May, 2023

多主 TomoSAR 进行高质量大规模 3D 城市制图

PDF
TL;DR本文提出了一种新的 SAR 层析处理框架，将非局部滤波集成到 SAR 层析反演中，以处理只有少量数据的大规模城市 3D 制图，实验结果表明，所提出的算法相对高度精度优于 TanDEM-X 原始 DEM 数据，为高质量的大规模 3D 城市制图铺平了第一步。
multi-baseline interferometric synthetic aperture radarsar tomographic processingnon-local filteringtandem-x datalarge-scale 3-d urban mapping
发现论文，激发创造
  • 部分失效光学模态的多时相城市制图的多模态深度学习

    该研究提出了一种基于多模态卫星数据的新型多时相城市制图方法，其中考虑到了部分缺失的光学模态，所提出的模型采用了两个网络来分别提取每个模态的特征，并利用重建网络根据 SAR 数据近似光学特征并保持其数据的有效性。结果表明该方法在使用 SAR 数据以补充缺失光学数据方面的实用性较强，可有效开发和利用多模态数据。

    Jun, 2023

  • 近场 MIMO-ISAR 毫米波成像

    本文介绍和发展了近场 MIMO-ISAR mmWave 成像系统，并提出了一种多静态单静态相位补偿的算法以实现高效的 MIMO 3-D 全息成像，并通过对原型 MIMO R-ISAR 平台的实际成像场景演示了算法的性能。

    May, 2023

  • 基于因果关系的大规模 InSAR 遥感图像下飓风后建筑损坏快速检测

    我们提出了一种从 InSAR 图像中快速检测飓风后建筑损伤的方法，通过使用综合性因果贝叶斯网络对风、洪水、建筑损伤和 InSAR 图像的复杂因果依赖关系进行编码，并将 InSAR 图像的信息与洪水和风的先验物理模型相融合，无需地面真实标签，进一步共同推断大规模未观测到的建筑损伤。验证结果表明，相比传统的手动检查方法，我们的方法在迅速准确检测建筑损伤方面，大大减少了处理时间。

    Oct, 2023

  • 探讨多模式城市制图中 SAR 和光学利用之间的不平衡

    使用双分支深度神经网络和切断机制研究城市地图中 SAR 和光学数据的利用，发现传统的 SAR - 光学数据融合方法虽然达到了良好的性能，但光学数据的利用存在明显的不足。因此，需要进一步研究 SAR 和光学数据的更加平衡的利用是否能够提高性能。

    Apr, 2023

  • 针对不规则扫描几何形状的高效三维近场 MIMO-SAR 成像

    提出了一种新颖的算法，用于有效地处理不规则扫描几何的近场合成孔径雷达 (SAR) 成像，并利用非协作 SAR 扫描模式，小型 MIMO 雷达和高效单靶平面图像重建算法实现了高分辨率和高效率的近场 MIMO-SAR 成像。

    May, 2023

  • 一种基于 Vision Transformer 的高效近场不规则 SAR 超分辨率方法

    本文介绍了一种移动友好的视觉变换（ViT）算法，称为 Mobile-SRViT，用于在不规则采样几何下处理合成孔径雷达（SAR）图像。该算法采用 ViT 方法进行 SAR 图像超分辨率 (SR) 处理，并在模拟和经验研究中进行验证。

    May, 2023

  • UrbanSARFloods: 用于城市和开放区域洪水制图的基于 Sentinel-1 SLC 的基准数据集

    通过介绍 UrbanSARFloods 数据集，研究考察了卫星合成孔径雷达在大规模洪水测绘方面的局限性，发现目前的方法无法克服数据不平衡和小型训练数据集的限制，探索了解决不平衡数据挑战和利用迁移学习进行基于合成孔径雷达的大规模洪水测绘的潜力，为深化洪水测绘技术的应用做出贡献。

    Jun, 2024

  • Hephaestus: 面向 InSAR 理解的大规模多任务数据集

    本论文利用人工标注的方法创建了全球共 44 个不同火山的 19,919 个 Sentinel-1 干涉图像，共计 216,106 个 InSAR 小块，旨在解决包括火山状态分类、地面形变的语义分割、InSAR 图像中大气信号的检测和分类、干涉图像字幕化、文本到 InSAR 的生成以及 InSAR 图像质量评估等不同的计算机视觉问题。

    Apr, 2022

  • 卫星摄影测量的应用推进：利用立体 / 多视角卫星图像生成的三维数据进行建筑区域建模和自然环境监测的创新方法

    该论文通过使用立体和多视角的高分辨率卫星遥感数据，探索了在建筑物建模、冰川动态跟踪和湖泊藻类监测等领域解决遥感应用问题的新方法，展示了卫星摄影测量应用在城市和环境挑战中的广泛潜力，并展示了提高应用立体和多视角的高分辨率卫星遥感数据的创新分析方法。

    Apr, 2024

  • 基于极化多角度合成孔径雷达数据的森林地区高度估计的上下文感知网络

    基于深度学习的背景感知解决方案 CATSNet 可通过提取邻域的特征而非单个像素，利用 TomoSAR 数据作为输入和光探测与测距（LiDAR）数据作为真值进行训练，通过跨不同极化模式的多基线（MB）TomoSAR 数据中的上下文信息，实现了在性能和泛化能力方面的显着优势，超越现有技术。

    Mar, 2024