，将式(3)中的双曲形式泰勒级数展开至2次项可以得到

$\varphi \approx \frac{{2{\text{π}} }}{\lambda }\left( {\frac{{{\rm{ - }}x\Delta x{\rm{ + }}(H - h)\Delta z}}{{\sqrt {{x^2} + {{(H - h)}^2}} }}} \right)$

(5)

基于成像几何关系，可以得到下视角 ${\theta _{{\rm{look}}}}$ 的三角函数关系如式(6)

$\left. {\begin{array}{*{20}{c}} {\cos {\theta _{{\rm{look}}}} = \frac{{\left( {H - h} \right)}}{{\sqrt {{x^2} + {{\left( {H - h} \right)}^2}} }}} \\ {\sin {\theta _{{\rm{look}}}} = \frac{x}{{\sqrt {{x^2} + {{\left( {H - h} \right)}^2}} }}} \end{array}} \right\}$

(6)

综上，将式(6)代入式(5)可以得到偏航角和俯仰角导致的通道间相位偏差

$\begin{align} \varphi =& \frac{{2{\text{π}} {L_n}}}{\lambda }\left( {\rm{ - }}\sin {\theta _{{\rm{look}}}}\sin {\theta _{\rm{yaw}}}\right.\\ {\rm{}}& \left.+{\rm{cos}}{\theta _{{\rm{look}}}}\sin {\theta _{\rm{pitch}}} \right) \end{align}$

(7)

在机载SAR系统工作过程中，偏航和俯仰不断发生变化，通道间相位失配具有方位时变特性。同时，从式(7)可以看出，相位失配随场景地物对应的下视角变化，呈现距离向空变特点，因此式(7)可以重写为

$\begin{align} \varphi \left( {t,h} \right) =& \frac{{2{\text{π}} {L_n}}}{\lambda }\Bigr( {\rm{ - }}\sin \left( {{\theta _{{\rm{look}}}}\left( h \right)} \right)\sin \left( {{\theta _{\rm{yaw}}}\left( t \right)} \right) \\ {\rm{}}& +{\rm{ cos}}\left( {{\theta _{{\rm{look}}}}\left( h \right)} \right)\sin \left( {{\theta _{\rm{pitch}}}\left( t \right)} \right)\Bigr) \end{align}$

(8)

在地形起伏明显的区域，场景地物对应的下视角与平地假设下不同。如果采用简单的平地假设，针对存在高程起伏的地物，通道间相位失配补偿将出现错误，导致最终的重建图像中出现虚假目标。如图4所示，假设平台飞行高度为3000 m，场景中高程地物高出参考水平面300 m，建筑物顶端视角 ${\theta _1}$ 为50°。如果不考虑场景地形起伏，建筑物顶端斜距对应的视角 ${\theta _2}$ 约为44.42°。在子孔径间隔0.5 m的C波段机载SAR中，假设机载系统存在5°偏航角和3°俯仰角，采用平地假设进行相位失配校正，造成的偏差约为6.5°，在背景环境较弱的条件下会出现干扰虚假目标。如果在校正相位失配时考虑地形起伏影响，可以准确校正姿态导致的通道间相位失配，有效抑制重建后图像中的虚假目标。

图 4 高程引起的成像叠掩示意图

Figure 4. Imaging overlap caused by topograghic relief

下载: 全尺寸图片幻灯片

基于辅助DEM的方位多通道SAR通道失配补偿流程如图5所示，具体处理步骤如下：

图 5 基于DEM辅助的方位多通道SAR通道失配补偿方法流程图

Figure 5. The flowchart of the proposed channel phase mismatch calibration method based on the aided DEM

下载: 全尺寸图片幻灯片

(1) 根据惯性测量单元(IMU)记录的3维速度信息，针对多通道回波数据进行1阶运动补偿，补偿之后认为参考通道处于理想直线航迹上；

(2) 在距离频域和方位时域进行2维自适应校正幅度误差，校正表达式如式(9)所示，其中 $n$ 表示对通道2进行校正的次数， ${f_{\rm{r}}}$ 表示距离频率， $t$ 表示方位时间；

$\left. \begin{aligned} {\rm{}}&{S_2^{n + 1}\left( {{f_{\rm{r}}},t} \right) = S_2^n\left( {{f_{\rm{r}}},t} \right)\frac{{\displaystyle\int {\left| {{S_1}\left( {{f_{\rm{r}}},t} \right)} \right|{\rm d}t} }}{{\displaystyle\int {\left| {S_2^n\left( {{f_{\rm{r}}},t} \right)} \right|{\rm d}t} }}}\\ {\rm{}}&{S_2^{n + 2}\left( {{f_{\rm{r}}},t} \right) = S_2^{n + 1}\left( {{f_{\rm{r}}},t} \right)\frac{{\displaystyle\int {\left| {{S_1}\left( {{f_{\rm{r}}},t} \right)} \right|{\rm d}{f_{\rm{r}}}} }}{{\displaystyle\int {\left| {S_2^{n + 1}\left( {{f_{\rm{r}}},t} \right)} \right|{\rm d}{f_{\rm{r}}}} }}} \end{aligned} \right\}$

(9)

(3) 进行距离压缩；

(4) 采用方位互相关方法^[11]进行通道间延时误差校正；

(5) 在机载系统中，飞行姿态具有方位向时变特点，场景高程起伏也具有方位空变特点，采用方位向子孔径处理方式，假设子孔径内方位向高程不变，利用辅助DEM信息计算场景地物对应的下视角，并结合IMU记录的平台姿态数据校正距离空变、方位时变相位误差；

(6) 采用子空间投影方法^[13]校正残余的非空变、非时变相位误差；

(7) 采用滤波器组方法^[7]进行多通道信号重建，得到无模糊的单通道信号；

(8) 最后采用调频变标(CS)算法进行单通道数据成像处理，得到无模糊SAR图像。

3. 仿真与机载SAR数据处理结果

为了验证本文算法有效性，分别开展仿真数据处理和机载多通道SAR试验数据处理。首先，参照实际飞行试验中采用的方位多通道机载SAR系统设置仿真实验，实验参数由表1给出。

表 1 仿真机载实验参数

Table 1. System parameters of the simulated airborne experiment

系统参数	数值
通道数目	4
飞行高度(m)	3000
平台速度(m/s)	120
载频(GHz)	5.4
发射信号带宽(MHz)	210
脉冲重复频率(Hz)	150
多普勒带宽(Hz)	384

下载: 导出CSV

| 显示表格

假设平台存在5°偏航角和3°俯仰角。在场景中设置5个点目标，等间距分布，位于中间位置的点目标高程为0，其他4个点目标分别设置不同的高度，如图6所示。

图 6 场景点目标间距及高程设置

Figure 6. Five points set in the simulated scene

下载: 全尺寸图片幻灯片

图7展示了仿真实验数据处理结果。图7(a)给出的是未进行通道失配校正的多通道信号重建结果。由于通道失配的影响，场景中5个点目标均存在明显的虚假目标，分别分布在真实目标方位向前后位置。由于虚假目标的位置与目标的最近斜距有关，对比A, B和C点不难发现位于距离向不同位置点目标的虚假目标与真实目标的间距不同。同时，对比B点和E点可以发现，由于高程的影响，位于相同地距位置的点目标在斜距图像中出现在不同距离门中。

图 7 仿真实验结果

Figure 7. Experimental results of the simulation

下载: 全尺寸图片幻灯片

图7(b)中给出平地假设条件下通道失配校正结果。可以发现，没有高程的B点虚假目标得到有效抑制。由于未考虑地形起伏影响，场景中A, C, D, E 4个点目标仍然存在可见的虚假目标。同时，高程较高的C点和E点，虚假目标强度明显高于高程较低的A点和D点。图7(c)中给出考虑地形起伏条件下通道失配校正结果。可以发现，场景中A, B, C, D, E 5个点目标对应的虚假目标均得到有效抑制。仿真实验中虚假目标抑制的定量评估结果在表2中给出。

表 2 仿真实验定量评估结果(dB)

Table 2. Quantitative assessment result of the simulation (dB)

目标	未校正	未考虑高程起伏	考虑高程起伏
A	–5	–34	–53
B	–7	–50	–50
C	–5	–28	–53
D	–6	–37	–51
E	–5	–27	–52

下载: 导出CSV

| 显示表格

中国科学院电子学研究所自主研制C波段方位4通道机载SAR系统，于2017年7月在舟山开展飞行试验，主要系统参数在表3中给出。系统采用1发4收的工作方式，整个天线阵面发射信号，方位向均匀分成4个通道接收回波。图8给出飞行过程中偏航和俯仰角度。

表 3 C波段方位向4通道机载SAR实验参数

Table 3. Experimental parameters of the C-band azimuth four channel airborne SAR system

系统参数	数值
通道数目	4
平台高度(m)	3000
平台速度(m/s)	129.64
载频(GHz)	5.4
发射信号带宽(MHz)	210
方位向天线尺寸(m)	0.624
脉冲重复频率(Hz)	137.19

下载: 导出CSV

| 显示表格

图 8 试验过程中的平台姿态信息

Figure 8. The attitude information recorded by the IMU

下载: 全尺寸图片幻灯片

图9展示了方位4通道机载SAR试验数据处理结果。图9(a)给出的是未进行通道失配校正的多通道信号重建结果。由于通道失配的影响，场景中存在明显的虚假目标，干扰图像的正常判读。特别是左岸煤炭码头停靠的干散货船，散射强度较大，对应的虚假目标非常明显。所选区域在方位向临海，虚假目标在平静的海面上尤其明显。图9(b)中给出平地假设条件下通道失配校正结果。可以发现，虚假目标的影响大大减弱。但是由于存在高程的山地影响，图像中强散射的目标仍然存在可见的虚假目标。图9(c)中给出考虑地形起伏条件下通道失配校正结果。可以发现，场景中虚假目标均得到有效抑制。

图 9 机载SAR数据处理结果

Figure 9. Imaging results of the airborne SAR experimental data

下载: 全尺寸图片幻灯片

4. 结论

方位向多通道星载SAR是实现高分辨率宽幅成像的重要技术手段之一，机载方位多通道SAR是验证系统和算法有效性的必要手段。基于外部DEM辅助信息，本文提出一种适用于高程起伏条件下，方位多通道条带SAR系统的通道相位失配校正方法。仿真实验表明算法能够精确补偿平台姿态导致的通道相位失配。将本文算法应用于机载多通道SAR实验数据处理，在高程起伏区域获取了良好的通道一致性校正和重建处理结果，验证了本文算法的有效性。

图 1 水上桥梁

Figure 1. Water bridges

下载: 全尺寸图片幻灯片

图 2 基于SAR图像的水上桥梁检测流程图

Figure 2. The flow chart of water bridge detection based on SAR image

下载: 全尺寸图片幻灯片

图 3 陆上桥梁

Figure 3. Land bridges

下载: 全尺寸图片幻灯片

图 4 水上桥梁和陆上桥梁的SAR图像

Figure 4. The water bridges and land bridges in SAR image

下载: 全尺寸图片幻灯片

图 5 基于极化CSAR数据的陆上桥梁提取结构图

Figure 5. Block diagram of land bridge extraction based on polarization CSAR data

下载: 全尺寸图片幻灯片

图 6 不同地物的电磁散射特征意图

Figure 6. Schematic diagram of electromagnetic scattering characteristics of different objects

下载: 全尺寸图片幻灯片

图 7 采用文献[3]方法和本文方法的陆上桥梁与陆地背景分离结果对比

Figure 7. Comparison of the land background separation result between the method of Ref. [3] and this paper

下载: 全尺寸图片幻灯片

图 8 观测场景的光学图像和不同观测方向下获得的极化熵图像

Figure 8. The optical image of the observation scene and the polarization entropy image obtained under different observation directions

下载: 全尺寸图片幻灯片

图 9 基于极化CSAR数据的陆上桥梁提取处理流程图

Figure 9. The flow chart of land bridges extraction based on polarized CSAR data

下载: 全尺寸图片幻灯片

图 10 观测场景的光学图像与极化CSAR图像

Figure 10. Optical image and polarized CSAR images of the observation scenes

下载: 全尺寸图片幻灯片

图 11 地区1的光学图像、CPE结果和疑似桥梁目标

Figure 11. Area 1: Optical images, CPE result and possible bridge targets

下载: 全尺寸图片幻灯片

图 12 地区2的光学图像、CPE 结果和疑似桥梁目标

Figure 12. Area 2: Optical images, CPE result and possible bridge targets

下载: 全尺寸图片幻灯片

图 13 不同疑似桥梁目标(如图11(a)所示)的DH值

Figure 13. The DH values of different possible bridge targets (As shown in Fig. 11(a))

下载: 全尺寸图片幻灯片

图 14 地区1抑制虚假目标的处理结果

Figure 14. Processing result of removing false targets in area 1

下载: 全尺寸图片幻灯片

图 15 地区2抑制虚假目标的处理结果

Figure 15. Processing result of removing false targets in area 2

下载: 全尺寸图片幻灯片

图 16 地区1光学图像和桥梁提取结果

Figure 16. Optical image and the result of bridge extraction in area 1

下载: 全尺寸图片幻灯片

图 17 地区2光学图像和桥梁提取结果

Figure 17. Optical image and the result of bridge extraction in area 2

下载: 全尺寸图片幻灯片

表 1 疑似桥梁区域与陆地背景的分离阈值

Table 1. The separation threshold between possible bridge region and land background

区域分离阈值

地区1 0.6118
地区2 0.6549

下载: 导出CSV

表 2 桥梁和陆地背景的CPE均值

Table 2. The CPE mean value of land bridge and its background

目标 CPE均值

桥梁 0.4018
陆地背景 0.7819

下载: 导出CSV

表 3 桥梁边缘所在直线参数

Table 3. Straight line parameters at the edge of the bridges

区域桥梁边缘直线斜率 (°) 桥梁边缘直线截距 (pixels)

地区1 47.5 –237
47.5 –387
地区2 24.8 –48
24.8 –155

下载: 导出CSV

参考文献(20)

[1]	HAN Yu, ZHENG Hong, CAO Qiong, et al. An effective method for bridge detection from satellite imagery[C]. The 2007 2nd IEEE Conference on Industrial Electronics and Applications, Harbin, China, 2007: 2753–2757.
[2]	LUO J, MING D, LIU W, et al. Extraction of bridges over water from IKONOS panchromatic data[J]. International Journal of Remote Sensing, 2007, 28(16): 3633–3648. doi: 10.1080/01431160601024226
[3]	赵冠雄, 沈汀. 高分辨率SAR图像桥梁自动提取算法[J]. 计算机工程与设计, 2014, 35(8): 2793–2797. doi: 10.3969/j.issn.1000-7024.2014.08.034 ZHAO Guanxiong and SHEN Ting. Automatic bridge extraction algorithm from high-resolution SAR image[J]. Computer Engineering and Design, 2014, 35(8): 2793–2797. doi: 10.3969/j.issn.1000-7024.2014.08.034
[4]	ZHANG Xiongmei, SONG Jianshe, YI Zhaoxiang, et al. Extraction and recognition of bridges over water in high resolution SAR image[C]. 2011 MSEC International Conference on Multimedia, Software Engineering and Computing, Wuhan, China, 2011: 19–24.
[5]	刘春, 杨健, 徐丰, 等. 基于水域跟踪的极化SAR图像桥梁检测[J]. 清华大学学报: 自然科学版, 2017, 57(12): 1303–1309. doi: 10.16511/j.cnki.qhdxxb.2017.25.057 LIU Chun, YANG Jian, XU Feng, et al. Bridge detection in polarimetric SAR images based on water area tracing[J]. Journal of Tsinghua University:Science and Technology, 2017, 57(12): 1303–1309. doi: 10.16511/j.cnki.qhdxxb.2017.25.057
[6]	张永梅, 孙静, 叶晨. 基于互补特征的桥梁识别方法[J]. 计算机应用与软件, 2014, 31(3): 151–155, 158. doi: 10.3969/j.issn.1000-386x.2014.03.040 ZHANG Yongmei, SUN Jing, and YE Chen. A bridge recognition method based on complementary features[J]. Computer Applications and Software, 2014, 31(3): 151–155, 158. doi: 10.3969/j.issn.1000-386x.2014.03.040
[7]	熊伟, 钟娟娟, 曹兰英. 一种高分辨率SAR图像水上桥梁目标识别新方法[J]. 火力与指挥控制, 2014, 39(4): 133–136, 140. doi: 10.3969/j.issn.1002-0640.2014.04.033 XIONG Wei, ZHONG Juanjuan, and CAO Lanying. A novel algorithm for bridge recognition over water in high resolution SAR image[J]. Fire Control &Command Control, 2014, 39(4): 133–136, 140. doi: 10.3969/j.issn.1002-0640.2014.04.033
[8]	安道祥, 陈乐平, 冯东, 等. 机载圆周SAR成像技术研究[J]. 雷达学报, 2020, 9(2): 221–242. doi: 10.12000/JR20026 AN Daoxiang, CHEN Leping, FENG Dong, et al. Study of the airborne circular synthetic aperture radar imaging technology[J]. Journal of Radars, 2020, 9(2): 221–242. doi: 10.12000/JR20026
[9]	王建峰, 林赟, 郭胜龙, 等. 圆迹SAR的建筑物全方位优化成像方法研究[J]. 雷达学报, 2015, 4(6): 698–707. doi: 10.12000/JR15069 WANG Jianfeng, LIN Yun, GUO Shenglong, et al. Circular SAR optimization imaging method of buildings[J]. Journal of Radars, 2015, 4(6): 698–707. doi: 10.12000/JR15069
[10]	洪文. 圆迹SAR成像技术研究进展[J]. 雷达学报, 2012, 1(2): 124–135. doi: 10.3724/SP.J.1300.2012.20046 HONG Wen. Progress in circular SAR imaging technique[J]. Journal of Radars, 2012, 1(2): 124–135. doi: 10.3724/SP.J.1300.2012.20046
[11]	CHEN Leping, AN Daoxiang, and HUANG Xiaotao. Resolution analysis of circular synthetic aperture radar noncoherent imaging[J]. IEEE Transactions on Instrumentation and Measurement, 2020, 69(1): 231–240. doi: 10.1109/TIM.2019.2890932
[12]	丁赤飚, 仇晓兰, 吴一戎. 全息合成孔径雷达的概念、体制和方法[J]. 雷达学报, 2020, 9(3): 399–408. doi: 10.12000/JR20063 DING Chibiao, QIU Xiaolan, and WU Yirong. Concept, system, and method of holographic synthetic aperture radar[J]. Journal of Radars, 2020, 9(3): 399–408. doi: 10.12000/JR20063
[13]	杨建宇. 雷达对地成像技术多向演化趋势与规律分析[J]. 雷达学报, 2019, 8(6): 669–693. doi: 10.12000/JR19099 YANG Jianyu. Multi-directional evolution trend and law analysis of radar ground imaging technology[J]. Journal of Radars, 2019, 8(6): 669–693. doi: 10.12000/JR19099
[14]	吴一戎. 多维度合成孔径雷达成像概念[J]. 雷达学报, 2013, 2(2): 135–142. doi: 10.3724/SP.J.1300.2013.13047 WU Yirong. Concept of multidimensional space joint-observation SAR[J]. Journal of Radars, 2013, 2(2): 135–142. doi: 10.3724/SP.J.1300.2013.13047
[15]	LUO Yuxiao, AN Daoxiang, WANG Wu, et al. Improved ROEWA SAR image edge detector based on curvilinear structures extraction[J]. IEEE Geoscience and Remote Sensing Letters, 2020, 17(4): 631–635. doi: 10.1109/LGRS.2019.2926428
[16]	李洋, 王官云, 王彦平, 等. 多角度极化SAR图像散射特征分解及SVM分类[J]. 电波科学学报, 2019, 34(6): 771–777. doi: 10.13443/j.cjors.2019043002 LI Yang, WANG Guanyun, WANG Yanping, et al. Scattering feature decomposition and SVM classification of multi-angle polarimetric SAR images[J]. Chinese Journal of Radio Science, 2019, 34(6): 771–777. doi: 10.13443/j.cjors.2019043002
[17]	CHEN Leping, AN Daoxiang, HUANG Xiaotao, et al. A 3D reconstruction strategy of vehicle outline based on single-pass single-polarization CSAR data[J]. IEEE Transactions on Image Processing, 2017, 26(11): 5545–5554.
[18]	XUE Feiteng, LIN Yun, HONG Wen, et al. Analysis of azimuthal variations using multi-aperture polarimetric entropy with circular SAR images[J]. Remote Sensing, 2018, 10(1): 123. doi: 10.3390/rs10010123
[19]	XUE Feiteng, LIN Yun, HONG Wen, et al. An improved h/α unsupervised classification method for circular PolSAR images[J]. IEEE Access, 2018, 6: 34296–34306. doi: 10.1109/ACCESS.2018.2838329
[20]	CLOUDE S R and POTTIER E. An entropy based classification scheme for land applications of polarimetric SAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(1): 68–78. doi: 10.1109/36.551935

施引文献

期刊类型引用(1)
1. 孙宇，黄亮，赵俊三，常军，陈朋弟，成飞飞. 结合随机擦除和YOLOv4的高空间分辨率遥感影像桥梁自动检测. 自然资源遥感. 2022(02): 97-104 . 百度学术
其他类型引用(7)

资源附件(0)

访问统计

图(17) / 表(3)

计量

文章访问数: 1632
HTML全文浏览量: 501
PDF下载量: 147
被引次数: 8

一种基于极化圆周SAR图像的陆上桥梁提取方法

DOI: 10.12000/JR20117

通讯作者:
安道祥 daoxiangan@nudt.edu.cn

计量

A Land Bridge Extraction Method Based on Polarized Circular Synthetic Aperture Radar Images

Corresponding author: AN Daoxiang, daoxiangan@nudt.edu.cn

1. 引言

2. 基于辅助DEM的方位多通道SAR相位失配补偿方法

3. 仿真与机载SAR数据处理结果

4. 结论

期刊类型引用(1)

其他类型引用(7)

计量

目录

1. 引言

2. 基于辅助DEM的方位多通道SAR相位失配补偿方法

3. 仿真与机载SAR数据处理结果

4. 结论

期刊介绍

联系我们

区域	桥梁边缘直线斜率 (°)	桥梁边缘直线截距 (pixels)
地区1	47.5	–237
地区1	47.5	–387
地区2	24.8	–48
地区2	24.8	–155

区域	分离阈值
地区1	0.6118
地区2	0.6549

目标	CPE均值
桥梁	0.4018
陆地背景	0.7819

一种基于极化圆周SAR图像的陆上桥梁提取方法

DOI: 10.12000/JR20117

通讯作者: 安道祥 daoxiangan@nudt.edu.cn

计量

出版历程

A Land Bridge Extraction Method Based on Polarized Circular Synthetic Aperture Radar Images

Corresponding author: AN Daoxiang, daoxiangan@nudt.edu.cn

1. 引言

2. 基于辅助DEM的方位多通道SAR相位失配补偿方法

3. 仿真与机载SAR数据处理结果

4. 结论

期刊类型引用(1)

其他类型引用(7)

计量

出版历程

目录

1. 引言

2. 基于辅助DEM的方位多通道SAR相位失配补偿方法

3. 仿真与机载SAR数据处理结果

4. 结论

期刊介绍

联系我们

通讯作者:
安道祥 daoxiangan@nudt.edu.cn