高分辨率SAR图像典型地物目标样本特征提取和识别研究

The development of high resolution microwave imaging earth observation system make a significant demand to microwave images target recognition and interpretation. Because of the particularity of SAR imaging and the complexity of high degree information, it is difficult to meet the application requirements of SAR image target recognition and research on models both in the current and future. In response to these scientific issues, this research will start from the high resolution SAR scattering mechanism, analysis the characteristics of typical features, establish test cases of target samples on different scales and in sundry conditions; this research will introduce manifold learning theory and technical methods based on the characteristics of remote sensing data and its presentation, study on the application of manifold learning on the information extraction of high resolution SAR, make discussion and research on feature models and adaptive information extraction algorithms to improve the ability of remote sensing target identification and automation; with the field verification, this research will show a comprehensive evaluation of several manifold algorithms in machine learning, information recognition and multi-scale target recognition; this research makes contribution to high-resolution SAR image target recognition and integrated application platform. Intelligent processing of remote sensing image and spatial recognition theory has important theoretical significance and practical value.

高分辨率微波成像对地观测系统的发展，对微波图像目标认知解译提出了重大需求。由于成像的特殊性和目标/场景的高度信息复杂性，导致SAR图像目标认知与研究模式都难以满足现实与未来应用要求。针对这些科学问题，研究将从高分辨率SAR散射机理出发，研究城市中典型地物SAR测试样本的选取和生成、基于内容的SAR图像检索和复杂场景下SAR图像目标样本基于流形学习方法的特征提取等关键技术，提供不同尺度和条件下的目标样本测例、提高遥感目标特征的识别能力和自动化程度。研究成果服务于高分辨率SAR图像目标识别和集成化应用平台，对国家SAR图像目标认知解译领域具有十分重要的理论研究意义和实际应用价值。

高分SAR丰富的纹理特征和复杂的极化信息是影响地物目标识别精度和效率的关键，面向城市典型地物目标（城市建筑）系统地开展高分SAR的特征提取研究对SAR图像目标认知领域具有重要意义。项目按照研究内容要求逐步开展研究工作，关键技术路线正确，研究进展顺利，达到了预期目标。取得的主要成果包括：（1）分析高分辨率SAR影像中，典型城市地物在不同极化、不同波段、不同入射角等情况下的成像特点和规律，为后续建立样本库及目标提取提供理论依据；（2）针对传统滤波方法无法保持高分辨率SAR影像细节信息的问题，提出了基于结构检测的单极化和多极化滤波算法，在平滑噪声的同时，明显的改善了细节信息的保持能力。（3）通过多种极化非相干分解方法建立高维极化特征集，结合SVM分类器进行特征选择和信息提取，提高了城市建筑物的识别精度；（4）基于灰度共生矩阵提取多种纹理特征，构建高维特征集，面对高分SAR高维非线性的特点，选择TLPP和SDA两种典型流形学习方法对高分SAR进行维数约简，可以有效地提取城市建筑区的特征，同时深入分析了算法的适用性和实用性。（5）针对流形学习在样本邻域选择上的局限性影响特征提取的效果，分别提出了DSWLTSA、DHLLE、ANSNPE和ANSSDLA算法，更真实地反映流形结构以及邻域样本与切空间中心的远近关系，正确描述样本的局部几何结构，改变传统方法人工定值的缺陷，通过实验分析验证了算法对城市典型地物的识别能力。（6）利用高分SAR图像特征对图像内容进行分析，从图像数据库中查询到具有指定特征或特定内容的图像，提出了多特征融合的遥感图像检索方法和结合语义类别相关反馈的图像检索方法，提高了高分SAR图像检索效率。（7）初步建立了不同尺度和条件下的城市地物目标样本测例库，成果将服务于高分SAR图像目标识别和相关应用平台，提供机器学习或深度学习方法研究样本的的基础，提高城市目标特征的识别能力。项目研究所取得的成果具有较高的学术价值，部分成果已应用于城市土地利用快速监测中。