[发明专利]一种对象级高分辨率SAR影像洪水灾害变化检测方法

说明书

技术领域

本发明涉及一种对象级高分辨率SAR影像洪水灾害变化检测方法，属于高分辨SAR影像洪水灾害变化检测技术领域。

背景技术

洪水灾害是指由于降水导致的山洪爆发、堤坝溃坝、农田淹没、房屋损毁等现象，是目前世界上危害最为严重的自然灾害之一。遥感影像由于具有时效性强、覆盖范围广泛等优点，目前已成为了洪水灾害监测与评估的重要手段。由于水体对于014～215Lm范围内的电磁波吸收率明显高于其他地物，因此水体通常表现为面状连续分布且整体亮度较低的成片区域，这也是利用遥感影像进行洪水灾害变化检测的基础。

目前全球用于洪水灾害监测的卫星主要包括美国陆地资源卫星Landsat TM、法国SPOT系列资源卫星等光学遥感卫星，以及加拿大Radarsat SAR雷达卫星等。例如2012年巴拉圭利用空间分辨率为10米的SPOT 5卫星对洪水进行了监测，我国利用ERS－1/2和Radarsat影像监测了1998年发生在长江和嫩江流域的洪灾等。但是，由于传统资源卫星的轨道周期较长，因此难以获得动态的洪灾信息，时效性较差。同时，光学卫星对难以穿透云层的遮挡，在雨季很难获得可靠且清晰的可用影像。而合成孔径雷达SAR(Synthetic Aperture Radar)具有全天候、全天时成像、能够穿透云层、几何分辨率与传感器的波长和高度无关等特性，从而能够有效揭示地面伪装及地貌结构，因此在洪水灾害监测中受到了高度重视。

近年来随着SAR影像空间分辨的不断提高(如分辨率为3m的意大利高分辨率雷达卫星COSMO-SkyMed SAR影像等)，为高分辨率SAR影像洪水灾害变化检测带来了新的机遇，同时也带来了新的挑战：空间分辨的提高使SAR影像中的地物纹理特征更为精细，层次更为丰富，但SAR影像固有的干斑噪声以及大量以纯象元形式出现的如小金属、小目标等噪声造成的干扰也更加明显，因此需要有效的滤波方法进行去噪，同时能够保持图像细节的特征；影像中与水体区域具有相似几何特征及波谱特征的虚假目标可能造成大量的“伪变化”；如何在背景复杂的场景中准确定位水体区域并准确提取水体的轮廓是变化检测成功的关键因素。

针对洪灾前后水体区域这一特定目标的变化检测，可首先对多时相影像单独进行分割，进而判断发生变化的区域，再通过分类提取出变化对象中属于水体的区域，从而获得最终检测结果。但这种方法在不会将水体区域作为一个独立的对象进行分析，因而在变化检测中忽略了水体区域独有的形状、光谱、面积等特征，难以获得可靠的水体区域变化检测结果。同时，变化检测产生的误差积累也会对分类精度造成影响。而在单一时相影像中先将水体提取作为独立的对象进行提取，再比较多时相影像间发生变化的水体区域，则能很好的避免这些问题和局限。由于变化检测的目的仅关注水体变化信息，因此分类问题可转化为如何准确提取影像中的水体区域这一关键问题。最后，只需根据配准结果直接比较多时相影像中提取的水体区域即可获得最终变化检测结果。因而准确提取高分辨率SAR影像中的水体轮廓、消除虚假目标造成的干扰是保证检测精度的关键因素。

针对高分辨率SAR影像水体提取及变化检测问题，学者们已开展了一些研究工作。目前主流的SAR影像水体检测方法主要分为三类:第一种是基于传统边缘检测的水体提取方法。如朱俊杰等采用块追踪算法初步确定水体边缘所在区域，进而采用活动轮廓(Snake)模型进一步精确定位水体边缘。但这种方法对噪声的鲁棒性较差，也容易受到虚假目标的干扰。第二种方法通常直接通过阈值法对图像进行二值化分割，从而获得水体及非水体区域。如戴光照等根据影像的灰度直方图采用阈值分割的方法实现了水体的提取。李金基等进一步提出首先对差值影像和对数比图像进行融合，进而采用一种基于T-分布模型改进的KI阈值法对融合影像进行分割，从而获得洪水灾害变化检测结果。这种方法原理简单，易于实现，但基于阈值的影像分割对高分辨率SAR影像中的细节信息不敏感，因而难以准确定位水体的边缘。第三种是基于支持向量机(SVM，Support Vector Machine)等分类器的检测方法。如程明跃等通过模糊加权支持向量机对样本图像的纹理进行训练，获得判别水体的决策函数，进而检测出SAR图像的水体区域，但这种基于分类器的检测算法复杂度较高，且样本获取的代价较大。

发明内容