为解决水体和阴影区域的提取和区分方面的问题，本发明专利技术提出了一种InSAR水体和阴影区域自动提取和识别的方法。1）检测出斜距DEM中的待选粗差点；2）根据待选粗差点位置利用SAR斜距幅度图和相干图对其进行筛选，求取筛选之后粗差点在SAR斜距幅度图上的灰度均值和标准差；3）根据粗差点的均值和标准差设立阈值，在SAR斜距幅度图中进行区域生长，从而提取出水体和阴影的模板，然后运用形态学处理和连通区域统计去除极小的区域；4）将模板覆盖在斜距DEM中，分别得到每个区域边缘信息，沿距离向计算区域每一对对应前后点的高程差h和斜距距离l，以及两者的比：h/l；5）根据比值和雷达俯角β的关系对水体和阴影进行判断，识别出两者。
【技术实现步骤摘要】
本专利技术属于InSAR数据处理领域，涉及。
技术介绍
合成孔径雷达干涉测量(InterferometricSynthetic Aperture Radar, InSAR)综合合成孔径雷达成像原理和干涉测量技术，能够生成高精度的数字高程模型(Digitalelevation model, DEM)。然而，由于SAR侧视成像的特点,水体表面近似为镜面,微波几乎没有后向散射；在地形的背坡，当坡度过大的时候会出现阴影，完全接收不到地物信息。因此，水体和阴影不仅在SAR图像中呈现出暗色调，而且在相干系数图中也表现为低相干区域。在最终生成的DEM中两者都表现为杂乱无章的毛刺状区域，严重影响DEM数据的使用，必须对其进行处理。由于水体和阴影区域具有不同的地形特点，所以首先要对两者进行区分。现存的水体提取方法常用的阈值法会产生“椒盐现象”，而区域生长法(包括块搜索算法)难点在于确定种子点和阈值；单纯利用相干图进行分割，由于相干系数难以准确估计，导致其提取的水体和阴影模板难以定位边缘。在SAR图像上区分水体和阴影，常常借助外部DEM，不仅配准比较难，而且对DEM的要求非常高，通常情况下难以满足，尤其是小面积的水体和阴影存在的情况，区分效果不好；而借助InSAR DEM的方法，首先要求对InSAR DEM进行水体和阴影的内插修复再形成坡度图判断(X.M.Yang and Z.Andy, Rapid extraction of water bodies from SAR imageryassisted by InSAR DEMs, Proceedings of SPIE, 3503，73 78，1998.),这种内插方法对大区域的阴影修复效果非常差，而且还加入了人工识别的操作，这使得处理效率不高。
技术实现思路
为解决上述水体和阴影区域的提取和区分方面的问题，本专利技术提供了。本专利技术提出的InSAR水体和阴影区域自动提取和识别的方法，包括以下步骤:I)检测出斜距DEM中的待选粗差点；2)根据待选粗差点位置利用SAR斜距幅度图和相干图对其进行筛选，求取筛选之后粗差点在SAR斜距幅度图上的灰度均值和标准差；3)根据粗差点的均值和标准差设立阈值，在SAR斜距幅度图中进行区域生长，从而提取出水体和阴影的模板，然后运用形态学处理和连通区域统计去除极小的区域；4)将模板覆盖在斜距DEM中，分别得到每个区域边缘信息，沿距离向计算区域每一对对应前后点的高程差h和斜距距离1，以及两者的比:h/l ；5)根据比值和雷达俯角β的关系对水体和阴影进行判断，识别出两者。步骤2)中筛选粗差点采用以下方法:①在幅度图中，计算以粗差点为中心的3X3模板下的灰度均值，若其大于图像灰度均值则剔除；②在相干系数图中，相干系数值大于阈值的粗差点予以剔除，机载InSAR相干系数高，一般取阈值为0.9 ；③计算每个粗差点NXN邻域内是否还有粗差点，如果没有则剔除此点，取N=3。本专利技术的有益效果:本专利技术利用InSAR的原始DEM、相干系数图和SAR幅度图选取种子点和阈值，实现水体阴影的自动提取；水体和阴影的识别方法不仅避免了人工的参与，而且相比外部数据的引入，其在小面积水体和阴影的区分方面具有很高的识别能力。附图说明图1为本专利技术实施InSAR水体和阴影区域自动提取和识别的方法流程图。图2为SAR阴影和水体的成像几何关系图；图3为SAR幅度图；图4为图3对应的相干系数图；图5为图3对应的DEM ；图6为图3右上角区域的水体和阴影区域DEM三维图；图7为基于坡度的粗差点检测获取的粗差点模板；图8为经过优化之后的粗差点模板；图9为利用图8的粗差点在图3上区域生长并形态学处理之后得到的水体和阴影模板；图10为图9中判断为水体的模板；图11为图9中判断为阴影的模板；图12为图9中判断为混合区域的模板；具体实施例方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。根据InSAR水体和阴影区域自动提取和识别的方法流程图(图1)，本专利技术的具体操作如下:(一)粗差点检测。水体和阴影在InSAR生成的DEM中表现为跳变明显的毛刺状区域，与正常的连续地形对比鲜明，可视为DEM中的粗差点区域。采用现有技术中基于坡度的粗差点检测算法计算每一点分别在行和列方向坡度变化差值的和，然后由所有点得到均方根误差值(RMSE)，并以RMSE的倍数K1为阈值进行判断，若两个方向上的坡度变化差值的和都大于阈值，则判断为待选粗差点。其中K1的选择，在RMSE值小的时候，取大值，在RMSE值比较大的时候，取小值，K1取值一般在3左右。在某些情况下为了防止大的RMSE值抬高阈值，可取一个小水体的RMSE值作为阈值。(二)粗差点优化。对于上一步得到的待选粗差点，有可能会有极少数分布在水体和阴影区域以外，由于水体和阴影区域灰度值和相干系数都很低，而且其粗差点成片存在。所以可以根据这三点剔除水体阴影区域之外的粗差点，子步骤如下:①在幅度图中，计算以粗差点为中心的3X3模板下的灰度均值，若其大于图像灰度均值则剔除；②在相干系数图中，相干系数值大于阈值1(2的粗差点予以剔除，机载InSAR在正常区域的相干系数一般大于0.9，所以可取K2 = 0.9。③计算每个粗差点NXN邻域内是否还有粗差点，如果没有则剔除此点。实验中取N=3。(三)以粗差点为种子点区域生长并形态学处理。将优化之后的粗差点在幅度图中求均值μ和标准差σ ;然后以粗差点为种子点，以K3 = μ +2 σ为阈值在幅度图中进行区域生长，小于阈值的判断为水体和阴影区域。在SAR幅度图中，水体阴影区域和正常区域不是严格界定的，有一个很窄的过渡区域。经过区域生长，得到的水体和阴影模板在边缘可能还会有少许的小空格。所以采用形态学闭运算，并进行连通区域统计，小于一定像素的可以去掉。闭运算的结构元素选用，尽可能避免破坏边缘。可根据实际需要选择。(四)获取区域边缘高程。将得到的水体和阴影区域模板，覆盖在DEM上，求取每个区域的边缘高程。为防止边缘点落入实际的水体和阴影区域，寻找每个边缘点的八邻域，选取不在水体阴影区域内的点的中值替代这个边缘点高程值。(五)根据距离向点对关系识别水体和阴影。图2显示了水体和阴影的SAR成像几何关系图，阴影前后点的直线距离I (即斜距图中的像素点前后距离)，h是阴影前后点的高程差值，β是雷达的俯角，前两者可以在DEM图像中求得，雷达俯角可以从雷达参数中得知。其满足关系:h/1 = SinP(I) 而对于水体,则满足:h/Ι = O(2)上述两个方程式为理想情况，实际上由于受数据处理过程中各种因素的影响，t匕如系统本身的误差、相位滤波和解缠带来的误差、水体和阴影区域模板提取的些许偏离等，都会造成区域边缘达不到理想情况，所以这里采用修正方案。子步骤如下:①沿距离向搜索，找出区域在距离向分布的前后点(如图2中的A、B两点)，求出I和h以及其比值，当满足:`!T1 = h/1 < K4*sin β(3)就判断水体点对，否则判断为阴影点对。其中，对于小面积水体和阴影取小一点，可设置为0.5甚至更小。为了进一步减少误差带来的影响，可选只对斜距差I大于一定距离的点对才进行判断。②统计区域所有的点对本文档来自技高网...
【技术保护点】
InSAR水体和阴影区域自动提取和识别的方法，其特征在于，包括以下步骤：1）检测出斜距DEM中的待选粗差点；2）根据待选粗差点位置利用SAR斜距幅度图和相干图对其进行筛选，求取筛选之后粗差点在SAR斜距幅度图上的灰度均值和标准差；3）根据粗差点的均值和标准差设立阈值，在SAR斜距幅度图中进行区域生长，从而提取出水体和阴影的模板，然后运用形态学处理和连通区域统计去除极小的区域；4）将模板覆盖在斜距DEM中，分别得到每个区域边缘信息，沿距离向计算区域每一对对应前后点的高程差h和斜距距离l，以及两者的比：h/l；5）根据比值和雷达俯角β的关系对水体和阴影进行判断，识别出两者。
【技术特征摘要】
【专利技术属性】
技术研发人员：罗华，雷斌，胡东辉，付琨，丁赤飚，
申请(专利权)人：中国科学院电子学研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。