一种面向对象的光学与SAR遥感影像融合洪水提取方法和系统技术方案

本发明专利技术公开了一种面向对象的光学与SAR遥感影像融合洪水提取方法和系统，提出了利用规则决策树提取光学影像水体图、利用光学水体图辅助OTSU提取SAR影像水体图、以及利用时空滤波对水体图进行去噪的光学与SAR影像融合洪水提取方法，重点解决当前方法中可用遥感影像数量少、洪水图时间分辨率低、SAR影像水体提取精度低、洪水图受噪声影响严重的问题。采用mNDWI和NDVI构建规则决策树实现光学图像水体的高精度提取；采用光学图像辅助的OTSU算法提取SAR图像的水体，解决了传统OTSU算法无法准确定位最优分割阈值的难题，明显提高了SAR图像水体提取的精度；考虑洪水演变特点，构建时空滤波器去除时序水体图中的噪声和奇异值，提高了水体图的精度与可靠性。了水体图的精度与可靠性。了水体图的精度与可靠性。

【技术实现步骤摘要】
一种面向对象的光学与SAR遥感影像融合洪水提取方法和系统


[0001]本专利技术属于遥感影像处理领域，特别是涉及一种面向对象的光学与SAR遥感影像融合洪水提取方法和系统。

技术介绍

[0002]利用遥感卫星观测数据对洪水事件进行动态监测是保护地区气候、安全和环境的重要手段。多光谱遥感数据(如中分辨率成像光谱仪MODIS、陆地卫星Landsat数据、Sentinel
‑
2数据)被广泛用于洪水探测。目前已经开发了许多利用多光谱遥感影像进行洪水检测的方法，包括基于阈值的方法、基于指数的方法、光谱角距离法、基于分类的方法等。水体指数和植被指数，如归一化差水指数(NDWI)、修正NDWI(mNDWI)、归一化差植被指数(NDVI)和增强型植被指数(EVI)被广泛用于多光谱光学图像的水体提取。洪水事件往往伴随着多云、多风和多雨等天气，不利的天气条件阻碍了电磁波在光学波谱范围内的传播，从而阻碍了光学传感器的数据采集。考虑到光学成像在洪水监测中的局限性，可以全天候观测的SAR传感器是一个有力的补充甚至替代手段。基于SAR影像的洪水提取大多是通过设置HH、HV、VV或者VH极化波段的后向散射系数阈值，利用阈值对SAR图像进行分割从而提取出水体。
[0003]现有技术的缺陷和不足：
[0004]1.现有洪水提取方法主要依赖于单传感器影像数据。由于受到卫星重访周期、影像空间分辨率、云污染等因素的影响，单传感器数据对洪水事件的重访频率低、可利用特征单一，无法提供连续准确的洪水发展信息，从而造成可以遥感影像数量不足、专题图时间分辨率低的问题。
[0005]2.现有洪水提取方法大多采用基于像素的分析方法。基于像素的方法以像素为单位进行特征提取与分析，仅仅利用了像素尺度的特征(如光谱特征)，较少考虑像素之间的空间关系，或者对空间关系的利用有限；容易受到噪声影响，特别不利于SAR图像的处理，造成水体图精度较低、地物边缘不规则、与实际边缘贴合不准确且存在大量斑点噪声。
[0006]3.现有洪水提取方法算法复杂度较高、鲁棒性不足、可移植性差。

技术实现思路

[0007]针对现有算法可用影像数量少、专题图时间分辨率低、SAR水体图精度低等问题，本专利技术提供了基于规则决策树光学影像水体提取算法、光学辅助SAR影像OTSU水体提取算法和水体图时空滤波去噪的光学与SAR影像融合洪水提取方法，成功提取了高精度、高时间分辨率的洪水图，有效揭示了洪水演变过程。
[0008]为了达到上述目的，本专利技术提供的技术方案是：一种面向对象的光学与SAR遥感影像融合洪水提取方法，包括如下步骤：
[0009]步骤1，对SAR遥感图像进行预处理、图像分割与特征提取，得到对象级的遥感图像
和用于水体提取的遥感极化后向散射系数特征；对光学图像进行图像分割与特征提取，得到用于水体提取的光学遥感指数特征；
[0010]步骤2，利用遥感指数特征构建规则决策树，从光学图像中提取高精度的水体图；
[0011]步骤3，结合VV极化波段的后向散射系数特征，利用从光学图像提取的水体图辅助SAR图像进行OTSU水体自动提取，获取高精度的水体图；
[0012]步骤4，对光学与SAR影像提取的所有水体图构成的时间序列进行时空滤波，去除水体图中的噪声和奇异值，得到最终的时序水体图；
[0013]步骤5，利用时序水体图进行洪水演变时间动态分析。
[0014]进一步的，步骤1中，所述预处理包括对遥感图像进行辐射校正、大气校正、正射校正，以及交叉校准；图像分割包括：采用SNIC超像素分割算法，对光学与SAR图像分别进行超像素分割；特征提取包括：从光学影像上分别提取修正归一化差值水体指数mNDWI、归一化差植被指数NDVI作为特征，用于构建规则决策树提取光学影像上的水体，从SAR图像上选取VV极化波段的后向散射系数作为特征，用于OTSU阈值法提取SAR图像上的水体。
[0015]进一步的，步骤2的具体实现方式如下；
[0016](21)采用式(1)和(2)分别计算光学图像上每个图像单元的mNDWI和NDVI指数，得到两种指数图像；
[0017][0018][0019]其中，ρ
Green
、ρ
SWIR
、ρ
NIR
、ρ
Red
分别代表光学影像上绿波段、短驳红外波段、近红外波段和红波段的地表反射率；
[0020](22)采用决策准则mNDWI>NDVI提取水体单元；
[0021][0022](23)采用决策准则mNDWI>0去除上一步结果中的非水体单元；
[0023](24)采用式(4)进行图像二值化处理得到水体地图；
[0024][0025]其中，G(i)代表遥感影像上图像单元i处的元素值。
[0026]进一步的，步骤3的具体实现方式如下；
[0027](31)计算初始分割阈值；计算SAR图像VV极化波段的灰度直方图，采用OTSU算法自动确定最优分割阈值，把这一阈值定义为初始分割阈值，用变量T0表示；
[0028](32)设置阈值搜索区间；在灰度直方图上选取初始分割阈值T0左、右长度为ε的BC值域范围[T0‑
ε,T0+ε]，将其设置为搜索区间；
[0029](33)依次取阈值提取SAR图像的水体；以设定的步长在搜索区间内依次取值T(j)，以T(j)为分割阈值按照式(5)提取SAR图像的水体，采用式(4)二值化得到水体图像，并统计水体图像中水体单元的个数；
[0030][0031]其中i表示SAR图像的基本处理单元，G(i)表示遥感影像上图像单元的元素值；公式的含义是将后向散射系数值小于阈值的图像单元划分为水体，否则划分为非水体；
[0032](34)循环步骤(33)，直到遍历完整个搜索区间；
[0033](35)光学图像辅助确定最优分割阈值；计算SAR水体结果图中水体单元个数与同期光学遥感图像提取的水体图像中水体单元个数的差值，取差值最小的T(j)为SAR图像水体提取的最优阈值T；
[0034](36)生成最终水体图；利用最优阈值T提取SAR图像上的水体，通过形态滤波去除散斑噪声因素引起的伪水像元，并按式(4)进行二值化处理，得到最终水体图。
[0035]进一步的，步骤4的具体实现方式如下；
[0036](41)利用生成的时序水体图像构建三维数据立方体；时序水体图像构成的数据立方体用一个三维矩阵来表示，其中，任一点i可以用一组三维坐标i(x,y,t)来表示，x、y代表像素的二维空间坐标，t代表最小图像单元的时间维坐标，即其所在的水体图像的时间序号；i处的元素值G(i)为1表示水体单元，为0表示非水体单元；
[0037](42)设置空间邻域与时间邻域；以图像元素i为中心点，取周围3
×
3大小的窗口作为空间邻域，前后长度为3的窗口作为时间邻域，空间邻域和时间邻域共同构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向对象的光学与SAR遥感影像融合洪水提取方法，其特征在于，包括如下步骤：步骤1，对SAR遥感图像进行预处理、图像分割与特征提取，得到对象级的遥感图像和用于水体提取的遥感极化后向散射系数特征；对光学图像进行预处理、图像分割与特征提取，得到用于水体提取的遥感指数特征；步骤2，利用遥感指数特征构建规则决策树，从光学图像中提取高精度的水体图；步骤3，结合VV极化波段的后向散射系数特征，利用从光学图像提取的水体图辅助SAR图像进行OTSU水体自动提取，获取高精度的水体图；步骤4，对光学与SAR影像提取的所有水体图构成的时间序列进行时空滤波，去除水体图中的噪声和奇异值，得到最终的时序水体图；步骤5，利用时序水体图进行洪水演变时间动态分析。2.如权利要求1所述的一种面向对象的光学与SAR遥感影像融合洪水提取方法，其特征在于：步骤1中，所述预处理包括对遥感图像进行辐射校正、大气校正、正射校正，以及交叉校准；图像分割包括：采用SNIC超像素分割算法，对光学与SAR图像分别进行超像素分割；特征提取包括：从光学影像上分别提取修正归一化差值水体指数mNDWI、归一化差植被指数NDVI作为特征，用于构建规则决策树提取光学影像上的水体，从SAR图像上选取VV极化波段的后向散射系数作为特征，用于OTSU阈值法提取SAR图像上的水体。3.如权利要求1所述的一种面向对象的光学与SAR遥感影像融合洪水提取方法，其特征在于：步骤2的具体实现方式如下；(21)采用式(1)和(2)分别计算光学图像上每个图像单元的mNDWI和NDVI指数，得到两种指数图像；种指数图像；其中，ρ
Green
、ρ
SWIR
、ρ
NIR
、ρ
Red
分别代表光学影像上绿波段、短驳红外波段、近红外波段和红波段的地表反射率；(22)采用决策准则mNDWI>NDVI提取水体单元；(23)采用决策准则mNDWI>0去除上一步结果中的非水体单元；(24)采用式(4)进行图像二值化处理得到水体地图；其中，G(i)代表遥感影像上图像单元i处的元素值。4.如权利要求3所述的一种面向对象的光学与SAR遥感影像融合洪水提取方法，其特征在于：步骤3的具体实现方式如下；(31)计算初始分割阈值；计算SAR图像VV极化波段的灰度直方图，采用OTSU算法自动确
定最优分割阈值，把这一阈值定义为初始分割阈值，用变量T0表示；(32)设置阈值搜索区间；在灰度直方图上选取初始分割阈值T0左、右长度为ε的BC值域范围[T0‑
ε,T0+ε]，将其设置为搜索区间；(33)依次取阈值提取SAR图像的水体；以设定的步长在搜索区间内依次取值T(j)，以T(j)为分割阈值按照式(5)提取SAR图像的水体，采用式(4)二值化得到水体图像，并统计水体图像中水体单元的个数；其中i表示SAR图像的基本处理单元，G(i)表示遥感影像上图像单元的元素值；公式的含义是将后向散射系数值小于阈值的图像单元划分为水体，否则划分为非水体；(34)循环步骤(33)，直到遍历完整个搜索区间；(35)光学图像辅助确定最优分割阈值；计算SAR水体结果图中水体单元个数与同期光学遥感图像提取的水体图像中水体单元个数的差值，取差值最小的T(j)为SAR图像水体提取的最优阈值T；(36)生成最终水体图；利用最优阈值T提取SAR图像上的水体，通过形态滤波去除散斑噪声因素引起的伪水像元，并按式(4)进行二值化处理，得到最终水体图。5.如权利要求1所述的一种面向对象的光学与SAR遥感影像融合洪水提取方法，其特征在于：步骤4的具体实现方式如下；(41)利用生成的时序水体图像构建三维数据立方体；时序水体图像构成的数据立方体用一个三维矩阵来表示，其中，任一点i可以用一组三维坐标i(x,y,t)来表示，x、y代表像素的二维空间坐标，t代表最小图像单元的时间维坐标，即其所在的水体图像的时间序号；i处的元素值G(i)为1表示水体单元，为0表示非水体单元；(42)设置空间邻域与时间邻域；以图像元素i为中心点，取周围3
×
3大小的窗口作为空间邻域，前后长度为3的窗口作为时间邻域，空间邻域和时间邻域共同构成中心元素点i的单元立方体，作为时空滤波的最小处理单元，单元立方体内总共包含3
×3×
3＝27个元素，中心元素i(x,y,t)的邻域表示为...

【专利技术属性】
技术研发人员：王丽美，姜永涛，丁磊香，张彩丽，高松峰，鹿坤，杨蕴，陈联君，周雨石，潘尚涛，
申请(专利权)人：河南城建学院，
类型：发明
国别省市：