基于阈值分割与决策树的SAR影像水体信息提取

目前我国的GF-3 SAR数据可实现全天时全天候的对地观测,已服务于海洋、减灾、水利、气象等多个领域。改进了基于阈值分割法与决策树的GF-3 SAR影像水体信息提取方法,首先对GF-3 SAR影像进行基本处理;再采用KI二值化阈值分割法进行图像分割;然后通过构建知识决策树模型来提取水体信息,为了提高精度,采用GDEM数据进行地表建模,提取山体阴影;最后利用空间分析功能将地形建模阴影图与提取的水体范围进行匹配,去除山体阴影,进而获得水体信息的精确范围。通过混淆矩阵计算得到水体信息提取的总体精度为89.22%,Kappa系数为0.71,精度优于基于光学GF-2号影像的水体指数法提取结果。整个流程人工干预少,具有自动化更强、效率更高的优势。     

基于局部自适应阈值的GF-3 SAR影像洪涝水体提取

针对全局阈值法在大场景SAR图像水体提取时存在的局限性以及山体阴影对水体提取的干扰,提出一种DEM辅助下基于自适应阈值的SAR影像洪涝水体提取方法.首先结合DEM和SAR卫星轨道参数去除山体阴影产生的辐射失真区域,利用K-means聚类算法得到初始的水体分布图;然后在初始水体信息基础上,通过窗口提取局部区域的水体和非水体,并采用KI算法对局部区域进行自适应阈值的计算,实现自适应阈值水体信息的快速提取.利用湖南省东北部GF-3精细条带2成像模式(FSII)SAR影像进行洪涝水体提取实验,研究表明该方法既保留了水体的细节信息,又能减弱噪声、山体阴影等的影响,F-Measure指数高于全局阈值法,其查准率较全局阈值法提高了7.97％,尤其适用于含山区影像的大范围洪涝水体快速提取.     

顾及GF-3影像纹理特征的洪涝范围提取方法

洪涝灾害给社会、经济造成巨大损失,及时、快速监测洪涝范围在抗灾救灾中具有重要意义。合成孔径雷达(SAR)由于其主动式微波成像的机理,可为全天时、全天候、大范围洪涝灾害监测提供支持。本文首先以高分三号(GF-3)卫星影像为数据源,基于灰度共生矩阵(GLCM)、局部二值模式(LBP)等6种纹理描述方法提取138个SAR影像纹理特征;然后利用随机森林(RF)指标重要性评估功能,筛选出重要性得分较高的纹理特征进行水体信息提取;最后结合数学形态学对初始水体提取结果进行后处理,评估安徽巢湖附近区域洪涝灾害。试验表明,本文方法的水体提取精度优于传统阈值法(Otsu)及分类算法(KNN和SVM),可有效提取洪涝灾害的影响范围,为选取合适的SAR影像纹理特征进行洪涝范围快速监测提供参考。     

顾及空间邻域关系的多时相SAR影像变化检测

提出了一种顾及空间邻域关系的多时相SAR影像非监督变化检测方法，采用马尔可夫随机场（Markov random field，MRF）模型描述SAR比值差异图像的空间上下文信息，提出了基于该模型的EMMPM非监督变化检测算法。实例研究表明，与未顾及空间上下文信息的EM双阈值算法相比。该方法能够有效地提高变化区域提取的可靠性和准确性。     

一种改进光谱角匹配的水体信息提取方法

快速、准确地从卫星遥感影像上获取水体信息已成为水资源调查及监测、湿地保护、洪涝灾害评估等领域的重要技术手段。本文以GF-4卫星的PMS传感器影像为数据源,提出了一种改进光谱角匹配（MSAM）的水体信息提取方法,以内蒙古中东部和长江中下游两个试验区为研究对象,对比分析了MSAM与单波段阈值法、NDWI阈值法、支持向量机和光谱角匹配等传统方法的水体信息提取结果,并进行了精度评价。试验结果表明,本文提出的MSAM方法不仅能准确地提取水体信息,而且能很好地区分水体与云阴影,对细小水体的提取也具有很好的效果。在内蒙古中部和长江中下游两个试验区的水体提取精度分别达到99.86%和98.37%,在5种水体提取方法中的精度最高,可以有效地提取水体信息。     

基于高分三号卫星影像的水体信息提取技术研究

随着各类卫星遥感和航天航空技术的不断进步,采用卫星遥感图像来提取水域的信息成为了新的选择和研究的热点.同时SAR(合成孔径雷达)技术以其不受各类气候、气象的干扰,高分辨率、穿透力强的优点,成为水域信息提取的重要手段.高分三号卫星是近年来我国发射的SAR卫星,为此本文研究所采用的数据源为高分三号HH、VV、HV、VH四种极化方式的SAR图像,研究区域为长春市农安县太平池水库及共青团水库,采用经验阈值分割法分别提取其水域信息,进而分析评价水域提取的正确性和精度.总结发现:1)使用经验阈值分割法可以从SAR图像上提取水体;2)提取的水体经过和天地图和谷歌地图的比对,验证了正确性;3)不同极化方式所提取出来的水体的效果是不同的.     

GF-2影像中不同水体指数模型提取精度及稳定性分析

针对GF-2卫星影像数据的特点，选取了临夏回族自治州境内两个不同研究区域，分别采用单波段阈值法、归一化差分植被指数法（NDVI）及其他3种水体提取指数法（NDWI、SWI、MSWI）对两个研究区进行水体提取试验。通过分析比较各水体指数模型中阈值对水体提取精度和稳定性的影响，发现研究区1（城区）中单波段阈值法提取效果最高达到71.29，且稳定性较好。研究区2（山区）中MSWI方法提取精度最高为95.76，稳定性较单波段法次之。本文试验为GF-2影像在不同区域进行水体提取时选择不同模型及阈值时提供可靠的参考依据。     

噪声抑制的多极化SAR海冰图像分割

合成孔径雷达(SAR)海冰图像分割对全球气候研究和保证船舶航行安全具有重要意义。现有的基于区域的马尔可夫随机场(MRF)多极化SAR分割方法,由于受相干斑噪声影响,其区域划分不尽合理,不能有效完成分割。因此,提出一种噪声抑制的多极化SAR海冰图像分割算法,首先在极化总功率图上引入降低噪声的滤波算法,合理划分初始区域,其次考虑区域之间的差异度,从而实现多极化SAR海冰图像的准确分割。以RADARSAT-2和SIR-C获得的全极化海冰图像为实验数据进行验证,结果表明:和其他较先进算法相比,本文算法优势明显,既能高效保持图像连通性,又能增强图像的细节信息,具有更高的分割精度。     

面向GF-1影像的NDWI分割阈值选取方法研究

以位于我国不同地区的15个湖泊为研究区域,基于高分一号(GF-1)卫星遥感影像计算归一化水体指数(normalized difference water index,NDWI),在此基础上分别采用迭代法、大津法和直方图双峰法选取分割阈值及提取水体信息,并分析3种方法的阈值选取结果及水体信息提取结果。研究结果表明:迭代法与大津法选取的阈值相近,与直方图双峰法选取的阈值相差较大;迭代法选取阈值的效率较高;直方图双峰法的提取精度最优,其提取的水域面积与参考面积拟合的效果最好。该研究可为GF-1影像的精准水体提取提供自适应阈值分割方法的选取策略。     

基于Sentinel-1A数据的临高县早稻面积提取

为了探讨双极化Sentinel-1A雷达影像数据识别提取早稻面积分布信息的能力,在分析典型地物后向散射系数的基础上,沿用极化差分合成孔径雷达(synthetic aperture Radar,SAR)图像和极化比值SAR图像对典型地物分类有着重要作用的思路,提出水体归一化参数,随后采用支持向量机(support vector machine,SVM)分类方法和阈值分类方法选取单时相、多时相水体归一化极化SAR数据(2017年3月10日、3月22日、4月3日、4月15日、4月27日)提取早稻面积。结果表明,阈值分类方法优于SVM分类方法,其总体精度为89.01%,Kappa系数为0.823 1,早稻的制图精度和用户精度分别为92.68%和82.26%;种植面积为1.29万hm~2,与临高县主要的早稻生产基地在空间分布上基本一致。由此可得,多参数的极化SAR数据可以提高识别提取地物的精度,提取早稻面积的最佳监测数据为多时相水体归一化VH极化SAR数据。     

高分三号卫星全极化SAR影像九寨沟地震滑坡普查

基于光学遥感影像的区域滑坡普查易受云雾天气的影响,存在滑坡体调查不全面的问题,无法满足震后应急调查与恢复重建的需求。本文提出了一种极化SAR卫星数据滑坡普查方法,采用高分三号全极化SAR卫星影像数据,以九寨沟地震震区为实验区,在深入分析滑坡体和其他地物类型散射特征的基础上,融合极化特征、纹理特征和地形特征等多维特征信息,结合高分二号影像获取的训练样本,构建基于BP神经网络的全极化SAR数据滑坡自动识别模型,实现滑坡体的自动快速识别。与高分辨率光学影像与无人机航空影像目视解译结果相比较,总体识别精度为92.8%,Kappa系数为0.715,识别准确度满足地震应急实际应用的需求。研究成果可用于震区大区域滑坡体的普查,为后续开展无人机高分辨率影像滑坡体详查、灾后应急与景区恢复提供辅助信息支撑,并促进国产高分SAR卫星数据在防震减灾中的应用。     

利用纹理融合与广义高斯模型的高分辨率SAR影像变化检测

为了充分利用高分辨率SAR影像的纹理特征,提出一种纹理信息融合与广义高斯模型相结合的SAR影像变化检测方法。通过灰度共生矩阵计算影像的纹理特征进而构造纹理差异影像,利用离散平稳小波变换,融合灰度差异影像和纹理差异影像。然后利用广义高斯模型进行统计建模,估计融合后差异影像上变化类和未变化类的概率分布,利用KI阈值准则获取最佳分割阈值,实现多时相SAR影像的非监督变化检测。选取两组TerraSAR-X数据进行实验,结果表明融合纹理信息与广义高斯模型的变化检测方法可行,其中融合逆差距纹理信息的检测性能最优。     

Unsupervised Change Detection in Multitemporal SAR Images Using MRF Models

An unsupervised change-detection method that considers the spatial contextual information in a log-ratio difference image generated from multitemporal SAR images is proposed. A Markov random filed (MRF) model is particularly employed to exploit statistical spatial correlation of intensity levels among neighboring pixels. Under the assumption of the independency of pixels and mixed Gaussian distribution in the log-ratio difference image, a stochastic and iterative EM-MPM change-detection algorithm based on an MRF model is developed. The EM-MPM algorithm is based on a maximiser of posterior marginals (MPM) algorithm for image segmentation and an expectation-maximum (EM) algorithm for parameter estimation in a completely automatic way. The experiment results obtained on multitemporal ERS-2 SAR images show the effectiveness of the proposed method.     

Unsupervised change detection in multitemporal SAR images using MRF models

An unsupervised change-detection method that considers the spatial contextual information in a log-ratio difference image generated from multitemporal SAR images is proposed. A Markov random filed (MRF) model is particularly employed to exploit statistical spatial correlation of intensity levels among neighboring pixels. Under the assumption of the independency of pixels and mixed Gaussian distribution in the log-ratio difference image, a stochastic and iterative EM-MPM change-detection algorithm based on an MRF model is developed. The EM-MPM algorithm is based on a maximiser of posterior marginals (MPM) algorithm for image segmentation and an expectation-maximum (EM) algorithm for parameter estimation in a completely automatic way. The experiment results obtained on multitemporal ERS-2 SAR images show the effectiveness of the proposed method.     

基于Voronoi几何划分和EM/MPM算法的多视SAR图像分割

基于区域和统计的SAR分割方法,提出一种结合Voronoi划分技术、最大期望值EM(Expectation Maximization)和最大边缘概率MPM(Maximization of the Posterior Marginal)算法的多视SAR图像分割方法。首先利用Voronoi划分将图像域划分成不同的子区域,而每个子区域可以被看成待分割同质区域的一个组成部分,并假设每个子区域内的像素满足同一独立的Gamma分布,从而建立多视SAR图像模型,并在贝叶斯理论架构下建立图像分割模型,然后结合EM/MPM算法进行图像分割和模型参数估计。该方法将基于像元的马尔可夫随机场(Markov Random Field,MRF)模型扩展到基于区域的MRF模型,并且能同时有效地获取模型参数估计和基于区域的SAR图像最优分割。采用本文算法,分别对RADARSAT-Ⅰ/ⅡSAR强度图像和合成SAR强度图像进行了分割实验,定性和定量的测试结果验证了本文方法的有效性、可靠性和准确性。     

带有区域分裂自适应细化过程的SAR海冰图像分割

受海冰自身特性、成像系统特性和环境因素的影响,合成孔径雷达SAR海冰图像具有非平稳、尺度依赖的空间结构,现有的单马尔可夫随机场MRF模型分割方法只能较好地适应非平稳性,对海冰场景的多尺度结构考虑仍然是全局的。为此,本文提出了一种区域分裂过程与二叉树分层结构自适应更新相结合的单MRF图像分割方法。首先利用单MRF模型的全局迭代权值完成初始区域合并,同时以二叉树形式保护合并过程的记录。所设计的分层合并算法可保证二叉树结构的节点数与场景中的对象尺度具有正相关性。随后的细化分裂并不产生新的区域,只是返回到初始配置。依据场景中不同区域对象的尺度,自适应地调整空间语境模型中的尺度权值,实现区域更新。实验表明,该方法有效提高了带有多尺度结构SAR海冰场景的分割精度。     

斑点抑制与多分辨率拓扑分析相结合的SAR图像河流水体提取

针对由于斑点噪声和建筑遮挡造成的高分SAR图像河流水体提取的不连续问题,本文提出一种结合自适应斑点抑制和多分辨率拓扑分析的河流水体提取方法。首先,在斑点抑制各向异性扩散中引入Beta度量以实现SAR图像的自适应滤波;其次,利用局部阈值分割和连通域标识对去噪图像中的河流水体段进行快速提取;然后,以河流水体段的最小外接凸多边形为对象构建高斯金字塔,并由此进行多分辨率拓扑分析来获得河流间断点信息;最后,由区域生长策略逐层地对间断点进行判别,实现相邻河流水体段的自动连接。采用TerraSAR-X和GF-3高分SAR图像验证提出的方法。结果表明,该方法可有效地提取完整河流水体。对多幅SAR图像提取结果的定性和定量评价验证了提出方法的有效性与稳健性。