利用全卷积神经网络在甚高分辨率 SAR 图像中检测建筑物
图像与视频处理
2019-03-27 v1 计算机视觉与模式识别
摘要
本文解决了在甚高分辨率（VHR）合成孔径雷达（SAR）图像中自动检测人造结构尤其是建筑物的极具挑战性的问题。在此背景下，本文有两项主要贡献：首先，提出了一种新颖且通用的流程，该流程借助辅助信息（即使用公开可用的二维建筑物足迹或采用光学图像分类方案），初步将通过处理 VHR SAR 图像栈并使用称为 SAR 层析成像（TomoSAR）的先进干涉技术生成的星载 TomoSAR 点云分类为建筑物和非建筑物，随后将提取的建筑物点反投影到 SAR 成像坐标以生成自动大规模基准标注（建筑物/非建筑物）SAR 数据集。其次，这些标注数据集（即建筑物掩膜）已被用于构建和训练最先进的深度全卷积神经网络，并带有表示为循环神经网络的条件随机场，以在单幅 VHR SAR 图像中检测建筑物区域。这种级联结构已成功用于计算机视觉和遥感领域的光学图像分类，但据我们所知尚未应用于 SAR 图像。建筑物检测结果在一幅覆盖约 39 km（几乎整个柏林市）的 TerraSAR-X VHR 聚束 SAR 图像上展示并验证，平均像素精度约为 93.84%。
引用
@article{arxiv.1808.06155,
title = {Buildings Detection in VHR SAR Images Using Fully Convolution Neural Networks},
author = {Muhammad Shahzad and Michael Maurer and Friedrich Fraundorfer and Yuanyuan Wang and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:1808.06155},
year = {2019}
}
备注
Accepted publication in IEEE TGRS