e(c)，曲線外部區(qū)域outside(c)所對應(yīng)的水平集分別為：
[0057]
[0058] 選擇正則化的Heaviside函數(shù)和Dirac函數(shù),水平集形式表示：
[0059]
[0060]其中Cl，C2是通過將水平集函數(shù)0當(dāng)成常量來求得的，利用變分法的理論最小化能 量函數(shù)式，以此得到對于Cl，C2的梯度下降流方程：
[0061]
[0062]由式（9)可以很明顯的看出，Cl，c2分別為曲線內(nèi)部區(qū)域的像素點(diǎn)灰度均值和曲線 外部區(qū)域像素點(diǎn)的灰度均值。因此，CV模型的原理將更容易被理解：利用曲線內(nèi)部區(qū)域像 素點(diǎn)的灰度均值C1和曲線外部區(qū)域像素點(diǎn)的灰度均值C2來擬合原始圖像的像素點(diǎn)，兩者的 差值越小，由曲線所分割而成的兩個(gè)區(qū)域內(nèi)部的像素點(diǎn)灰度值越相似，隨著最小化能量函 數(shù)過程的進(jìn)行，兩者之間的差值越來越小，最終當(dāng)曲線演化至目標(biāo)邊緣時(shí)，兩者之間的差值 達(dá)到最小，由曲線所分割而成的兩個(gè)區(qū)域內(nèi)部像素點(diǎn)的灰度值最相似，此時(shí)曲線停止演化 并穩(wěn)定目標(biāo)邊緣處。
[0063] (3)全局高度閾值圖
[0064] SAR影像中，城市的高大建筑，森林的樹木都會(huì)產(chǎn)生陰影和疊影現(xiàn)象，在陰影和疊 影區(qū)域，地物返回的信號(hào)波與水體嚴(yán)重混淆，在這種情況下，無法單純依靠后向散射判斷其 性質(zhì)，同時(shí)，地面存在很多與水體具有相同的反射波性質(zhì)的人工地物，例如飛機(jī)跑道、高度 公路、平坦的裸地等。這些情況都會(huì)嚴(yán)重影響SAR影像中的水體提取，因此需要加入輔助數(shù) 據(jù)進(jìn)行進(jìn)一步的判斷。
[0065] 然而，雖然水的流向是從高到低，但只是相對流向，因此在同一幅影像中的不同位 置上，判斷某地是否具有水體的閾值是不同的，因此無法單純依據(jù)單一的高度閾值來判斷 是否為水體。
[0066] 從主動(dòng)輪廓提取結(jié)果中選擇10-20個(gè)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，對主動(dòng)輪廓結(jié)果進(jìn)行進(jìn)一步完善。
[0067] 具體案例--水體提取在黑龍江2013年夏季洪災(zāi)中的應(yīng)用
[0068] 1、研究區(qū)域
[0069] 以黑龍江省2013年從COSMO-SkyMed衛(wèi)星獲取的4景15m分辨率SAR影像為例， 如圖2所示。實(shí)驗(yàn)區(qū)域位于中俄邊界-黑龍江流域附近，此處是洪災(zāi)發(fā)生較為嚴(yán)重的地區(qū) 之一，區(qū)域包括部分黑龍江流域、部分松花江流域，部分烏蘇里江流域，同時(shí)還包括黑龍江 省的撫遠(yuǎn)縣、同江市、綏濱縣等縣市。獲取時(shí)間正好是8月28日，屬于洪災(zāi)較嚴(yán)重時(shí)期。
[0070] 2、二維Otsu潛在水體提取
[0071] 按照二維Otsu分割方法，進(jìn)行SAR影像潛在水體提取，如圖3所示。
[0072] 3、CV輪廓模型提取結(jié)果
[0073] 初始輪廓的定義，以及根據(jù)每一類地表數(shù)據(jù)的樣本量，在經(jīng)空間分析后的圖層上 隨機(jī)布設(shè)樣本。如圖4所示，圈出的局部區(qū)域可以發(fā)現(xiàn)明顯的變得稀疏，降低了空間相關(guān) 性，在此基礎(chǔ)上布設(shè)樣本，增強(qiáng)了樣本的代表性。
[0074] 圖5為4景SAR影像提取結(jié)果，通過閾值分割，減少了無關(guān)信息量，在利用水體連 通性，精確提取出水體目標(biāo)輪廓。
[0075] 4、基于Kriging的全局高度閾值圖的圖像分割
[0076] 通過建立全局高度閾值圖，對非水體進(jìn)行提出，對水體進(jìn)行補(bǔ)充，如圖6所示。
[0077] 本發(fā)明提出的種基于主動(dòng)輪廓的SAR影像災(zāi)后水體提取方法流程，將傳統(tǒng)的SAR 影像閾值分割法和主動(dòng)輪法結(jié)合，設(shè)計(jì)了一種基于主動(dòng)輪廓的SAR影像災(zāi)后水體提取方法 流程，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(dòng)輪廓計(jì) 算量減少，提高了提取速度。
【主權(quán)項(xiàng)】
1. 一種基于主動(dòng)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： 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； 2) 基于區(qū)域的主動(dòng)輪廓圖像分割； 3) 建立全局高度閾值圖。2. 根據(jù)權(quán)利要求1所述的一種基于主動(dòng)輪廓的SAR影像災(zāi)后水體信息提取方法，其特 征在于，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： 設(shè)所要進(jìn)行分析的圖像f(x，y)的灰度級(jí)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(jí)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(gè)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； 設(shè)在二維直方圖中存在兩類C。和C i，C。表示目標(biāo)，C 1表示背景，則目標(biāo)和背景的出現(xiàn)的 概率分別為：其中w。和w 別表示目標(biāo)和背景的出現(xiàn)的概率，，匕為二元組（i，j)出現(xiàn) 的頻率，M為圖像的像素個(gè)數(shù)總和； 目標(biāo)和背景對應(yīng)的均值矢量為：圖像中目標(biāo)與背景的離散度矩陣為： Sb (s，t) = w。(U0-U)T (U0-U) +W1 (U1-U)T (U1-U) 伸用離散麼鉭陳的協(xié)作為創(chuàng)分圖像昔暑和H標(biāo)的距離涮麼通教，其中^和％表示目標(biāo)對應(yīng)的均值矢量，W和￥表示背景對應(yīng)的均值矢量，當(dāng)tr (Sb) 取最大時(shí)對應(yīng)的（s，t)就是進(jìn)行圖像分割的最優(yōu)閾值。3. 根據(jù)權(quán)利要求1所述的一種基于主動(dòng)輪廓的SAR影像災(zāi)后水體信息提取方法，其 特征在于，所述的基于區(qū)域的主動(dòng)輪廓圖像分割具體為：采用基于區(qū)域的主動(dòng)輪廓模型，即 CV輪廓模型，對水體目標(biāo)進(jìn)行精確提取。4. 根據(jù)權(quán)利要求3所述的一種基于主動(dòng)輪廓的SAR影像災(zāi)后水體信息提取方法，其 特征在于，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。5. 根據(jù)權(quán)利要求1所述的一種基于主動(dòng)輪廓的SAR影像災(zāi)后水體信息提取方法，其特 征在于，所述的建立全局高度閾值圖具體為： 從主動(dòng)輪廓提取結(jié)果中選擇10-20個(gè)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。
【專利摘要】本發(fā)明涉及一種基于主動(dòng)輪廓的SAR影像災(zāi)后水體信息提取方法，包括以下步驟：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；2)基于區(qū)域的主動(dòng)輪廓圖像分割；3)建立全局高度閾值圖。與現(xiàn)有技術(shù)相比，本發(fā)明解決了單一方法進(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(dòng)輪廓計(jì)算量減少，提高了提取速度。
【IPC分類】G06T7/00
【公開號(hào)】CN105069771
【申請?zhí)枴緾N201510267197
【發(fā)明人】童小華, 姜玉瑩, 謝歡, 劉爽, 劉世杰, 陳鵬, 張松林
【申請人】同濟(jì)大學(xué)
【公開日】2015年11月18日
【申請日】2015年5月22日