一種基于全極化sar圖像的快速滑坡提取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，更為具體地講，設(shè)及一種基于全極化SAR圖像滑 坡災(zāi)害信息提取方法。
【背景技術(shù)】
[0002] 滑坡是發(fā)生最頻繁且危害較大的眾多地質(zhì)災(zāi)害之一。因此，對(duì)滑坡進(jìn)行研究是必 要且有意義的一項(xiàng)工作?；滦纬傻挠绊懸蛩胤浅?fù)雜，包括地形、地層巖性、地質(zhì)構(gòu)造、水 文地質(zhì)條件和植被等。大多數(shù)滑坡的發(fā)生常常伴隨著地震和暴雨，因此光學(xué)衛(wèi)星往往很難 獲得新發(fā)生滑坡的圖像；另外，進(jìn)入滑坡發(fā)生區(qū)域進(jìn)行實(shí)地勘測(cè)也不現(xiàn)實(shí)。與光學(xué)傳感器不 同的是，合成孔徑雷達(dá)（Synthetic Aperture Radar)是一種主動(dòng)式微波傳感器，通過發(fā)射 和接收特定的電磁波來獲取地表的散射信息。SAR不僅能全天時(shí)全天候的進(jìn)行監(jiān)測(cè)，同時(shí) 擁有能穿透部分植被和遮蓋物的能力。因此在惡劣的氣候條件下，比起傳統(tǒng)的光學(xué)傳感器 SAR有著尤其重要的意義。另外，SAR不僅可用于農(nóng)作物生長(zhǎng)監(jiān)測(cè)與產(chǎn)量預(yù)估、森林植被覆 蓋面積監(jiān)控、海冰融化檢測(cè)、地形沉降、災(zāi)害控制等方面，同時(shí)也可用于道路、機(jī)場(chǎng)、橋梁、車 輛等目標(biāo)識(shí)別，因此在民用和軍事偵察方面SAR都具有特殊的優(yōu)越性。
[0003] 然而，與光學(xué)傳感器不同，SAR屬于相干微波成像系統(tǒng)，其數(shù)據(jù)反映的是成像區(qū)域 的地物與入射電磁波的相互作用，每個(gè)像素記錄的是它所覆蓋的地面區(qū)域的總回波強(qiáng)度。 對(duì)于目前的SAR系統(tǒng)而言，其分辨單元的尺寸一般都大于其分辨單元內(nèi)的散射體。由于分 辨單元內(nèi)多個(gè)散射體的隨機(jī)分布，它們?cè)诜直鎲卧獌?nèi)相干疊加，使得SAR圖像呈現(xiàn)顆粒狀 的隨機(jī)分布特性，導(dǎo)致總回波強(qiáng)度與子回波平均強(qiáng)度之間存在隨機(jī)偏差，從而使SAR圖像 呈現(xiàn)出相干斑現(xiàn)象。相干斑噪聲的存在降低了圖像的分辨率，對(duì)圖像分割分類和目標(biāo)識(shí)別 都造成了很大的困難。另外，SAR系統(tǒng)采用的是側(cè)視技術(shù)。對(duì)于山區(qū)地區(qū)，根據(jù)SAR天線的入 射角的不同，會(huì)造成不同程度的陰影、疊掩和收縮現(xiàn)象，從而導(dǎo)致滑坡的識(shí)別與提取比一般 的目標(biāo)識(shí)別更困難?，F(xiàn)階段國(guó)內(nèi)外對(duì)于基于SAR圖像提取滑坡信息的方法還有許多不足， 已有研究主要集中于滑坡預(yù)測(cè)及災(zāi)害信息提取，如何利用SAR圖像快速提取大面積滑坡信 息是需要解決的難題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于全極化SAR圖像的大規(guī)模 快速滑坡信息提取方法，W實(shí)現(xiàn)突發(fā)性大面積滑坡的提取。
[0005] 為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明基于全極化SAR圖像的快速滑坡信息提取方法，其 特征在于，步驟包括W下：
[0006] (1)、獲取全極化原始SAR圖像
[0007] 在同一監(jiān)測(cè)點(diǎn)，分別獲取滑坡災(zāi)害發(fā)生前、后兩幅全極化原始SAR圖像；
[000引 （2)、對(duì)原始SAR圖像進(jìn)行預(yù)處理
[0009] 對(duì)兩幅原始SAR圖像分別進(jìn)行福射校正、濾波、幾何校正和配準(zhǔn)，得到兩幅基準(zhǔn) SAR圖像；
[0010] (3)、對(duì)基準(zhǔn)SAR圖像進(jìn)行特征提取
[0011] 利用化eeman分解和Cloude分解相結(jié)合，對(duì)兩幅基準(zhǔn)SAR圖像分別進(jìn)行特征提 取，再對(duì)基準(zhǔn)SAR圖像中的地物進(jìn)行初始化分類，得到兩幅初始化分類圖；
[0012](4)、對(duì)初始化分類圖中相似特征區(qū)域進(jìn)行合并
[0013] 結(jié)合步驟（3)的特征提取，利用Wishart聚類算法分別將兩幅初始化分類圖中相 似特征區(qū)域進(jìn)行合并，得到兩幅最終分類圖；
[0014] 巧）、根據(jù)滑坡形成前后的區(qū)域特征，利用變化檢測(cè)算法對(duì)兩幅最終分類圖進(jìn)行變 換檢測(cè)處理，生成疑似滑坡區(qū)域圖；
[0015] 化）、輸出滑坡分布圖
[0016] 設(shè)置處理窗口，再利用該處理窗口對(duì)疑似滑坡區(qū)域圖進(jìn)行形態(tài)學(xué)處理，確定出滑 坡信息分布圖。
[0017] 其中，所述的步驟（3)中，對(duì)基準(zhǔn)SAR圖像進(jìn)行特征提取的方法為：
[001引 （3. 1)、利用化eeman分解算法提取地物的散射機(jī)理
[0019] (3. 1. 1)、利用公式（1)求出體散射、表面散射和偶次散射的散射機(jī)理權(quán)重，并分 別標(biāo)記為fv，fs，fd:
[0025] 其中，Si^、SYY、ShY為散射矩陣元素，*表示共輛轉(zhuǎn)置，a，P為表面散射和偶次散射 權(quán)重；
[0026] (3. 1. 2)、結(jié)合散射機(jī)理權(quán)重，利用公式（2)計(jì)算出表面散射功率P,、偶次散射功率 Pd和體散射功率PY;
[0027] Ps=fs(l+|e|2)
[002引 Pd=fd(l+| 曰 |2)似
[0029] Pv= 8fv/3
[0030] (3. 1. 3)、取表面散射功率P,、偶次散射功率Pd和體散射功率PY的最大值，并作為 地物的散射機(jī)理：
[0031] Pd〇m=max[P曰，Pd'Pv]做
[0032](3. 2)、利用Cloude分解算法提取地物散射滴
[003引設(shè)散射矩陣的向量形式為V= [Si*+S"，Si*-S"，2SJ% *表示向量的共輛轉(zhuǎn)置，貝U相干矩陣T為：
[0034] T = VXV* (4)
[0035] 對(duì)T進(jìn)行特征值分解，得到特征值入：
[0042] (3. 3)、對(duì)地物進(jìn)行初始化分類
[0043] 結(jié)合步驟化1)中地物的散射機(jī)理，W及步驟化。中地物的散射滴，將地物劃分 為九個(gè)類別，即；
[0044]類別1;低滴-表面散射；(Pd，Pv)，0《H<0. 5;
[0045] 類別 2 ;中滴-表面散射；(Pd，Pv)，0. 5《H< 0. 9 ;
[0046] 類別3;高滴-表面散射；(Pd，Pv)，0. 9《H《1;
[0047] 類別 4 ;低滴-偶次散射；Pd>(Ps，Pv)，0《H< 0.5 ;
[0048] 類別 5 ;中滴-偶次散射；Pd>(Ps，Pv)，0. 5《H<0. 9;
[0049] 類別6 ;高滴-偶次散射；Pd>(Ps，Pv)，0.9《H《1 ;
[0050] 類別 7 ;低滴-體散射；Pv>(Ps，Pd)，0《H< 0. 5 ;
[0051] 類別 8 ;中滴-體散射；Pv>(Ps，Pd)，0. 5《H< 0. 9 ;
[005引類別9;高滴-體散射；Pv>(Ps，Pd)，0. 9《H《1。
[0053] 所述的步驟（4)中，對(duì)基準(zhǔn)SAR圖像中相似特征區(qū)域進(jìn)行合并方法為：
[0化4]設(shè)<T>為視數(shù)為n的極化相干矩陣，<〉表示對(duì)相干矩陣T進(jìn)行n視處理；則<T〉 服從復(fù)Wishart分布；
[0 化 5]
[0056] 其中，M表示相干矩陣T的統(tǒng)計(jì)均值，r表示gamma函數(shù)，Tr表示相干矩陣T的 跡，q表示相干矩陣T的階數(shù)；
[0057] 先根據(jù)最大似然估計(jì)得到第m類的類中屯、Mm;
[005引
[0化9] 其中，Nm是屬于第m，m= 1，2，…，9類的像素?cái)?shù)，
[0060] 再采用最大似然準(zhǔn)則對(duì)初始化分類進(jìn)行聚類，并通過公式（8)得到每個(gè)像素的相 干矩陣T與屬于第m類像素的相干矩陣類中屯、Mm的最大化似然距離d (T，M m)，其表達(dá)式為：
[0061]
[0062] 在聚類迭代過程中，Mm表示最新一次迭代中屬于第m類的所有像素的相干矩陣的 平均值，即類中屯、；
[0063] 設(shè)迭代過程中所有類均滿足均勻分布，則得到某一像素屬于某一類的判斷準(zhǔn)則：
[0064]L(<T〉|Mi) > L(<T〉|Mj')，j = 1，2，…，m，j 聲 i (11)
[0065]選出每個(gè)像素離聚類中屯、Mm的最小距離d(T，Mm)，再將該像素歸入對(duì)應(yīng)的類別中， 完成相似特征區(qū)域的合并。
[0066] 所述的步驟巧）中，生成疑似滑坡區(qū)域圖的方法為：
[0067] 設(shè)任意像素點(diǎn)P G Ii，qG 12, Ii和12分別為滑坡前、后兩幅最終分類圖；根據(jù)滑坡 形成前后的區(qū)域特征，對(duì)兩幅最終分類圖進(jìn)行變換檢測(cè)處理，得到疑似滑坡區(qū)域圖；其中， 在變換檢測(cè)過程中，最終分類圖中的像素點(diǎn)是否為滑坡點(diǎn)的判斷規(guī)則：
[0068] (5. 1)、如果像素點(diǎn)P不屬于類別8,則判斷所對(duì)應(yīng)的區(qū)域?yàn)榉腔曼c(diǎn)；
[0069] 巧.2)、如果像素點(diǎn)P屬于類別8,其對(duì)應(yīng)的像素點(diǎn)q不屬于類別2,則判斷所對(duì)應(yīng) 的區(qū)域?yàn)榉腔曼c(diǎn)；
[0070] 巧.3)、如果像素點(diǎn)P屬于類別8,其對(duì)應(yīng)的像素點(diǎn)q同時(shí)屬于類別2,則判斷所對(duì) 應(yīng)的區(qū)域?yàn)榛曼c(diǎn)。所述的步驟化）中的具體方法為：
[0071] 設(shè)置處理窗口 W，疑似滑坡區(qū)域圖為I ;利用設(shè)置的處理窗口對(duì)疑似滑坡區(qū)域圖I 依次采用開操作、閉操作，去除疑似滑坡區(qū)域圖I中由噪聲引起或區(qū)域過小的疑似滑坡點(diǎn)， 從而輸出滑坡分布圖；
[0072] 其中，開操作流程為；使用處理窗口 W對(duì)疑似滑坡區(qū)域圖I先進(jìn)行腐蝕，再使用處 理窗口 W對(duì)疑似滑坡區(qū)域圖I進(jìn)行膨