基于主動輪廓的sar影像災(zāi)后水體信息提取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種水體信息提取方法，尤其是涉及一種基于主動輪廓的SAR影像災(zāi) 后水體彳目息提取方法。
【背景技術(shù)】
[0002] 遙感作為一種重要的數(shù)據(jù)獲取手段，可以為洪災(zāi)救援、災(zāi)后重建提供多方面的信 息，與光學(xué)傳感器相比，SAR傳感器能夠全天時、全天候工作，并且能夠穿透烏云。如何對 SAR影像進(jìn)行洪災(zāi)后水體信息進(jìn)行精確提取成為當(dāng)下需要解決的問題，現(xiàn)有技術(shù)中采用傳 統(tǒng)的SAR影像閾值分割法進(jìn)行提取，其存在提取精度差、計算量大等問題。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于主動輪廓 的SAR影像災(zāi)后水體信息提取方法，同時考慮了水體的低散射特點(diǎn)，以及水體分布均勻，且 具有連通性的特點(diǎn)，并考慮了SAR影像中陰影疊影現(xiàn)象，提取精度和效率明顯提高。
[0004] 本發(fā)明的目的可以通過以下技術(shù)方案來實(shí)現(xiàn)：
[0005] -種基于主動輪廓的SAR影像災(zāi)后水體信息提取方法，其特征在于，包括以下步 驟：
[0006] 1)利用二維Otsu閾值分割法提取出SAR影像中的全部潛在水體；
[0007] 2)基于區(qū)域的主動輪廓圖像分割；
[0008] 3)建立全局高度閾值圖。
[0009] 所述的利用二維Otsu閾值分割法提取出SAR影像中的全部潛在水體具體為：
[0010] 設(shè)所要進(jìn)行分析的圖像f(x，y)的灰度級為L，構(gòu)建該圖像的鄰域平滑圖像，該鄰 域平滑圖像的灰度級也為L，通過這兩幅圖像的灰度值的向量（i，j)來表示圖像中的每一 個像素，其中i表示該圖像的像素灰度值，j表示鄰域平滑圖像的像素灰度值；
[0011] 設(shè)在二維直方圖中存在兩類C。和Ci，C。表示目標(biāo)，C:表示背景，則目標(biāo)和背景的出 現(xiàn)的概率分別為：
[0013] 其中《。和wi分別表示目標(biāo)和背景的出現(xiàn)的概率，其中w。和wi分別表示目標(biāo)和背
[0014] 目標(biāo)和背景對應(yīng)的均值矢量為：
[0019] 圖像中目標(biāo)與背景的離散度矩陣為：
[0020]Sb(s，t) =w。(U0-U) T (U0-U)+W1(U1-U) T (U1-U)
[0021] 使用離散度矩陣的跡作為劃分圖像背景和目標(biāo)的距離測度函數(shù)：
[0023] 其中可；:和、表示目標(biāo)對應(yīng)的均值矢量，〇1^和^表示背景對應(yīng)的均值矢量當(dāng) tr(SB)取最大時對應(yīng)的（s，t)就是進(jìn)行圖像分割的最優(yōu)閾值。
[0024] 所述的基于區(qū)域的主動輪廓圖像分割具體為：采用基于區(qū)域的主動輪廓模型，即 CV輪廓模型，對水體目標(biāo)進(jìn)行精確提取。
[0025] 在所述的CV輪廓模型加入曲線長度項(xiàng)和曲線面積項(xiàng)作為正則項(xiàng)，使曲線保持光 滑。
[0026] 所述的建立全局高度閾值圖具體為：
[0027] 從主動輪廓提取結(jié)果中選擇10-20個水平面點(diǎn)，在DEM模型圖上，找到這些點(diǎn)對應(yīng) 的DEM高程，利用Kriging插值，得到全局高度閾值圖。
[0028] 與現(xiàn)有技術(shù)相比，本發(fā)明將傳統(tǒng)的SAR影像閾值分割法和主動輪法結(jié)合，解決了 單一方法進(jìn)行水體提取的局限性，既達(dá)到了精確提取水體，又保證主動輪廓計算量減少，提 高了提取速度。
【附圖說明】
[0029] 圖1為本發(fā)明的流程圖；
[0030] 圖2為實(shí)施例中的SAR影像數(shù)據(jù)覆蓋范圍示意圖；
[0031] 圖3為SAR影像二維Otsu分割結(jié)果示意圖；
[0032] 圖4為CV輪廓模型初始輪廓、目標(biāo)輪廓和提取結(jié)果示意圖，其中（a)為SAR影像， (b)為初始輪廓圖，（c)為目標(biāo)輪廓圖，（d)為主動輪廓分割結(jié)果圖。
[0033] 圖5為CV輪廓模型提取結(jié)果示意圖；
[0034] 圖6為建立的全局高度閾值圖。
【具體實(shí)施方式】
[0035] 下面結(jié)合附圖和具體實(shí)施例對本發(fā)明進(jìn)行詳細(xì)說明。
[0036] 實(shí)施例
[0037] 本發(fā)明一個對SAR影像進(jìn)行洪災(zāi)后水體提取方法，同時考慮了水體的低散射特 點(diǎn)，以及水體分布均勻，且具有連通性的特點(diǎn)，并考慮了SAR影像中陰影疊影現(xiàn)象，提取精 度和效率明顯提高。
[0038] 如圖1所示，本方法主要有以下三步組成：
[0039] (1)二維Otsu閾值分割
[0040] Otsu閾值分割是目前進(jìn)行自動閾值選取的最有方法之一，在進(jìn)行閾值確定時，不 僅考慮到像素點(diǎn)本身的灰度信息，也考慮了其周圍像素點(diǎn)的影響
[0041] 二維最大類間方差法（二維Otsu)進(jìn)行圖像閾值分割的基本原理是：設(shè)所要進(jìn)行 分析的圖像f(x，y)的灰度級為L(L一般取256)，構(gòu)建該圖像的鄰域平滑圖像，該圖像的鄰 域圖像的灰度級也為L。我們可以通過這兩幅圖像的灰度值的向量（i，j)來表示圖像中的 每一個像素。其中i表示該圖像的像素灰度值，j表示鄰域平滑圖像的像素灰度值。
[0042] 設(shè)在二維直方圖中存在兩類C。和CpC。表示目標(biāo)，C1表示背景。則目標(biāo)和背景的 出現(xiàn)的概率分別為：
[0045]圖像中目標(biāo)與背景的離散度矩陣為：
[0046] Sb(s,t) = w0(u〇-u)T (u〇-u) +W1 (U1-U)T (U1-U) (3)
[0047] 使用離散度矩陣的跡作為劃分圖像背景和目標(biāo)的距離測度函數(shù)：
[0049] 當(dāng)其取最大時對應(yīng)的（s，t)就是進(jìn)行圖像分割的最優(yōu)閾值。
[0050] (2) CV輪廓模型
[0051]CV輪廓模型是一種基于區(qū)域的主動輪廓模型，其基于M-S分割理論（式5)，以曲 線演化和零水平集為數(shù)學(xué)理論基礎(chǔ)，對初始輪廓定義簡單，并且具有較強(qiáng)的拓?fù)湫?，能夠?時進(jìn)行多目標(biāo)的提取。
[0053] 在將圖像特征融入主動輪廓模型的能量泛函中時，借助了曲線演化理論，同時為 了處理曲線的拓?fù)浣Y(jié)構(gòu)變化問題，人們引入了水平集方法。將演化曲線或者演化曲面作為 零水平集嵌入到高維的水平集函數(shù)中，通過控制這個高維水平集函數(shù)來達(dá)到控制演化曲線 或者演化曲面的目的。不同于參數(shù)主動輪廓模型的顯式函數(shù)表達(dá)形式，水平集方法則是隱 含的表示曲線的演化方程，由此可以解決分割過程中曲線的拓?fù)浣Y(jié)構(gòu)變化的問題。
[0054]在CV輪廓模型能量函數(shù)中加入曲線長度項(xiàng)和曲線面積項(xiàng)作為正則項(xiàng)使曲線保持 光滑，可得：
[0056] 此式即為CV模型的總能量方程，其中，y，v，XpA2>〇分別為各項(xiàng)的權(quán)重參數(shù)， 曲線C，曲線內(nèi)部區(qū)域insid