项目名称: 基于压缩感知的大尺度SAR图像三维重建及其算法的研究

项目编号: No.61472278

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 计算机科学学科

项目作者: 温显斌

作者单位: 天津理工大学

项目金额: 82万元

中文摘要: 合成孔径雷达(SAR)图像城区目标的三维重建在城市规划、监测等领域蕴藏着广泛的应用前景,然而由于SAR特殊的成像机理,对SAR图像的理解造成极大困难,制约着SAR技术的推广应用。本项目针对SAR图像的特点,以城市应用为突破口,从研究城区典型地物目标的散射性质与机理入手,研究城区复杂环境下地物目标对SAR信号的散射特性,探讨SAR对城区成像机理的认识,在此基础上,融合虚拟现实技术,开展基于压缩感知和图模型的SAR图像目标快速三维重建模型与方法技术的研究,力图突破基于SAR图像的快速三维重建关键技术,包括SAR图像中目标检测、特征提取、基于特征与轮廓的图像配准、基于压缩感知的大尺度SAR图像三维模型及其优化算法的构建、理论分析与实现等,为今后基于SAR图像的三维可视化分析打下坚实基础。

中文关键词: 三维重建;压缩感知;图像配准;计算机视觉;图像分析

英文摘要: The three-dimensional reconstruction of objects from Synthetic Aperture Radar (SAR) images is widely applied in the field of urban planning and monitoring. However, the understanding of the SAR images is very difficult due to the special imaging mechanism of SAR, which restricts the promotion and application of SAR technology.This project, using the characteristics of SAR images, taking the application of City as a breakthrough, starting from the study of scattering nature and mechanism of the surface features, researchs scattering features of the target on the SAR signal in the complex environment. Meanwhile, the project explores the tecnhologies of ulitizing the imaging mechanism of SAR on the city.On this basis, combining the virtual reality technology, the fast three-dimensional reconstruction model, methods and techniques of urban target are developed based on compressed sensing and graph model from SAR images. Trying to make breakthroughs in fast key technologies of the three-dimensional reconstruction based on SAR image, including target detection,feature extraction, image registration based on features and contour, three-dimensional model and its optimization algorithms for large-scale SAR image based on compressed sensing. All of these make a good foundation for the studing about three-dimensional visual analysis on SAR images.

英文关键词: 3D reconstruction;Compressed sensing;Imagegistration re;Computure vision;Image analysis

成为VIP会员查看完整内容
1

相关内容

在计算机视觉中, 三维重建是指根据单视图或者多视图的图像重建三维信息的过程. 由于单视频的信息不完全,因此三维重建需要利用经验知识. 而多视图的三维重建(类似人的双目定位)相对比较容易, 其方法是先对摄像机进行标定, 即计算出摄像机的图象坐标系与世界坐标系的关系.然后利用多个二维图象中的信息重建出三维信息。 物体三维重建是计算机辅助几何设计(CAGD)、计算机图形学(CG)、计算机动画、计算机视觉、医学图像处理、科学计算和虚拟现实、数字媒体创作等领域的共性科学问题和核心技术。在计算机内生成物体三维表示主要有两类方法。一类是使用几何建模软件通过人机交互生成人为控制下的物体三维几何模型,另一类是通过一定的手段获取真实物体的几何形状。前者实现技术已经十分成熟,现有若干软件支持,比如:3DMAX、Maya、AutoCAD、UG等等,它们一般使用具有数学表达式的曲线曲面表示几何形状。后者一般称为三维重建过程,三维重建是指利用二维投影恢复物体三维信息(形状等)的数学过程和计算机技术,包括数据获取、预处理、点云拼接和特征分析等步骤。
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
86+阅读 · 2021年8月8日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
122+阅读 · 2021年4月29日
专知会员服务
70+阅读 · 2021年3月23日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
43+阅读 · 2020年12月8日
专知会员服务
45+阅读 · 2020年12月4日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
计算机视觉方向简介 | 基于单目视觉的三维重建算法
计算机视觉life
30+阅读 · 2019年4月9日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
基于深度学习的目标检测算法综述
AI研习社
14+阅读 · 2018年4月25日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
46+阅读 · 2021年10月4日
Arxiv
14+阅读 · 2021年3月10日
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
A Modern Introduction to Online Learning
Arxiv
20+阅读 · 2019年12月31日
Arxiv
14+阅读 · 2019年9月11日
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
小贴士
相关VIP内容
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
86+阅读 · 2021年8月8日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
122+阅读 · 2021年4月29日
专知会员服务
70+阅读 · 2021年3月23日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
43+阅读 · 2020年12月8日
专知会员服务
45+阅读 · 2020年12月4日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
计算机视觉方向简介 | 基于单目视觉的三维重建算法
计算机视觉life
30+阅读 · 2019年4月9日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
基于深度学习的目标检测算法综述
AI研习社
14+阅读 · 2018年4月25日
相关基金
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2008年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
46+阅读 · 2021年10月4日
Arxiv
14+阅读 · 2021年3月10日
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
A Modern Introduction to Online Learning
Arxiv
20+阅读 · 2019年12月31日
Arxiv
14+阅读 · 2019年9月11日
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
微信扫码咨询专知VIP会员