一种SAR图像洪涝淹没区域的快速检测方法与流程

一种sar图像洪涝淹没区域的快速检测方法
技术领域
1.本发明属于sar图像处理技术领域，具体涉及一种单极化数据处理技术。


背景技术：

2.出现洪涝自然灾害时，往往伴随恶劣天气，监测区域受到云层、降水影响，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、作用距离远的技术优势，成为对地观测的主要手段。在恶劣的气象条件下，迅速获取监测区域的遥感影像信息，为减灾救灾决策提供重要依据。
3.《基于局部超分辨重建的高精度sar图像水域分割方法》公开了一种基于局部超分辨重建的中低分辨率sar图像水域分割方法，在传统水域分割技术的基础上，融入卷积神经网cnn的图像超分辨重建技术。对局部图像超分辨重建，突破传统方法受sar图像分辨率的限制，提升水域分割结果的精度。构建训练一种新型的局部图像超分辨重建网络模型，模型对包含局部水域边界的mlr-sar图像切片超分辨重建，获得更高分辨率的超分辨图像。用一种改进acm分割算法，在超分辨sar图像切片获取更精细的水域边界，提升sar图像水域分割的精度。
4.《基于马尔科夫分割的单极化sar数据洪涝水体检测方法》公开了一种提出基于高分3号单极化sar数据的洪涝区域水体快速检测方法，包括sar预处理，顾及sar分布特性。保边缘的马尔科夫模型洪涝水体提取，基于sar几何构象模型的阴影虚警干扰去除，用人工检测结果评价相对精度。测试结果表明，可以实现洪涝受灾区域的快速和精确提取。
5.在sar洪涝灾区水体信息提取方面，常用方法基于全极化sar数据进行，全极化sar数据的获取量有限，不能满足灾害应急的快速响应要求。山体形成的阴影与水体在图像上具有相似的灰度特性，带来严重的虚警，单极化sar数据具有重要的防灾减灾应用价值。


技术实现要素：

6.本发明为了解决现有技术存在的问题，提出了一种sar图像洪涝淹没区域的快速检测方法，为了实现上述目的，本发明采用了以下技术方案。
7.增强sar图像，去除噪声信息，提取灰度特征和纹理特征，用fcm聚类算法分割sar图像的水域，用形态学滤波处理与连通域分析方法分割湖泊与河流的粘连区域，设置长宽比与面积的阈值，去除坑塘与河流，保留湖泊，用dem地形信息去除山体产生的阴影区域，
8.进一步的，用图像灰度直方图均衡化方法，提高sar图像的亮度与对比度，增强图像的细节纹理信息。
9.进一步的，用基于nsct的自适应去噪算法，预处理sar图像，去除相干斑噪声，保留图像的细节纹理信息。
10.进一步的，用保边缘控制算法提取灰度特征，统计sar图像中每个像素与其邻域n
×
n个像素的灰度值的相似度，若相似的像素个数少于保边缘控制因子，则该像素的灰度值取相似的像素灰度值平均值，否则该像素的灰度值取所有n
×
n个像素的灰度值平均值，作
为灰度特征。
11.进一步的，用灰度共生矩阵glcm提取纹理特征，统计sar图像中每个像素距离为d的邻域n
×
n个像素在0
°
、45
°
、90
°
、135
°
四个方向的灰度共生矩阵，分别计算相关度、同质性、熵和角二阶矩，作为纹理特征。
12.进一步的，根据灰度特征和纹理特征，用模糊c均值的fcm聚类算法分割sar图像，提取水体区域。
13.对比洪涝前后两个时相的sar图像，用叠加分析方法与基于空间重叠的分块并行技术，加快洪涝淹没区域的检测速度，获取洪涝淹没区域的面积、分布与地物类型信息，检测湖泊淹没面积的变化。
14.本发明的有益效果：针对山体阴影等弱散射体造成的虚警现象，用基于nsct的自适应去噪算法去除sar图像相干斑噪声，保护图像细节纹理信息，提取保边缘灰度特征和纹理特征，用fcm聚类算法分割水域，结合dem地形信息，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，针对传统的洪涝检测方法效率低、反应慢的问题，用叠加分析方法与基于空间重叠的分块并行技术，提高处理效率，加快洪涝淹没区域的检测速度，快速精确的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信息，及时的为防洪救灾提供科学依据。
附图说明
15.图1是方法流程图。
具体实施方式
16.以下结合附图对本发明的技术方案做具体的说明。
17.本方法的流程如图1所示：
18.选取2020年6月和7月两个时相的卫星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。
19.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。
20.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。
21.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。
22.上述作为本发明的实施例，并不限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均包含在本发明的保护范围之内。


技术特征：
1.一种sar图像洪涝淹没区域的快速检测方法，其特征在于，包括：增强sar图像，去除噪声信息，提取灰度特征和纹理特征，用fcm聚类算法分割sar图像的水域，用形态学滤波处理与连通域分析方法分割湖泊与河流的粘连区域，设置长宽比与面积的阈值，去除坑塘与河流，保留湖泊，用dem地形信息去除山体产生的阴影区域。2.根据权利要求1所述的sar图像洪涝淹没区域的快速检测方法，其特征在于，所述增强sar图像，包括：用图像灰度直方图均衡化方法，提高sar图像的亮度与对比度，增强图像的细节纹理信息。3.根据权利要求1所述的sar图像洪涝淹没区域的快速检测方法，其特征在于，所述去除噪声信息，包括：用基于nsct的自适应去噪算法，预处理sar图像，去除相干斑噪声，保留图像的细节纹理信息。4.根据权利要求1所述的sar图像洪涝淹没区域的快速检测方法，其特征在于，所述提取灰度特征，包括：用保边缘控制算法提取灰度特征，统计sar图像中每个像素与其邻域n
×
n个像素的灰度值的相似度，若相似的像素个数少于保边缘控制因子，则该像素的灰度值取相似的像素灰度值平均值，否则该像素的灰度值取所有n
×
n个像素的灰度值平均值，作为灰度特征。5.根据权利要求1所述的sar图像洪涝淹没区域的快速检测方法，其特征在于，所述提取纹理特征，包括：用灰度共生矩阵glcm提取纹理特征，统计sar图像中每个像素距离为d的邻域n
×
n个像素在0
°
、45
°
、90
°
、135
°
四个方向的灰度共生矩阵，分别计算相关度、同质性、熵和角二阶矩，作为纹理特征。6.根据权利要求1所述的sar图像洪涝淹没区域的快速检测方法，其特征在于，所述分割sar图像的水域，包括：根据灰度特征和纹理特征，用模糊c均值的fcm聚类算法分割sar图像，提取水体区域。7.根据权利要求1至6任一所述的sar图像洪涝淹没区域的快速检测方法，其特征在于，还包括：对比洪涝前后两个时相的sar图像，用叠加分析方法与基于空间重叠的分块并行技术，加快洪涝淹没区域的检测速度，获取洪涝淹没区域的面积、分布与地物类型信息，检测湖泊淹没面积的变化。

技术总结
本发明公开了一种SAR图像洪涝淹没区域的快速检测方法，针对传统的洪涝检测方法效率低、反应慢的问题，增强SAR图像，去除噪声信息，提取灰度特征和纹理特征，用FCM聚类算法分割SAR图像的水域，用形态学滤波处理与连通域分析方法分割湖泊与河流的粘连区域，设置长宽比与面积的阈值，去除坑塘与河流，保留湖泊，用DEM地形信息去除山体产生的阴影区域，消除虚警，对比洪涝前后两个时相的SAR图像，用叠加分析方法与基于空间重叠的分块并行技术，提高处理效率，加快洪涝淹没区域的检测速度，快速精确的获取洪涝淹没区域的面积、分布与地物类型信息，检测湖泊淹没面积的变化，及时的为防洪救灾提供科学依据。救灾提供科学依据。救灾提供科学依据。


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：2022.02.15
技术公布日：2022/5/20