基于机器学习的阵列层析SAR建筑物目标提取方法

阵列层析SAR通过交轨向布置多个不同高度天线、方位向合成孔径和斜距向大带宽信号,具备三维成像能力,单次航过即可实现观测区域的三维点云获取.受限于阵元数目和基线长度,高程向分辨率较低,同时建筑物区域存在叠掩,在三维重建过程中提取建筑物目标特征效率较低.针对这个问题,该文提出了一种基于机器学习的建筑物目标识别和提取算法,通过基于多元线性回归的点云分割、基于梯度算子的边缘提取和基于聚类分析的建筑物分区重建,进行建筑物立面、顶面和地面的提取,能够得到较好的立面与地面相交的脚印信息,大大提高了特征提取效率.通过国内首次机载阵列层析SAR实验数据处理结果,验证了该方法的有效性.