【论文速递】Remote Sensing2021 : 通过半全局匹配法的SAR立体图像DSM生成以及惩罚方程的评估

【论文原文】:Radargrammetric DSM Generation by Semi-Global Matching and Evaluation of Penalty Functions

论文地址:https://www.mdpi.com/2072-4292/14/8/1778

博主关键词: SAR图像立体像对,数字表面性模型(DSM),半全局匹配法(SGM)

摘要:

SAR立体测量是生成数字表面模型(DSM)的一种有用方法,也是InSAR技术的一种替代方法,InSAR技术受到时间或大气去相关的影响。立体图像匹配是指在两幅图像中确定同源点的过程。图像匹配的性能影响DSM的最终质量,DSM常用于用于景观和地形的时空分析。在SAR图像匹配中,通常使用局部匹配方法,但通常会产生稀疏和不准确的同源点,从而给最终结果增加模糊性;尽管可以产生更精确和密集的同源点,但很少应用全局或半全局匹配方法。为了填补这一空白,我们提出了一种分层半全局匹配法(SGM),以使用立体TerraSAR-X图像重建森林和山区的DSM。此外,在方法中应用了三项惩罚方法,并对其有效性进行了评估。为了在我们的SGM密集匹配方法和局部匹配方法之间进行精度和效率比较,还使用归一化互相关(NCC)局部匹配方法来使用相同的测试数据生成DSM。通过航空摄影测量参考DSM验证了本方法DSMs的精度,并与NASA 30m SRTM DEM的精度进行了比较。结果表明,SGM生成的DSM的高度精度和计算效率超过SRTM DEM和NCC衍生的DSM。采用Canny边缘检测器的惩罚函数比其他两个评估的惩罚函数产生更高的垂直精度。SGM是使用立体星载SAR图像生成高质量DSM的强大而有效的工具。

简介:

数字表面模型(DSM)是遥感应用中的基本数据集。合成孔径雷达(SAR)图像可用于构建数字表面模型。Radargrammetry类似于摄影测量,其中通过图像匹配计算立体图像上的对应差异,并用于导出3D点云。立体SAR图像匹配的准确性直接决定了最终DSM的质量。许多研究致力于立体图像匹配。本篇文章将半全局匹配(SGM)算法应用于立体SAR图像的配准,并生成最终的DSM。

Hirschmüller提出的半全局匹配(SGM)算法在精度和计算效率之间实现了折衷。SGM通过沿多条1D扫描线聚集成本来近似2D能量优化问题,大大减少了处理时间。通过将来自所有方向的匹配成本相加并选择成本最小的视差来确定逐像素视差。除了其精度和快速匹配速度之外,检索均匀表面以及保持尖锐高度不连续性的能力使SGM成为最有效的匹配算法之一。

在这篇文章中提出了一种分级SGM密集匹配方法,以在植被茂密的山区生成高质量的雷达测距DSM。使用覆盖中国中部嵩山的条纹图和聚光模式TerraSAR-X立体数据对,研究了半全局密集匹配算法的可行性和有效性。此外,还研究了三个惩罚函数对最终DSM垂直精度的影响。高分辨率航空摄影测量DSM用于验证雷达测距DSM的精度。NASA的30m分辨率SRTM DEM和通过分级NCC匹配方法提取的DSM也被用于比较。结果表明,SGM方法不仅产生了比SRTM DEM和NCC衍生的DSM更高垂直精度的DSM,而且比NCC局部匹配方法更有效。此外,利用Canny边缘检测器的惩罚函数提供了比恒定惩罚函数或立体SAR半全局匹配中的灰度梯度惩罚函数更高的垂直精度。在复杂山区,半全局匹配是局部匹配算法的有力替代工具,具有更高的精度和效率,可用于雷达测距DSM生成。

Fig1. 嵩山测试区的TerraSAR-X/TanDEM-X立体图像

Fig2.通过SGM_canny算法从条带立体像对对中生成带有山坡阴影的DSM。

【论文速递 | 精选】

阅读原文访问社区:https://bbs.csdn.net/forums/paper

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值