基于深度神经网络的SAR建筑目标三维重建方法

论文摘要

建筑物三维重建在城市规划、灾害监测、智慧城市等领域有重要应用,是计算机视觉、摄影测量、遥感等领域研究的重要课题.由于SAR成像机理的特殊性和复杂性,基于SAR图像的建筑物三维重建难度很大,现有方法的适用性和自动化程度都亟待提升.本文构建了基于深度学习与雷达成像机理结合的SAR图像建筑物检测及三维重建整体框架,并提出了基于耦合等效复数卷积神经网络的SAR图像建筑侧立面检测方法,基于RaySAR的建模仿真及点云生成方法,以及基于3D生成网络的SAR建筑物三维重建方法,利用TerraSAR-X与GF-3高分辨率SAR图像进行实验,得到了较好的三维重建结果.本文方法为SAR图像目标三维重建提供了新的技术途径,是SAR目标三维重建的有益尝试.

论文目录

• 1 引言
• 2基于深度神经网络的SAR建筑目标三维重建总体框架
• 3 基于耦合等效复数网络的SAR图像建筑物分割
•   3.1 耦合等效复数图像语义分割网络设计
•     3.1.1基于复数卷积耦合计算方法的卷积层
•     3.1.2基于复数数据学习的池化层与反池化层
•     3.1.3损失函数
•   3.2 网络参数配置
• 4 基于RaySAR仿真的SAR图像–三维点云数据集构建方法
•   4.1 三维目标的SAR图像仿真
•   4.2 SAR仿真图像对应的三维点云生成
• 5 基于3D生成网络的SAR图像三维重建
• 6 实验分析
•   6.1 实验数据集及预处理
•   6.2 实验环境
•   6.3 实验结果与分析
•     6.3.1 基于复数语义分割网络的SAR建筑物分割
•     6.3.2 基于点云生成网络的SAR典型建筑物三维模型重建
• 7 结语

文章来源

类型: 期刊论文

作者: 陈健堃,彭凌霄,仇晓兰,丁赤飚,吴一戎

关键词: 深度学习,语义分割,点云生成,建筑物检测,三维重建

来源: 中国科学:信息科学 2019年12期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 建筑科学与工程,电信技术

单位: 中国科学院微波成像技术国家级重点实验室,中国科学院空间信息处理与应用系统技术重点实验室,中国科学院大学,中国科学院空天信息研究院,中国科学院电子学研究所苏州研究院空间信息智能处理系统研究室

基金: 国家自然科学基金(批准号:61725105)资助项目

分类号: TU198;TN957.52

页码: 1606-1625

总页数: 20

文件大小: 20387K

下载量: 380