极化SAR建筑物区域提取方法、设备和介质技术

本发明专利技术实施例公开了一种极化SAR建筑物区域提取方法、设备和介质。其中方法包括：获取待处理的极化SAR数据的C矩阵和PWF结果；将所述C矩阵输入训练好的第一深度语义提取网络，生成具有不同深度语义信息的多层级极化特征；以及，将所述PWF结果输入训练好的第二深度语义提取网络，生成具有不同深度语义信息的多层级PWF特征；将同一层级的极化特征和PWF特征进行融合，得到多层级的双路融合特征；通过上采样将所述多层级的双路融合特征进行层级间融合，根据得到的层间融合特征生成所述待处理的极化SAR数据的建筑物区域提取结果。本实施例提升提取结果的精度。升提取结果的精度。升提取结果的精度。

【技术实现步骤摘要】
极化SAR建筑物区域提取方法、设备和介质


[0001]本专利技术实施例涉及图像识别分类
，尤其涉及一种极化SAR建筑物区域提取方法、设备和介质。

技术介绍

[0002]随着城市化建设的快速发展，人们对获取城市环境信息的需求不断增加，判断建筑物是否存在和获取建筑物的位置信息变得十分重要。合成孔径雷达（Synthetic Aperture Radar, SAR）与光学、红外等其它传感器相比，不受云雾、光照等条件的限制，具有穿透地物的传感能力，因此利用SAR图像进行建筑物区域提取存在其优势与现实意义。
[0003]现有技术中，基于SAR图像的建筑物提取多基于散射强度阈值或物理散射机制，无需大量数据支撑，实现方法简单。但这类方法无法表征较高层次（即较大深度）的语义信息，对于特征尺度变化较大的复杂区域建筑物，提取结果较粗糙；同时，由于SAR图像本身存在的乘性噪声，增加了建筑物区域提取的难度。

技术实现思路

[0004]本专利技术实施例提供一种极化SAR建筑物区域提取方法、设备和介质，通过极化SAR数据获取全面的目标电磁散射信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种极化SAR建筑物区域提取方法，其特征在于，包括：获取待处理的极化SAR数据的C矩阵和极化白化滤波PWF结果；将所述C矩阵输入训练好的第一深度语义提取网络，生成具有不同深度语义信息的多层级极化特征；以及，将所述PWF结果输入训练好的第二深度语义提取网络，生成具有不同深度语义信息的多层级PWF特征；将同一层级的极化特征和PWF特征进行融合，得到多层级的双路融合特征；其中，所述同一层级的极化特征和PWF特征尺寸相同；通过上采样将所述多层级的双路融合特征进行层级间融合，根据得到的层间融合特征生成所述待处理的极化SAR数据的建筑物区域提取结果。2.根据权利要求1所述的方法，其特征在于，所述第一深度语义提取网络的主干网络为DenseNet，包括：顺序连接的多层DenseNet结构，每层DenseNet结构包括：顺序连接的卷积与池化模块和密集卷积模块：将所述C矩阵输入训练好的第一深度语义提取网络，生成具有不同深度语义信息的多层级极化特征，包括：将所述C矩阵作为上一层极化特征，将第一层DenseNet结构作为当前层DenseNet结构；将所述上一层极化特征输入所述当前层DenseNet结构的卷积与池化模块，得到当前层初步语义特征；将所述当前层初步语义特征输入所述当前层DenseNet结构的层密集卷积模块，得到当前层极化特征；将所述当前层极化特征作为上一层极化特征，将下一层DenseNet结构作为当前层DenseNet结构，返回将所述上一层极化特征输入所述当前层DenseNet结构的卷积与池化模块，得到当前层初步语义特征的步骤，直到得到所有层级的极化特征。3.根据权利要求2所述的方法，其特征在于，每个密集卷积模块包括密集连接的多层卷积模组，每个卷积模组包括：顺序连接的1
×
1卷积模块和的3
×
3卷积模块；所述1
×
1卷积模块包括：顺序连接的批归一化BN、线性整流函数ReLU和1
×
1卷积；所述3
×
3卷积模块包括：顺序连接的BN、ReLU和3
×
3卷积。4.根据权利要求2所述的方法，其特征在于，第一层DenseNet结构的卷积与池化模块包括：顺序连接的第一卷积模块和第一池化模块，所述第一卷积模块使用5
×
5卷积核；第n层DenseNet结构的卷积与池化模块包括：第n卷积模块和第n池化模块，所述第n卷积模块包括顺序连接的...

【专利技术属性】
技术研发人员：胡粲彬，陆圣涛，项德良，程建达，孙晓坤，
申请(专利权)人：北京化工大学，
类型：发明
国别省市：