[发明专利]一种融合图模型及形态模型的SAR图像河道提取方法

说明书

技术领域

本发明涉及一种基于SAR图像的河道提取，尤其涉及一种融合图模型及形态模型的SAR图像河道提取方法。

背景技术

随着各种常规、应急监测的需要，如气象预测、洪水监测等，越来越多高性能的合成孔径雷达(SyntheticApertureRader,SAR)被装载到各种载体上，如卫星和飞机等，为用户提供数据量丰富且质量较高的观测数据，作为各种后期分析的依据。相比较其它类型的成像传感器，SAR成像传感器的技术优势主要在于其能够全天候，全天时的实现对地观测且具备一定的穿透能力。目前，随着SAR成像技术的飞速发展，高分辨率图像的获取及传输业已成为现实。面对如此大数据量的SAR图像数据，单纯依赖人工处理已经变得不现实。目前研究的热点逐渐转向对SAR图像的智能化分析及理解上。其中，从SAR图像中检测和提取河道是其中的一个重要课题，不仅有利于地理信息的获取和更新，而且有利于高洪及洪水期间的应急监测或救援的迅速展开。此外，河道提取对各种军事行动的展开也有重要的意义。

虽然SAR图像具有分辨率高，信息量丰富等优势，但是SAR图像中固有的相干斑噪声成为制约SAR图像处理的普遍问题。而具体到河道提取任务，复杂的背景及河道轮廓的不规则性成为制约提取精度的主要瓶颈。因此，基于SAR图像的河道提取任务所面临的困难主要包括：①图像噪声强②背景复杂③河道轮廓复杂。

河道是水流经的路线，通常指可以航行的水路。其形态通常成条带状分布，具有较为显着的形态特征，如图1所示。同灰度特征相比，河道的形态特征具有更好的分辨性。因此，基于形态识别的河道提取理应获得更优的结果。然而，对河道形态建模所面临的主要问题是虽然河道具有条带状的形态特征，但是其轮廓及边缘形态极其复杂，难以准确建模。该复杂性主要表现在：①河道的边缘并非由直线所构成，人工构筑物以及流水冲刷等形成了河道较为复杂的曲线边缘。②河道的两条边缘并非是完全平行。③河道不同区段的宽度的变化较为明显。上述困难使得目前所常用的一些形态学建模方法，如Hough变换，Snake模型等，无法准确地提取和描述河道的形态特征，更无法实现对河道形态的准确识别。

发明内容

发明目的：针对现有技术中存在的问题与不足，为了提高河道提取的准确性，本发明提出一种融合图模型及形态模型的SAR图像河道提取方法，采用分段建模的方法形式化描述复杂的河道形态特征。将河道形态模型同基于图模型的图像分割方法结合，建立出一种更加适用于河道区域识别的分割规则。在此基础上根据河道区域的形态特征对河道区域进行识别。

技术方案：一种融合图模型及形态模型的SAR图像河道提取方法。首先，采用分段建模的方法形式化描述复杂的河道形态特征；然后，将河道形态模型同基于图模型的图像分割方法结合，建立出一种更加适用于河道区域识别的分割规则；在此基础上，根据河道区域的形态特征对河道区域进行识别。

步骤1：采用灰度直方图均值化的方法对原始图像进行处理。

步骤2：河道轮廓建模。设计一种占空比参数λ(C_i)用于描述紧致包络的程度：

λ(C_i)＝|C_i|/|R_i|(1)

其中|C_i|为所分割出图像区域的像素数，|R_i|为该区域最小外接矩形所包络的像素数，i是为了区分不同的区域。占空比参数λ(C_i)越大说明该矩形窗对区域的包络越紧致，每一区段所对应的最小外接矩形窗能够越准确地描述其所包络河道区域的形态特征。

步骤3：在保证占空比参数大于阈值τ的前提下，整个河道的形态可由最小外接矩形窗的组合而近似模拟。因此，可建立河道轮廓模型：