[发明专利]一种基于水平集分割极化SAR影像的水体精确提取方法

说明书

本发明公开了一种基于水平集分割极化SAR影像水体精确提取方法，包括步骤：S1极化SAR影像的预处理；S2基于极化SAR影像的极化总功率，从极化SAR影像中提取弱散射同质区域，完成水体的初步提取；S3基于极化SAR影像的散射熵和协方差矩阵，从弱散射同质区域精确提取水体。本发明充分考虑了弱散射地物在极化SAR影像中的相似性，采用多尺度水平集分割策略，根据不同分割内容，构建不同的SAR模型，从而定义不同层次的能量函数，通过这种逐步求精的方法，来提高水体提取的有效性和精度。

技术领域

本发明涉及遥感影像处理技术领域，尤其是涉及一种基于水平集分割极化SAR影像的水体精确提取方法。

背景技术

SAR传感器是利用微波波段进行主动式遥感，具有穿云透雾、全天时工作的能力，从而使得SAR影像可能成为灾害事件中成为唯一可用的数据，并且水体以及建筑区等在SAR影像特征明显，因而可以有效监测洪涝和地震灾害等。但是SAR影像由于是根据地表物体的散射特性进行相干成像，因而对于散射特性类似的地物无法进行精细区分。例如水体与裸土、道路、阴影等同属弱散射地物，散射类型均为奇次散射，在成像中都表现为散射幅度数值小、纹理特征不明显的黑色区域。在洪水灾害发生时，水体能否被精确的提取，对于灾害监测有着重要意义。

极化SAR影像不同于传统SAR影像，其能够通过四种不同极化方式对地物进行分别成像，多角度探测地物的散射特性，从而为区分水体与其他弱散射地物提供了可能，利用极化SAR影像进行水体提取是国际上公认的有效方法。但由于弱散射地物的散射特征相似，并且由于相干斑噪声和雷达视数的影响，因而利用极化SAR影像进行水体提取仍然面临着如何充分挖掘有效的散射特征和构造有效模型来描述水体与其他弱散射地物在分布上的差异等挑战。

目前基于SAR影像的水体提取方法主要分为基于分类与基于分割的水体提取。基于分类的水体提取方法可分为监督分类和非监督聚类方法，前者通过选取训练样本，利用各种分类器，例如最大似然、神经网络以及支持向量机等进行水体提取。监督分类的方法虽然可以在一定程度上区分水体与其他弱散射地物，但是需要大量地选取图像场景内不同类别的样本，并且分类器训练和参数优化都需要较长的时间，因而存在一定弊端。后者通过图像场景内地物散射特征进行聚类，最常用经典的方法包括H-alpha-Wishart以及H-alpha-A-Wishart聚类，聚类方法可以对地物类别进行大致区分，由于得到该方法根据不同像素点与地物类别中心距离进行判别类别属性，但是弱散射地物和其他地物差异太大，因而会出现水体等和其他弱散射地物分为一类的情况。

基于分割的水体提取方法主要利用极化SAR影像的极化通道特征、相干通道特征、极化分解特征以及图像的纹理特征和几何特征等构建水体与其他弱散射地物的差异，进行分割提取。该种方法主要通过分析对比不同特征组合和构建过程中，统计分析水体与其他弱散射地物特征差异，利用差异以及其他辅助数据，例如DEM(数字高程模型)数据以及GIS(地理信息系统)矢量数据等基础地理信息数据进行阈值分割，从而实现水体提取。传统阈值分割算法往往由于对噪声发育和拓扑复杂以及灰度值相近但是类别不同SAR影像失效。一种想法就是能够通过逐步求精的过程首先通过粗分割来提取出弱散射地物区域，然后构建水体与其他弱散射地物判别项进行精细分割，提取水体。

基于水平集曲线演化的分割算法能够对拓扑改变区域做出灵活调整，从而能够有效提取图像中的孤立区域。并且该算法允许通过图像特性构建不同的能量函数来驱动水平集函数进行曲线演化，分割图像。同时，由于SAR影像相干噪声的存在，单一尺度下的分割算法无法对具备随机噪声图像进行有效分割，而多尺度分割可以降低噪声对于分割效果的影响。因而可以在多尺度分割的框架下对极化SAR影像中的水体进行基于水平集分割的提取。多尺度是指在粗细不同的尺度中，利用极化SAR影像的全局和局部信息，通过初试零水平集曲线进行迭代演化，在不同尺度中得到分割结果，提取水体等。

发明内容

本发明的目的是提供一种基于水平集分割极化SAR影像水体精确提取方法。