[发明专利]基于极化雷达遥感影像的洪水淹没范围自动提取方法

权利要求书

1.基于极化雷达遥感影像的洪水淹没范围自动提取方法，其特征在于，包括以下步骤：

步骤S1：利用多尺度分割技术同时对灾前和灾后的极化雷达遥感影像进行分割，提取图像对象；

步骤S2：分别提取灾前和灾后极化雷达遥感影像中图像对象的像素平均值、几何和纹理属性；

步骤S3：使用变化矢量分析技术从灾前和灾后的极化雷达遥感影像中提取基于图像对象的特征向量，计算图像对象的变化矢量强度，确定变化地块；

步骤S4：基于步骤S2中提取的多种属性集合，利用基于决策树分类规则的层次非监督分类算法自动确定灾前和灾后的土地覆盖类别；

步骤S5：基于灾前和灾后土地覆盖分类结果以及变化矢量分析结果，通过分类后比较法确定变化地块的土地覆盖变化类别，得到洪水淹没区域。

2.根据权利要求1所述的基于极化雷达遥感影像的洪水淹没范围自动提取方法，其特征在于，在步骤S1中，多尺度图像分割技术包括以下内容：

首先将极化雷达遥感影像中的单个像元作为对象，搜索与其相邻的其他对象，若相邻两个对象合并后的异质性值小于给定的阈值时，将其合并，否则就不执行合并操作；当一轮合并操作结束后，以这一轮生成的对象为基本对象，继续计算其与相邻对象合并后的异质性值是否小于给定的阈值，合并操作过程一直执行到达到某一指定的尺度不能再合并任何对象为止；

在多尺度图像分割技术中，对象的整体异质性H由对象的光谱异质性H_color和对象的形状异质性指标H_shape构成，如式1：

H＝w_color*H_color+w_shape*H_shape (1)

其中，w_color与w_shape分别代表光谱异质性与形状异质性的权重；

(1)对象的光谱异质性指标H_color如式2：

H_color＝∑_cw_c*σ_c (2)

其中w_c为图层的权重，σ_c为图层的标准差，c为图层数，所有图层的总权重为1；

(2)对象的形状异质性指标H_shape定义如式3：

H_shape＝w_smoothness*h_smoothness+w_compactness*h_compactness (3)

对象的形状异质性由对象的平滑度与紧密度构成，w_smoothbess与w_compactnss代表对象平滑度与紧密度的相对权重，两者的总和为1，若平滑度的权重较高，则分割后的对象边缘比较平滑；若紧密度的权重比较高，则分割后的对象形状更加紧密并且接近于矩形；

平滑指标h_smothness定义如式4：

紧密指标h_compactness定义如式5：

其中n_Merge代表图像对象合并后的面积、l_merge代表图像对象合并后的实际边长、b_merge代表图像对象合并后的最短边长、n_obj1代表图像对象1的面积、l_obj1代表图像对象1的实际边长、b_obj1代表图像对象1的最短边长、n_obj2代表与图像对象1相邻的图像对象2的面积、l_obj2代表图像对象2的实际边长、b_obj2代表图像对象2的最短边长。