基于降斑各向异性扩散的SAR图像海岸线提取

受SAR图像相干斑噪声的影响,传统基于阈值的SAR图像海岸线提取方法难以迅速、精确地提取结构复杂精细的海岸线。为此,提出一种结合降斑各向异性扩散和大津法的SAR图像海岸线提取方法。首先,利用降斑各向异性扩散方法对SAR图像进行滤波,使其在尽可能滤除掉相干斑噪声的同时保持精细边缘和纹理结构;然后,以类间方差最大为准则,自适应地确定阈值,实现滤波结果图像二值化分割。在分割结果中,利用连通域标定法标定图像域,去除误分割的连通域,得到准确的海陆分割结果,以实现精确的SAR图像海岸线提取。对具有不同特点的真实大尺度SAR图像的实验结果和定量评价结果表明本文方法可以高精度地提取出光滑、连续的海岸线,相较其它方法具有更强的实用性。     

基于改进SVM分类法的SAR图像水体面积提取研究

在复杂地表环境下的多云多雨地区,基于合成孔径雷达（SAR）图像提取水体时容易受到其它地物如水田、山体阴影等干扰,传统的灰度阈值法和SVM法未能考虑水体与其它地物在纹理和地形上的差异,因此水体提取结果精度较差。研究首先用Refined Lee滤波对SAR图像进行预处理;其后通过DEM建模和坡度计算提取地形特征,通过计算图像灰度共生矩阵以提取纹理特征（包括均匀性、角二阶矩和熵）,并结合SAR图像极化信息以及SDWI指数形成针对水体提取的特征空间,通过融合地形特征和图像纹理特征发展了改进SVM分类法的水体提取模型。在使用Sentinel-1 SAR数据对所发展模型与SDWI水体指数法、传统SVM法水体提取结果进行比对后发现,改进SVM分类法提取的水体结果较好地剔除了水田和山体阴影,且提取的水体水面比传统的SVM法更加完整;该方法在总体精度、Kappa系数、漏分率和错分率指标上均优于SDWI法和传统的SVM法,总体精度达到98.06%,比SDWI法和传统的SVM法分别提高了23.24%和5.49%,有效提高了复杂环境下地表水体的提取精度。研究最后将所发展模型应用于2018年马哈韦利河流域逐月水...