高分辨率SAR 图像道路交叉口检测与识别新方法

程江华 高贵 库锡树 孙即祥

引用本文:
Citation:

高分辨率SAR 图像道路交叉口检测与识别新方法

    作者简介: 程江华(1979-),男,博士研究生,国防科学技术大学电子科学与工程学院讲师,研究方向为SAR图像解译。Email:jianghua_cheng@nudt.edu.cn 孙即祥(1946-),男,硕士,国防科学技术大学电子科学与工程学院教授,博士生导师,研究方向为模式识别,图像处理,机器视觉,机器学习。Email:jianghua_cheng@nudt.edu.cn.
  • 基金项目:

    国家自然科学基金(40801179)资助课题

A Novel Method for Detecting and Identifying Road Junctions from High Resolution SAR Images

  • 摘要: 道路交叉口是道路网的重要组成部分,对GIS 数据更新、影像匹配、目标检测等具有重要作用。由于受各种干扰以及道路与周围地物对比度不明显等影响,传统道路交叉口检测方法很难应用于高分辨率SAR 图像。该文提出一种直接检测识别道路交叉口的新方法。该方法先根据交叉口的灰度特征,利用形态学变换,全局搜索交叉口候选区域中心点位置|然后以此为局部窗口中心,采用多阈值Otsu分割出各个局部窗口内道路目标|接着根据交叉口的几何特征,通过矩形旋转得到角度均值图,获取与交叉口相连的道路个数,最终识别出交叉口的类型。使用1 m 机载高分辨率SAR 图像进行实验,结果证明该方法可有效提取出各种干扰下的交叉口目标。
  • [1] 卫扬铠曾涛陈新亮丁泽刚范宇杰温宇涵 . 典型线面目标合成孔径雷达参数化成像. 雷达学报, 2019, 8(): 1-11. doi: 10.12000/JR19077
    [2] 金添 . 叶簇穿透合成孔径雷达增强成像方法. 雷达学报, 2015, 4(5): 503-508. doi: 10.12000/JR15114
    [3] 任笑真杨汝良 . 一种基于幅度和相位迭代重建的四维合成孔径雷达成像方法. 雷达学报, 2016, 5(1): 65-71. doi: 10.12000/JR15135
    [4] 窦方正刁文辉孙显张跃付琨 . 基于深度形状先验的高分辨率SAR飞机目标重建. 雷达学报, 2017, 6(5): 503-513. doi: 10.12000/JR17047
    [5] 毛永飞汪小洁向茂生 . 机载干涉SAR 区域网三维定位算法. 雷达学报, 2013, 2(1): 60-67. doi: 10.3724/SP.J.1300.2012.20107
    [6] 刘永才王伟潘小义代大海 . 基于延迟-移频的SAR 有源欺骗干扰有效区域研究. 雷达学报, 2013, 2(1): 46-53. doi: 10.3724/SP.J.1300.2012.13001
    [7] 杜康宁邓云凯王宇李宁 . 基于多层神经网络的中分辨SAR图像时间序列建筑区域提取. 雷达学报, 2016, 5(4): 410-418. doi: 10.12000/JR16060
    [8] 韩萍王欢 . 基于改进的稀疏保持投影的SAR目标特征提取与识别. 雷达学报, 2015, 4(6): 674-680. doi: 10.12000/JR15068
    [9] 田壮壮占荣辉胡杰民张军 . 基于卷积神经网络的SAR图像目标识别研究. 雷达学报, 2016, 5(3): 320-325. doi: 10.12000/JR16037
    [10] 丁柏圆文贡坚余连生马聪慧 . 属性散射中心匹配及其在SAR目标识别中的应用. 雷达学报, 2017, 6(2): 157-166. doi: 10.12000/JR16104
    [11] 周雨王海鹏陈思喆 . 基于数值散射模拟与模型匹配的SAR自动目标识别研究. 雷达学报, 2015, 4(6): 666-673. doi: 10.12000/JR15080
    [12] 喻玲娟王亚东谢晓春林赟洪文 . 基于FCNN和ICAE的SAR图像目标识别方法. 雷达学报, 2018, 7(5): 622-631. doi: 10.12000/JR18066
    [13] 张新征谭志颖王亦坚 . 基于多特征-多表示融合的SAR图像目标识别. 雷达学报, 2017, 6(5): 492-502. doi: 10.12000/JR17078
    [14] 徐丰王海鹏金亚秋 . 深度学习在SAR目标识别与地物分类中的应用. 雷达学报, 2017, 6(2): 136-148. doi: 10.12000/JR16130
    [15] 金亚秋 . 多模式遥感智能信息与目标识别:微波视觉的物理智能. 雷达学报, 2019, 8(): 1-7. doi: 10.12000/JR19083
    [16] 张增辉郁文贤 . 稀疏微波SAR图像特征分析与目标检测研究. 雷达学报, 2016, 5(1): 42-56. doi: 10.12000/JR15097
    [17] 赵军香梁兴东李焱磊 . 一种基于似然比统计量的SAR相干变化检测. 雷达学报, 2017, 6(2): 186-194. doi: 10.12000/JR16065
    [18] 曾丽娜周德云李枭扬张堃 . 基于无训练单样本有效特征的SAR目标检测. 雷达学报, 2017, 6(2): 177-185. doi: 10.12000/JR16114
    [19] 刘泽宇柳彬郭炜炜张增辉张波周月恒马高郁文贤 . 高分三号NSC模式SAR图像舰船目标检测初探. 雷达学报, 2017, 6(5): 473-482. doi: 10.12000/JR17059
    [20] 赵团邓云凯王宇李宁王翔宇 . 基于扇贝效应校正的改进滑动Mosaic全孔径成像算法. 雷达学报, 2016, 5(5): 548-557. doi: 10.12000/JR16014
  • 加载中
计量
  • 文章访问数:  1990
  • HTML浏览量:  7
  • PDF下载量:  2869
  • 被引次数: 0
出版历程
  • 收稿日期:  2012-02-21
  • 录用日期:  2012-04-13
  • 刊出日期:  2012-02-28

高分辨率SAR 图像道路交叉口检测与识别新方法

    作者简介: 程江华(1979-),男,博士研究生,国防科学技术大学电子科学与工程学院讲师,研究方向为SAR图像解译。Email:jianghua_cheng@nudt.edu.cn 孙即祥(1946-),男,硕士,国防科学技术大学电子科学与工程学院教授,博士生导师,研究方向为模式识别,图像处理,机器视觉,机器学习。Email:jianghua_cheng@nudt.edu.cn
  • 1. (国防科技大学电子科学与工程学院 长沙 410073)
基金项目:  国家自然科学基金(40801179)资助课题

摘要: 道路交叉口是道路网的重要组成部分,对GIS 数据更新、影像匹配、目标检测等具有重要作用。由于受各种干扰以及道路与周围地物对比度不明显等影响,传统道路交叉口检测方法很难应用于高分辨率SAR 图像。该文提出一种直接检测识别道路交叉口的新方法。该方法先根据交叉口的灰度特征,利用形态学变换,全局搜索交叉口候选区域中心点位置|然后以此为局部窗口中心,采用多阈值Otsu分割出各个局部窗口内道路目标|接着根据交叉口的几何特征,通过矩形旋转得到角度均值图,获取与交叉口相连的道路个数,最终识别出交叉口的类型。使用1 m 机载高分辨率SAR 图像进行实验,结果证明该方法可有效提取出各种干扰下的交叉口目标。

English Abstract

目录

    /

    返回文章
    返回