基于边界框回归网络从单幅 SAR 影像大规模反演建筑高度
图像与视频处理
2021-11-19 v1 计算机视觉与模式识别
摘要
从合成孔径雷达（SAR）影像反演建筑高度对城市应用具有重要意义，但因 SAR 数据的复杂性而极具挑战。本文解决从单幅 TerraSAR-X 聚束或条带模式影像在大规模城市区域反演建筑高度的问题。基于雷达观测几何，我们提出该问题可表述为边界框回归问题，从而允许整合多源高度数据以在更大尺度上生成地面真值。我们引入地理信息系统（GIS）数据中的建筑足迹作为补充信息，并提出一种边界框回归网络，利用建筑足迹与其边界框间的位置关系的网络，可实现快速计算。这对大规模应用十分重要。该方法在四个城市数据集上利用 TerraSAR-X 影像的高分辨率聚束与条带模式进行了验证。实验结果表明，与基于 Faster R-CNN 的方法相比，所提网络在保持单体建筑高度精度的同时可显著降低计算成本。此外，我们研究了不精确 GIS 数据对所提网络的影响，该研究表明边界框回归网络对 GIS 数据中的定位误差具有鲁棒性。所提方法具有应用于区域乃至全球尺度的巨大潜力。
引用
@article{arxiv.2111.09460,
title = {Large-scale Building Height Retrieval from Single SAR Imagery based on Bounding Box Regression Networks},
author = {Yao Sun and Lichao Mou and Yuanyuan Wang and Sina Montazeri and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:2111.09460},
year = {2021}
}