肖雨彤，张继贤，黄国满，顾海燕，卢丽君

(1.中国测绘科学研究院，北京 100036；2. 国家测绘产品质量检验测试中心，北京 100036)

0 引言

建筑区域是地物类别中的核心内容，也是地图制图中的重要成图元素。随着近几年城市建筑用地不断增加，如何提高建筑区域的识别与提取精度，在民用领域和军用领域都有比较重要的意义。目前，在光学影像中对建筑区的提取已经取得了较好的研究成果，但光学传感器成像依赖于光照条件，在云雨雾雪天气、夜间环境中，无法完成持续有效的监测，而合成孔径雷达(synthetic aperture radar，SAR)影像则不存在这些问题。

极化合成孔径雷达(polarimetric synthetic aperture radar，简称PolSAR或者极化SAR)是一种多参数、多通道的成像雷达系统。不同于单极化SAR数据只能通过单一极化发射通道来获取数据，PolSAR可以通过设置不同的极化发射通道和接收通道来获取物体在相异极化通道下的数据，获取更多的极化信息。利用SAR影像对地物进行解译有更大优势[1-3]。根据现有的研究成果，利用PolSAR影像提取建筑区域的方法可分为：基于几何纹理信息的建筑物提取，如Chellappa[4]提出的基于主线条和阴影的矩形轮廓进行提取的方法；基于极化散射特征的建筑物提取，如Lee等[5]提出的结合复Wishart分布和H/A/α分解的H/a-Wishart方法；基于多特征融合的建筑物提取，如Schuler等[6]提出的基于规范化相关系数和地物目标散射机理的提取方法。然而，这3类方法均无法充分利用影像特征信息。

深度学习起源于人工神经网络(artificial neural network，ANN)，是一种对深层人工神经网络进行有效训练的方法。……