一种基于SAR图像的洪涝检测方法与流程

一种基于sar图像的洪涝检测方法
技术领域
1.本发明属于微波成像领域，具体涉及一种基于sar图像的洪涝检测方法。


背景技术：

2.在出现洪涝等自然灾害时，往往伴随恶劣天气，监测区域会受到云层、降水等因素影响，光学遥感难以发挥作用。sar作为一种主动式微波成像传感器，以其全天时、全天候、作用距离远等独特的技术优势，成为当前对地观测的主要手段之一，在恶劣的气象条件下也能够迅速获取监测区域第一手遥感影像信息，为减灾救灾决策提供重要依据。我国是个洪涝灾害多发的国家，每年7月、8月份洪涝灾害时常发生。因此，实现洪涝受灾区域的水体快速检测对灾害救援和评估具有重要的意义。高分3号sar卫星数据采用主动式对地观测技术，全天时、全天候成像的特点在洪涝减灾应用中具有明显的优势。然而，在sar洪涝灾区水体信息提取方面，常用的方法是基于全极化sar数据进行的，但全极化sar数据的获取量有限，常常不能满足灾害应急的快速响应要求。而且，sar图像水体提取存在很多难点问题，比如山体等形成的阴影与水体在图像上具有相似的灰度特性，会给sar图像水体区域精确提取带来严重的虚警。因此，单极化sar数据洪涝淹没区域精确、快速检测技术具有重要的防灾减灾应用价值。


技术实现要素：

3.本发明克服现有技术中的缺点，提出了一种基于sar图像的洪涝检测方法，不仅能够快速、精确获得湖泊区域洪涝淹没面积与分布，还可以减少山体阴影等弱散射体给水体提取造成的虚警现象。具体步骤如下：步骤（1）：sar图像降噪与增强；步骤（2）：基于灰度特征和纹理特征的fcm聚类的水体提取；步骤（3）：湖泊精确检测；步骤（4）：湖泊淹没面积变化检测。
4.进一步地，所述步骤（1）具体包括：图像增强：采用图像灰度直方图均衡化方法对sar图像的亮度及对比度进行增强，使得图像细节信息显示更加明显；图像去噪：然后利用基于nsct的自适应去噪算法对sar图像进行去噪预处理，在去除相干斑噪声的同时保护图像细节纹理信息。
5.灰度特征提取：采用保边缘灰度特征提取方法提取sar图像灰度特征，通过统计sar图像中任意像素点的灰度值与其邻域各像素值得相似度，若相似像素个数少于预定阈值时，则该像素点的灰度值取相似像素灰度值的平均值；否则该像素点的灰度值取所有邻域像素灰度值的平均值。
6.进一步地，所述步骤（2）具体包括：纹理特征提取：采用灰度共生矩阵来提取sar图像的纹理特征，统计sar图像中每
个像素点周围的邻域像素在4个方向0
°
、45
°
、90
°
、135
°
和距离为d的灰度共生矩阵，并分别计算各自的相关度、同质性、熵和角二阶矩4个纹理特征；水体提取：结合之前提取的保边缘灰度特征和4个纹理特征，运用fcm聚类算法对sar图像进行分割，获得初步水体提取结果。
7.进一步地，所述步骤（3）具体包括：在水体提取结果的基础上，对水体提取图进行形态学滤波处理，采用连通域分析方法对湖泊与河流水系的粘连区域进行分割，并通过设置长宽比、面积阈值剔除小面积坑塘、河流及其他水体，保留湖泊区域；利用dem地形信息去除由于山体造成的阴影区域，进一步减少弱反射地物引起的虚警现象。
8.进一步地，所述步骤（4）具体包括：分别对洪涝前后不同时间的sar图像进行湖泊精确检测后，利用地理信息系统中叠加分析方法与基于空间重叠的分块并行技术对湖泊变化区域进行检测，并统计洪涝淹没区域的面积、分布以及被淹没区域的地物类型面积。
9.本发明的有益效果在于：本发明针对复杂场景下山体阴影等弱反射体造成的虚警现象，采用基于nsct的自适应去噪算法去除sar图像相干斑噪声的同时保护图像细节纹理信息，并且通过提取保边缘灰度特征和纹理特征，利用fcm聚类算法进行水域分割，并结合digital elevation model（dem）地形信息，可以很大程度上减少复杂背景下山体阴影等弱散射目标对水体提取的影响。
10.针对传统的洪涝检测方法效率低、反应慢的问题，采用了叠加分析方法与基于空间重叠的分块并行技术，保证处理效率，加快了洪涝淹没区域的检测速度，可以快速地获取大范围洪涝淹没区域的面积、分布以及被淹没区域的地物类型等信息，更加及时地为防洪救灾提供科学依据。
附图说明
11.图1为本发明流程图。
12.图2为洪涝检测显示图。
具体实施方式
13.下面结合附图，对本发明方案做进一步说明。
14.参见图1和2，以石臼湖与南漪湖为例进行洪涝检测。
15.（1）sar图像降噪与增强选取两个胡泊的两个时相（2020年6月和7月）的哨兵一号卫星sar图像，利用图像灰度直方图均衡化提升sar图像亮度及对比度；然后利用基于nsct的自适应去噪算法对sar图像的斑点噪声进行消除，可以较大限度地保留图像边缘信息。
16.（2）基于fcm的水体提取采用保边缘灰度特征提取方法提取sar图像灰度特征，采用灰度共生矩阵（glcm）来提取sar图像的纹理特征，结合保边缘灰度特征和纹理特征，运用fcm聚类算法对sar图像
进行分割，获得初步水体提取结果。
17.（3）湖泊水域精提取采用形态学滤波处理与连通域分析方法对湖泊与河流等水系的粘连区域进行分割，并通过长宽比、面积等阈值剔除小面积坑塘、河流等其他水体，保留湖泊区域。利用dem地形信息去除由于山体等造成的阴影区域，进一步减少弱反射地物引起的虚警现象。
18.（4）湖泊淹没面积变化检测利用地理信息系统中叠加分析方法与基于空间重叠的分块并行技术对两个时相sar图像湖泊变化区域进行检测，并统计洪涝淹没区域的面积、分布以及被淹没区域的地物类型面积等。
19.本发明不局限于上述具体的实施方式，本发明可以有各种更改和变化。凡是依据本发明的技术实质对以上实施方式所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围。


技术特征：
1.一种基于sar图像的洪涝检测方法，其特征在于：包括以下步骤：步骤（1）：sar图像降噪与增强；步骤（2）：基于灰度特征和纹理特征的fcm聚类的水体提取；步骤（3）：湖泊精确检测；步骤（4）：湖泊淹没面积变化检测。2.如权利要求1所述的基于sar图像的洪涝检测方法，其特征在于：所述步骤（1）具体包括：图像增强：采用图像灰度直方图均衡化方法对sar图像的亮度及对比度进行增强，使得图像细节信息显示更加明显；图像去噪：然后利用基于nsct的自适应去噪算法对sar图像进行去噪预处理，在去除相干斑噪声的同时保护图像细节纹理信息。3.如权利要求1所述的基于sar图像的洪涝检测方法，其特征在于：所述步骤（2）具体包括：灰度特征提取：采用保边缘灰度特征提取方法提取sar图像灰度特征，通过统计sar图像中任意像素点的灰度值与其邻域各像素值得相似度，若相似像素个数少于预定阈值时，则该像素点的灰度值取相似像素灰度值的平均值；否则该像素点的灰度值取所有邻域像素灰度值的平均值；纹理特征提取：采用灰度共生矩阵来提取sar图像的纹理特征，统计sar图像中每个像素点周围的邻域像素在4个方向0
°
、45
°
、90
°
、135
°
和距离为d的灰度共生矩阵，并分别计算各自的相关度、同质性、熵和角二阶矩4个纹理特征；水体提取：结合之前提取的保边缘灰度特征和4个纹理特征，运用fcm聚类算法对sar图像进行分割，获得初步水体提取结果。4.如权利要求1所述的基于sar图像的洪涝检测方法，其特征在于：所述步骤（3）具体包括：在水体提取结果的基础上，对水体提取图进行形态学滤波处理，采用连通域分析方法对湖泊与河流水系的粘连区域进行分割，并通过设置长宽比、面积阈值剔除小面积坑塘、河流及其他水体，保留湖泊区域；利用dem地形信息去除由于山体造成的阴影区域，进一步减少弱反射地物引起的虚警现象。5.如权利要求1所述的基于sar图像的洪涝检测方法，其特征在于：所述步骤（4）具体包括：分别对洪涝前后不同时间的sar图像进行湖泊精确检测后，利用地理信息系统中叠加分析方法与基于空间重叠的分块并行技术对湖泊变化区域进行检测，并统计洪涝淹没区域的面积、分布以及被淹没区域的地物类型面积。

技术总结
在出现洪涝等自然灾害时，往往伴随恶劣天气，监测区域会受到云层、降水等因素影响，光学遥感难以发挥作用。SAR作为一种主动式微波成像传感器，以其全天时、全天候、作用距离远等独特的技术优势，成为当前对地观测的主要手段之一，在恶劣的气象条件下也能够迅速获取监测区域第一手遥感影像信息，为减灾救灾决策提供重要依据。然而，在SAR洪涝灾区水体信息提取方面，常用的方法是基于全极化SAR数据进行的，但全极化SAR数据的获取量有限，常常不能满足灾害应急的快速响应要求。而且，SAR图像水体提取存在很多难点问题，比如山体等形成的阴影与水体在图像上具有相似的灰度特性，会给SAR图像水体区域精确提取带来严重的虚警。本发明克服现有技术中的缺点，提出了一种基于SAR图像的洪涝检测方法，不仅能够快速、精确获得湖泊区域洪涝淹没面积与分布，还可以减少山体阴影等弱散射体给水体提取造成的虚警现象。弱散射体给水体提取造成的虚警现象。弱散射体给水体提取造成的虚警现象。


技术研发人员：谢聪 郝明 庄龙 郑平
受保护的技术使用者：中国电子科技集团公司第十四研究所
技术研发日：2021.12.26
技术公布日：2022/3/22