[发明专利]一种基于先验知识的多时相SAR影像洪涝制图方法及装置

说明书

本发明设计一种基于先验知识的多时相SAR影像洪涝制图方法及装置，该方法包括获取洪涝灾前和灾后配准的两时相SAR影像；将两时相SAR影像输入已训练的基于先验知识的多时相SAR影像洪涝制图网络，通过基于先验知识的多时相SAR影像洪涝制图网络输出水体变化特征影像；基于阈值提取洪水淹没范围检测结果。本发明通过任务迁移的策略将具有先验知识的SAR水体特征提取预训练模型，向两时相SAR影像洪水变化检测模型迁移学习，降低模型训练阶段对样本数量需求的同时提高模型训练效率，有效解决了受SAR影像噪声、水体提取精度等因素导致的误检漏检问题，从而显著提升洪水淹没范围检测精度。

技术领域

本发明涉及SAR影像洪涝淹没范围检测技术领域，特别是涉及一种基于先验知识的多时相SAR影像洪涝制图方法及装置。

背景技术

随着全球气候变暖与人类活动加剧，频繁发生的洪涝灾害已成为重大自然灾害之一。由于洪灾的突发性、随机性和复杂性，导致灾后应急救援面临不知道“哪受灾，救哪里、救得怎么样”的困境。遥感对地观测技术具有视域广、获取信息速度快、周期短等优势，特别是在雨雾天气、交通中断等情况下，合成孔径雷达卫星获取的SAR影像已成为洪涝灾害应急监测与损失评估的重要数据源。因此，利用多时相SAR影像快速准确地估算洪涝灾害淹没范围对于灾害应急救援与灾后损失评估等具有十分重要的意义。

目前，利用SAR影像数据提取洪涝淹没范围的方法主要分为以下两种方法：

第一类是基于不同时相SAR影像分别提取的水体范围结果，通过叠加对比法检测洪水范围。其中，水体提取方法包括阈值法水体提取和分类法水体提取。

第二类是基于双时相SAR影像的变化检测法，利用双时相SAR影像之间相似性特征，基于监督或非监督的方法直接检测水体发生变化的区域。

第一类基于影像分类后水体变化检测方法步骤复杂，由于洪水淹没范围精度取决于单时相水体提取精度的原因，从而造成淹没范围检测结果存在误差累积问题；同时由于洪涝地区背景复杂和受到SAR影像相干斑噪声干扰，基于SAR影像直方图呈双峰分布假设的自适应阈值法不切合SAR影像实际情况，存在算法鲁棒性与适用性不足的问题；第二类基于非监督双时相SAR影像变化检测法，主要依靠人为定义的双时相SAR影像相似性度量特征，利用阈值法对相似性特征分类并提取变化区域，但该类方法选取的差值、比值或对数比等相似性特征仅适用于场景单一的影像区域，应用于场景复杂洪涝区域时洪水淹没范围检测精度不足；另外，基于双时相SAR影像的监督变化检测方法尽管提取的深度语义特征更丰富，洪水检测鲁棒性更强，但该类方法受限于高质量训练数据集获取难的问题，无法满足实际洪涝检测应用需求。

受洪灾侵袭的区域往往场景复杂多变，一方面SAR影像不仅易受到固有的影像噪声干扰，另一方面SAR影像的成像机理导致道路等粗糙度较低的地面目标与水体区分困难。另外，用于检测洪水淹没范围的多时相SAR影像变化检测深度学习模型受限于训练样本获取难的问题，不能很好地保证洪水淹没范围检测精度和时效性。

发明内容

针对背景技术中提到的问题，本发明提出一种基于先验知识的多时相SAR影像洪涝制图方法。本发明提出的SAR影像洪涝淹没范围检测方法创新性地将SAR影像变化检测与跨任务迁移学习关联。SAR影像的洪涝淹没范围检测，本质上是洪涝灾前和灾后水体范围的变化检测。因此，SAR影像洪涝淹没检测问题一般分为水体提取和水体变化检测两步，水体变化检测任务依靠前一步获取的水体范围先验知识，这也导致水体变化检测结果存在误差累积问题。本方法旨在解决现有技术以先分类后变化检测方法，存在的洪水淹没检测精度受限于水体提取精度的误差累积问题，从先验知识迁移的语义特征层面设计洪涝水体变化识别方法。因此，本发明与间接利用灾前和灾后水体范围进行水体变化检测的策略不同，而是基于具有水体特征提取能力的预训练网络模型，通过跨任务迁移的方式将水体提取模型的先验知识向水体变化检测任务迁移，从而实现直接利用两时相SAR影像水体深层语义特征，对洪涝水体变化信息进行建模与洪涝淹没范围提取。