合成孔径雷达(Synthetic Aperture Radar,SAR)可以全天时、全天候采集高分辨图像,对于对地观测十分重要。由于SAR图像固有的成像机制造成了SAR图像上相干斑噪声、高维异构等问题,使得SAR图像的解译十分困难。本团队提出的SAR图像层次视觉语义模型,以素描线段为基元,通过赋予素描线段语义信息来指导SAR图像解译,从像素空间转换到了语义空间,在一定程度上提升了分割的效果。SAR图像区域图作为层次视觉语义模型的中级语义层,是SAR图像解译的关键步骤。本文在Sketch Map的基础上,针对高分辨大场景下大规模SAR图像地物复杂、得到素描线段数目庞大的特点,提出基于空间约束和KD(K-Dimensional)树的区域图获取方法,论文的主要工作包括:(1)赋予素描线段明确的语义信息。大场景下SAR图像素描线段较多,聚集线段的集合生成过程中存在多种语义可能性,不明确的语义对于区域图提取的影响很大,本文提出基于空间约束的素描线段语义信息赋予方法,通过空间约束,赋予每条素描线段单侧聚集、双侧聚集、端侧水平级联和围拢线段等明确的语义信息。实验结果表明,所提出的方法能够明显改善语义线段语义信息不明确的现象。(2)根据线段的语义信息,提出基于KD树的聚集集合计算方法。大规模SAR图像素描线段较多,3543×1506尺寸的SAR图像在一定稀疏程度下仍然会获得9075条素描线段。基于表方式进行的聚集集合计算方法,由于其采用线性结构组织元素,无法保存语义线段的k近邻关系,而计算近邻的时候,涉及到大量的近邻搜索操作,在大规模SAR图像语义线段数目剧增的情况下资源消耗严重。因而,本文提出基于KD树的聚集集合计算方法,KD树由于其结构特性可以有效保存空间近邻关系。实验结果表明,本方法在一定程度上提高了算法搜索的效率,而且得到的语义线段集合更加准确。(3)在得到的聚集集合基础上,进一步提出基于空间约束和KD树的高分辨大场景大规模SAR图像区域图提取方法。首先利用提出的分块融合策略得到SAR图像的Sketch Map;然后针对大规模SAR图像的聚集区域获取过程资源消耗严重的问题,在得到的聚集线段集合基础上,利用提出的基于KD树的方法获得SAR图像聚集区域结果;接着利用提出的几何结构窗和近邻连接围拢闭合方法得到结构区域;最后融合得到的各个区域获得最终的区域图。实验结果表明,对于3543×1506尺寸的高分辨大场景下大规模SAR图像,该方法可以高效、准确的获得原图像的区域图。