[发明专利]一种洪涝淹没区提取方法及系统

说明书

本发明涉及遥感图像处理技术领域，解决了传统淹没区提取方法精度不足的技术问题，尤其涉及一种洪涝淹没区提取方法及系统，该提取方法包括以下步骤：S1、获取某一区域在洪涝灾害发生前期和后期的SAR影像数据；S2、对SAR影像数据预处理并计算得到后向散射系数，预处理包括对SAR影像数据几何校正、滤波处理和辐射定标；S3、计算SAR影像数据的灰度共生矩阵，并提取与其相对应的SAR纹理特征。本发明通过利用不同数据源的互补信息，并将纹理特征和DEM数据与K‑means聚类算法结合起来，能够有效解决传统淹没区提取方法精度不足的缺点，从而改善洪涝淹没区提取的准确性和鲁棒性。

技术领域

本发明涉及遥感图像处理技术领域，尤其涉及一种洪涝淹没区提取方法及系统。

背景技术

台风洪涝监测的前提条件就是洪涝发生时对受灾地区水体的识别，及时有效的获取洪水范围有利于对洪涝灾情进行分析，微波遥感是一种可靠的替代勘测技术，可以在任何天气条件下全天工作，并能够在台风洪水期间提供重要的地表信息。阈值法是最常见的水体提取算法，它是根据在SAR影像中设定一个后向散射系数阈值来区分水体与非水体，因为水体的后向散射系数远低于SAR影像中其他物体。

然而，阈值的设定容易受到人主观性的影响，并且可能随时间和空间的变化而变化。目前的自动阈值分割方法包括OTSU方法和熵阈值方法。几乎所有的阈值方法都是根据SAR影像中的双峰直方图来寻找最佳阈值；当影像中的水体比例最小时，直方图不能显示双峰形状，这表明水体特征将受到背景的极大影响，最终导致不满意的水体提取结果。

现有的台风洪涝淹没区提取方法存在诸多的不足，传统的遥感洪涝灾害监测方法大都基于阈值分割、波段运算等方法提取遥感影像中灾害损失信息，但是这些简单的算法不能满足高精度的灾害损失识别从而应用在洪涝监测上，此外，阈值的科学设定、异物同谱和同物异谱等问题限制了传统方法的有效应用。

发明内容

针对现有技术的不足，本发明提供了一种洪涝淹没区提取方法及系统，通过利用不同数据源的互补信息，并将纹理特征和DEM数据与K-means聚类算法结合起来，有效解决了传统淹没区提取方法精度不足的缺点。

为解决上述技术问题，本发明提供了如下技术方案：一种洪涝淹没区提取方法，该方法包括以下步骤：

S1、获取某一区域在洪涝灾害发生前期和后期的SAR影像数据；

S2、对SAR影像数据预处理并计算得到后向散射系数，预处理包括对SAR影像数据几何校正、滤波处理和辐射定标；

S3、计算SAR影像数据的灰度共生矩阵，并提取与其相对应的SAR纹理特征，SAR纹理特征包括熵en、均匀性hom、角二阶矩ASM和差异性dis；

S4、获取包含山体信息的DEM数据；

S5、采用K-means聚类算法根据后向散射系数、SAR纹理特征和DEM数据进行水陆分割生成水陆分割结果；

S6、通过形态学运算处理对水陆分割结果进行优化，得到洪涝灾害发生前期和后期SAR影像数据的水体提取结果；

S7、采用变化检测法对洪涝灾害发生前期和后期的水体提取结果进行变化检测，获得洪涝灾害淹没区。

进一步地，在步骤S2中，几何校正通过多项式系数RPC进行校正，其表达式为：

；

上式中，和是SAR影像数据中像点的坐标（x,y）和地面物点坐标（X,Y,Z）在经过平移和缩放等一系列操作处理后获得的标准化坐标值，为对像点标准化后获得的该像点的行、列号，表示选取的不同多项式。

进一步地，在步骤S2中，SAR影像中相干斑噪声通过Lee滤波去除，滤波公式为：

；

上式中，是待求滤波后的图像的像素值，为SAR影像数据中原图像的像素值，u为窗口的均值，w可通过窗口以及整幅图像标准差系数计算得到。

进一步地，在步骤S2中，辐射定标可通过如下公式完成：