CN107329139A - 一种双时相双极化干涉sar影像水域提取方法 - Google Patents

一种双时相双极化干涉sar影像水域提取方法 Download PDF

Info

Publication number
CN107329139A
CN107329139A CN201710614958.3A CN201710614958A CN107329139A CN 107329139 A CN107329139 A CN 107329139A CN 201710614958 A CN201710614958 A CN 201710614958A CN 107329139 A CN107329139 A CN 107329139A
Authority
CN
China
Prior art keywords
mrow
msub
msqrt
msubsup
mfrac
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710614958.3A
Other languages
English (en)
Other versions
CN107329139B (zh
Inventor
邓少平
侯瑞
冷海芹
吴泽洪
刘学林
孙盛
王璇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201710614958.3A priority Critical patent/CN107329139B/zh
Publication of CN107329139A publication Critical patent/CN107329139A/zh
Application granted granted Critical
Publication of CN107329139B publication Critical patent/CN107329139B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9023—SAR image post-processing techniques combined with interferometric techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/904—SAR modes
    • G01S13/9076—Polarimetric features in SAR

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种双时相双极化干涉SAR影像水域提取方法，即为合成孔径雷达影像水域提取方法，依次包括亚像素级配准，计算相干系数，计算总功率图，计算总功率均值，计算总功率归一化散射系数，计算水域指数，计算统计水域的水域均值和标准差，以及二值化；本发明针对SAR影像上水体解译精度不高、自动化程度较低的问题，基于相干SAR影像对大部分地物在时间间隔短的时候具有良好相干性的特性，提供了一种基于双极化SAR数据相干系数和强度值的SAR影像水域指数，增强了影像上的水域信息，且抑制了其他地物，提高各时相影像上的水域解译的自动化程度，有助于增强用户对SAR影像的认可度和准确度，加快SAR在洪灾监测、地形制图等方面的推广应用。

Description

一种双时相双极化干涉SAR影像水域提取方法
[技术领域]
本发明属于计算机图像处理技术领域，是一种合成孔径雷达(SyntheticAperture Radar,SAR)遥感影像解译相关的方法，具体涉及一种双时相双极化干涉SAR影像水域提取方法。
[背景技术]
水域是遥感影像上最重要的地物类型之一。SAR工作中微波波段，具有全天候全天时的工作能力，在水域提取方面具有明显的优势，在洪灾监测与评估、应急测绘与地形制图方面具有十分重要的应用。当前已有的方法主要基于单时相强度或幅度影像的水域提取方法，其精度和效率有待提升。目前SAR数据来源越来越丰富，许多SAR卫星都具有重轨干涉SAR的数据获取模式，国际上类似像欧空局哨兵1号卫星免费且定期获取近实时分发的数据资源越来越多，但目前却未见充分利用干涉SAR信息提取水域的公开方法。
本发明即针对现有技术的不足而研究提出。
[发明内容]
本发明要解决的技术问题是提供一种双时相双极化干涉SAR影像水域提取方法，基于相干SAR影像对大部分地物在时间间隔较短的时候，具有良好相干性的特性，使之基于相干系数的水域指数以提取水域，因此，大幅改善了水域解译的自动化程度，有助于增强用户对SAR影像的认可度和准确度，加快SAR在洪灾监测、地形制图等方面的推广应用。
本发明的目的在于解决双时相双极化干涉SAR复影像上各自水域的提取方法。
常见的双极化SAR模式有HH/HV、VH/VV和HH/VV，其中HH表示水平同极化，HV或VH表示交叉极化，VV表示垂直同极化，三种双极化影像用复后向散射矢量可分别表示为：SH,SV和SC每个分量均为复数。
极化模式为X，(X＝H,V或C)的a、b两个时相的双极化SAR影像可分别记为Sa和Sb，Sa和Sb的形式为SX，X＝H,V或C，可分别表示为其中sa1、s、a2sb1和sb2是复数。
为实现上述目的，本发明一种双时相双极化干涉SAR影像水域提取方法，采用了下列技术方案，包括以下具体步骤：
步骤1：亚像素级别配准，即对a、b两个时相的双极化SAR进行亚像素级的配准，配准精度需达到0.1像素，使得a、b两时相影像上同一行列号的像素对应于同一地物；
步骤2：计算相干系数，即分别计算两个极化通道的相干系数γ1和γ2：
其中x*为x的共轭复数，<>是集平均运算符，即在像素的邻域进行均值计算；
步骤3：计算总功率图，即分别计算两个时相的总功率图：
步骤4：计算总功率均值，即分别计算两个时相的总功率均值：
其中m,n为图像的行列数，Pa(i,j)和Pb(i,j)分别是第i行第j列a、b两时相的总功率；
步骤5：计算总功率归一化散射系数，即分别计算两个时相的总功率归一化后的散射系数：
记s'a1、s'a2和s'b1、s'b2分别是S'a和S'b的分量，即
步骤6：计算各种水域指数；
步骤7：统计水域的水域指数均值m和标准差σ，即选定水域的代表性区域，统计水域的水域指数均值m和标准差σ；
步骤8：二值化，即根据步骤7统计信息，相应确定阈值，对得到的任何一个水域指数进行二值化，得到水域范围。
步骤6中采用相干系数与功率的比值形式计算各种水域指数Ia、Ib、Iab、Ia∪b、Ia∪b、Ia∩b：
其中表示复数的模运算，max()和min()分别是取最大值和最小值的运算，Ia、Ib分别是a、b时相影像的水域指数，Iab是当两影像时间间隔短且地物几乎没有变化时的水域指数，Ia∪b是两时相影像上出现一次以上水域时的水域指数，Ia∩b两时相均为水域的水域指数；由于水域指数是大于0的数，且水域指数值越大，其属于水域的概率越高，若水域指数值越小，其属于水域的概率越低：
(1)当X＝C时，
(2)当X＝H时，
(3)当X＝V时，
步骤6中采用相干系数与功率的比值形式计算各种水域指数Ia、Ib、Iab、Ia∪b、Ia∪b、Ia∩b还可适用于单极化的形式，此时Sa和Sb由矢量退化为标量sa和sb，各水域指数计算如下：
与现有技术相比较，本发明一种双时相双极化干涉SAR影像水域提取方法，具有如下优点和特点：
1、同时利用了SAR影像上水域相干性弱和回波较弱的特点；
2、同时利用了双极化SAR影像中两个极化通道的信息；
3、水域指数图上，水域呈现高亮，信息得到了增强，而其他地物均较暗，信息得到了抑制，可以通过阈值化处理，可有效地提取出水域范围，通过本发明方法，可为洪灾评估和地形制图提供技术服务。
[附图说明]
图1为本发明流程图。
图2为时相a的水域指数图。
[具体实施方式]
下面结合附图与本发明的实施方式作进一步详细的描述：
本发明的目的在于基于双时相干涉SAR影像上水域具有强度较小和相干性较弱的特性提出一种水域指数以增强水域信息提高解译效果，以下将结合附图和具体实施例对本发明做进一步的阐述。
请见图1，本发明一种双时相双极化干涉SAR影像水域提取方法，本实施例的数据是欧空局哨兵1号A星的C波段雷达获取的双极化SAR影像，极化方式为VV/VH，区域位于江西省南昌市鄱阳湖地区，获取日期分为2017年4月11日和4月13日，影像的产品形式为单视斜距复数影像。a、b两个时相的双极化SAR影像可分别记为Sa和Sb，Sa和Sb的形式为SV，可分别表示为其中sa1、s、a2sb1和sb2是复数。选取了包括植被、城区、郊区、河流、湖泊等地物类型的某一子区域进行处理，影像大小为5000*5000，具体包括以下处理步骤：
步骤1：对4月11日和4月13日两个时相的双极化SAR进行亚像素级的配准，配准精度为0.089像素；
步骤2：分别计算两个极化通道的相干系数γ1和γ2
其中x*为x的共轭复数，<>是集平均运算符，即在像素的邻域进行均值计算；
步骤3：分别计算两个时相的总功率图：
步骤4：分别计算两个时相的总功率均值：
其中m,n为图像的行列数，Pa(i,j)和Pb(i,j)分别是第i行第j列a、b两时相的总功率；
步骤5：分别计算两个时相的总功率归一化后的散射系数：
记s'a1、s'a2和s'b1、s'b2分别是S'a和S'b的分量，即
步骤6：计算水域指数Ia、Ib、Iab、Ia∪b、Ia∪b、Ia∩b：
其中||表示复数的模运算，max()和min()分别是取最大值和最小值的运算，
Ia、Ib分别是a、b时相影像的水域指数，Iab是当两影像时间间隔很短地物几乎没有变化时的水域指数，Ia∪b是两时相影像上出现一次以上水域时的水域指数，Ia∩b两时相均为水域的水域指数。由于水域指数为大于0的数，水域指数值越大，其属于水域的概率越高；水域指数值越小，其属于水域的概率则越低。
步骤7：选择代表性水域，统计水域指数的均值和标准差分别为m和σ，阈值T＝m-2σ，对得到的任何一个水域指数进行二值化，即可得到水域范围。以Ia为例，图2为时相a的水域指数，m＝8.9和σ＝2.7，阈值T＝m-2σ＝3.5，时相a影像上，Ia>T时，为水体，否则为其他地物。
本实施例的结果如下：(1)生成了5种形式的水域指数图，水域均呈现亮色，信息得到了增强；(2)分别得到了两个时相的水域指数图；(3)得到了两时相均为水域或某一为水域的水域指数图；(4)得到了两个平均水域指数图。(5)根据监督统计的方法，得到了阈值，并进行了二值化提取出了水体。

Claims (3)

1.一种双时相双极化干涉SAR影像水域提取方法，其特征在于包括以下步骤：
步骤1：亚像素级别配准，即对a、b两个时相的双极化SAR进行亚像素级的配准，配准精度需达到0.1像素，使得a、b两时相影像上同一行列号的像素对应于同一地物；
步骤2：计算相干系数，即分别计算两个极化通道的相干系数γ1和γ2：
<mrow> <msub> <mi>&amp;gamma;</mi> <mn>1</mn> </msub> <mo>=</mo> <mfrac> <mrow> <mo>&lt;</mo> <msub> <mi>s</mi> <mrow> <mi>a</mi> <mn>1</mn> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mrow> <mi>b</mi> <mn>1</mn> </mrow> <mo>*</mo> </msubsup> <mo>&gt;</mo> </mrow> <msqrt> <mrow> <mo>&lt;</mo> <msub> <mi>s</mi> <mrow> <mi>a</mi> <mn>1</mn> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mrow> <mi>a</mi> <mn>1</mn> </mrow> <mo>*</mo> </msubsup> <mo>&gt;</mo> <mo>&lt;</mo> <msub> <mi>s</mi> <mrow> <mi>b</mi> <mn>1</mn> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mrow> <mi>b</mi> <mn>1</mn> </mrow> <mo>*</mo> </msubsup> <mo>&gt;</mo> </mrow> </msqrt> </mfrac> <mo>,</mo> <msub> <mi>&amp;gamma;</mi> <mn>2</mn> </msub> <mo>=</mo> <mfrac> <mrow> <mo>&lt;</mo> <msub> <mi>s</mi> <mrow> <mi>a</mi> <mn>2</mn> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mrow> <mi>b</mi> <mn>2</mn> </mrow> <mo>*</mo> </msubsup> <mo>&gt;</mo> </mrow> <msqrt> <mrow> <mo>&lt;</mo> <msub> <mi>s</mi> <mrow> <mi>a</mi> <mn>2</mn> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mrow> <mi>a</mi> <mn>2</mn> </mrow> <mo>*</mo> </msubsup> <mo>&gt;</mo> <mo>&lt;</mo> <msub> <mi>s</mi> <mrow> <mi>b</mi> <mn>2</mn> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mrow> <mi>b</mi> <mn>2</mn> </mrow> <mo>*</mo> </msubsup> <mo>&gt;</mo> </mrow> </msqrt> </mfrac> <mo>,</mo> </mrow>
其中x*为x的共轭复数，<>是集平均运算符，即在像素的邻域进行均值计算；
步骤3：计算总功率图，即分别计算两个时相的总功率图：
<mrow> <msub> <mi>P</mi> <mi>a</mi> </msub> <mo>=</mo> <msub> <mi>s</mi> <mrow> <mi>a</mi> <mn>1</mn> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mrow> <mi>a</mi> <mn>1</mn> </mrow> <mo>*</mo> </msubsup> <mo>+</mo> <msub> <mi>s</mi> <mrow> <mi>a</mi> <mn>2</mn> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mrow> <mi>a</mi> <mn>2</mn> </mrow> <mo>*</mo> </msubsup> <mo>,</mo> <msub> <mi>P</mi> <mi>b</mi> </msub> <mo>=</mo> <msub> <mi>s</mi> <mrow> <mi>b</mi> <mn>1</mn> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mrow> <mi>b</mi> <mn>1</mn> </mrow> <mo>*</mo> </msubsup> <mo>+</mo> <msub> <mi>s</mi> <mrow> <mi>b</mi> <mn>2</mn> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mrow> <mi>b</mi> <mn>2</mn> </mrow> <mo>*</mo> </msubsup> <mo>;</mo> </mrow>
步骤4：计算总功率均值，即分别计算两个时相的总功率均值：
<mrow> <msub> <mover> <mi>P</mi> <mo>&amp;OverBar;</mo> </mover> <mi>a</mi> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mi>m</mi> <mi>n</mi> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>i</mi> <mo>=</mo> <mi>n</mi> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mi>m</mi> </mrow> </munderover> <msub> <mi>P</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mover> <mi>P</mi> <mo>&amp;OverBar;</mo> </mover> <mi>b</mi> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mi>m</mi> <mi>n</mi> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mi>i</mi> <mo>=</mo> <mi>n</mi> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mi>m</mi> </mrow> </munderover> <msub> <mi>P</mi> <mi>b</mi> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
其中m,n为图像的行列数，Pa(i,j)和Pb(i,j)分别是第i行第j列a、b两时相的总功率；
步骤5：计算总功率归一化散射系数，即分别计算两个时相的总功率归一化后的散射系数：
<mrow> <msubsup> <mi>S</mi> <mi>a</mi> <mo>&amp;prime;</mo> </msubsup> <mo>=</mo> <mfrac> <msub> <mi>S</mi> <mi>a</mi> </msub> <msub> <mover> <mi>P</mi> <mo>&amp;OverBar;</mo> </mover> <mi>a</mi> </msub> </mfrac> <mo>,</mo> <msubsup> <mi>S</mi> <mi>b</mi> <mo>&amp;prime;</mo> </msubsup> <mo>=</mo> <mfrac> <msub> <mi>S</mi> <mi>b</mi> </msub> <msub> <mover> <mi>P</mi> <mo>&amp;OverBar;</mo> </mover> <mi>b</mi> </msub> </mfrac> <mo>,</mo> </mrow>
记s'a1、s'a2和s'b1、s'b2分别是S'a和S'b的分量，即
步骤6：计算各种水域指数；
步骤7：计算统计水域的水域指数均值m和标准差σ，即选定水域的代表性区域，统计水域的水域指数均值m和标准差σ；
步骤8：二值化，即根据步骤7统计信息，相应确定阈值，对得到的任何一个水域指数进行二值化，得到水域范围。
2.根据权利要求1所述的一种双时相双极化干涉SAR影像水域提取方法，其特征在于：步骤6中采用相干系数与功率的比值形式计算各种水域指数Ia、Ib、Iab、Ia∪b、Ia∪b、Ia∩b：
<mrow> <msub> <mi>I</mi> <mi>a</mi> </msub> <mo>=</mo> <mfrac> <msqrt> <mrow> <mn>1</mn> <mo>-</mo> <mi>&amp;gamma;</mi> </mrow> </msqrt> <msqrt> <msub> <mi>P</mi> <mi>a</mi> </msub> </msqrt> </mfrac> <mo>,</mo> <msub> <mi>I</mi> <mi>b</mi> </msub> <mo>=</mo> <mfrac> <msqrt> <mrow> <mn>1</mn> <mo>-</mo> <mi>&amp;gamma;</mi> </mrow> </msqrt> <msqrt> <msub> <mi>P</mi> <mi>b</mi> </msub> </msqrt> </mfrac> <mo>,</mo> <msub> <mi>I</mi> <mrow> <mi>a</mi> <mi>b</mi> </mrow> </msub> <mo>=</mo> <mfrac> <msqrt> <mrow> <mn>2</mn> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;gamma;</mi> <mo>)</mo> </mrow> </mrow> </msqrt> <msqrt> <mrow> <msub> <mi>P</mi> <mi>a</mi> </msub> <mo>+</mo> <msub> <mi>P</mi> <mi>b</mi> </msub> </mrow> </msqrt> </mfrac> <mo>,</mo> </mrow>
<mrow> <msub> <mi>I</mi> <mrow> <mi>a</mi> <mo>&amp;cup;</mo> <mi>b</mi> </mrow> </msub> <mo>=</mo> <mfrac> <msqrt> <mrow> <mn>1</mn> <mo>-</mo> <mi>&amp;gamma;</mi> </mrow> </msqrt> <msqrt> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mi>a</mi> </msub> <mo>,</mo> <msub> <mi>P</mi> <mi>b</mi> </msub> <mo>)</mo> </mrow> </mrow> </msqrt> </mfrac> <mo>,</mo> <msub> <mi>I</mi> <mrow> <mi>a</mi> <mo>&amp;cap;</mo> <mi>b</mi> </mrow> </msub> <mo>=</mo> <mfrac> <msqrt> <mrow> <mn>1</mn> <mo>-</mo> <mi>&amp;gamma;</mi> </mrow> </msqrt> <msqrt> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mi>a</mi> </msub> <mo>,</mo> <msub> <mi>P</mi> <mi>b</mi> </msub> <mo>)</mo> </mrow> </mrow> </msqrt> </mfrac> <mo>;</mo> </mrow>
其中||表示复数的模运算，max()和min()分别是取最大值和最小值的运算，Ia、Ib分别是a、b时相影像的水域指数，Iab是当两影像时间间隔短且地物几乎没有变化时的水域指数，Ia∪b是两时相影像上出现一次以上水域时的水域指数，Ia∩b两时相均为水域的水域指数；由于水域指数是大于0的数，且水域指数值越大，其属于水域的概率越高，若水域指数值越小，其属于水域的概率越低：
(1)当X＝C时，
(2)当X＝H时，
(3)当X＝V时，
3.根据权利要求1所述的一种双时相双极化干涉SAR影像水域提取方法，其特征在于：步骤6中采用相干系数与功率的比值形式计算各种水域指数Ia、Ib、Iab、Ia∪b、Ia∪b、Ia∩b还可适用于单极化的形式，此时Sa和Sb由矢量退化为标量sa和sb，各水域指数计算如下：
<mrow> <msub> <mi>I</mi> <mi>a</mi> </msub> <mo>=</mo> <msqrt> <mrow> <mn>1</mn> <mo>-</mo> <mfrac> <mrow> <mo>&lt;</mo> <msub> <mi>s</mi> <mi>a</mi> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mi>b</mi> <mo>*</mo> </msubsup> <mo>&gt;</mo> </mrow> <msqrt> <mrow> <mo>&lt;</mo> <msub> <mi>s</mi> <mi>a</mi> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mi>a</mi> <mo>*</mo> </msubsup> <mo>&gt;</mo> <mo>&lt;</mo> <msub> <mi>s</mi> <mi>b</mi> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mi>b</mi> <mo>*</mo> </msubsup> <mo>&gt;</mo> </mrow> </msqrt> </mfrac> </mrow> </msqrt> <mo>/</mo> <mrow> <mo>(</mo> <mfrac> <mrow> <mo>|</mo> <msub> <mi>s</mi> <mi>a</mi> </msub> <mo>|</mo> </mrow> <mrow> <mo>|</mo> <msub> <mi>s</mi> <mi>b</mi> </msub> <mo>|</mo> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mi>I</mi> <mi>b</mi> </msub> <mo>=</mo> <msqrt> <mrow> <mn>1</mn> <mo>-</mo> <mfrac> <mrow> <mo>&lt;</mo> <msub> <mi>s</mi> <mi>a</mi> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mi>b</mi> <mo>*</mo> </msubsup> <mo>&gt;</mo> </mrow> <msqrt> <mrow> <mo>&lt;</mo> <msub> <mi>s</mi> <mi>a</mi> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mi>a</mi> <mo>*</mo> </msubsup> <mo>&gt;</mo> <mo>&lt;</mo> <msub> <mi>s</mi> <mi>b</mi> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mi>b</mi> <mo>*</mo> </msubsup> <mo>&gt;</mo> </mrow> </msqrt> </mfrac> </mrow> </msqrt> <mo>/</mo> <mrow> <mo>(</mo> <mfrac> <mrow> <mo>|</mo> <msub> <mi>s</mi> <mi>b</mi> </msub> <mo>|</mo> </mrow> <mrow> <mo>|</mo> <msub> <mi>s</mi> <mi>b</mi> </msub> <mo>|</mo> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
<mrow> <msub> <mi>I</mi> <mrow> <mi>a</mi> <mi>b</mi> </mrow> </msub> <mo>=</mo> <msqrt> <mrow> <mn>1</mn> <mo>-</mo> <mfrac> <mrow> <mo>&lt;</mo> <msub> <mi>s</mi> <mi>a</mi> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mi>b</mi> <mo>*</mo> </msubsup> <mo>&gt;</mo> </mrow> <msqrt> <mrow> <mo>&lt;</mo> <msub> <mi>s</mi> <mi>a</mi> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mi>a</mi> <mo>*</mo> </msubsup> <mo>&gt;</mo> <mo>&lt;</mo> <msub> <mi>s</mi> <mi>b</mi> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mi>b</mi> <mo>*</mo> </msubsup> <mo>&gt;</mo> </mrow> </msqrt> </mfrac> </mrow> </msqrt> <mo>/</mo> <mrow> <mo>(</mo> <mfrac> <mrow> <mo>|</mo> <msub> <mi>s</mi> <mi>a</mi> </msub> <mo>|</mo> </mrow> <msqrt> <mover> <mrow> <mo>|</mo> <msub> <mi>s</mi> <mi>a</mi> </msub> <msup> <mo>|</mo> <mn>2</mn> </msup> </mrow> <mo>&amp;OverBar;</mo> </mover> </msqrt> </mfrac> <mo>+</mo> <mfrac> <mrow> <mo>|</mo> <msub> <mi>s</mi> <mi>b</mi> </msub> <mo>|</mo> </mrow> <msqrt> <mover> <mrow> <mo>|</mo> <msub> <mi>s</mi> <mi>b</mi> </msub> <msup> <mo>|</mo> <mn>2</mn> </msup> </mrow> <mo>&amp;OverBar;</mo> </mover> </msqrt> </mfrac> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
<mrow> <msub> <mi>I</mi> <mrow> <mi>a</mi> <mo>&amp;cup;</mo> <mi>b</mi> </mrow> </msub> <mo>=</mo> <msqrt> <mrow> <mn>1</mn> <mo>-</mo> <mfrac> <mrow> <mo>&lt;</mo> <msub> <mi>s</mi> <mi>a</mi> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mi>b</mi> <mo>*</mo> </msubsup> <mo>&gt;</mo> </mrow> <msqrt> <mrow> <mo>&lt;</mo> <msub> <mi>s</mi> <mi>a</mi> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mi>a</mi> <mo>*</mo> </msubsup> <mo>&gt;</mo> <mo>&lt;</mo> <msub> <mi>s</mi> <mi>b</mi> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mi>b</mi> <mo>*</mo> </msubsup> <mo>&gt;</mo> </mrow> </msqrt> </mfrac> </mrow> </msqrt> <mo>/</mo> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <mfrac> <mrow> <mo>|</mo> <msub> <mi>s</mi> <mi>a</mi> </msub> <mo>|</mo> </mrow> <msqrt> <mover> <mrow> <mo>|</mo> <msub> <mi>s</mi> <mi>a</mi> </msub> <msup> <mo>|</mo> <mn>2</mn> </msup> </mrow> <mo>&amp;OverBar;</mo> </mover> </msqrt> </mfrac> <mo>,</mo> <mfrac> <mrow> <mo>|</mo> <msub> <mi>s</mi> <mi>b</mi> </msub> <mo>|</mo> </mrow> <msqrt> <mover> <mrow> <mo>|</mo> <msub> <mi>s</mi> <mi>b</mi> </msub> <msup> <mo>|</mo> <mn>2</mn> </msup> </mrow> <mo>&amp;OverBar;</mo> </mover> </msqrt> </mfrac> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
<mrow> <msub> <mi>I</mi> <mrow> <mi>a</mi> <mo>&amp;cap;</mo> <mi>b</mi> </mrow> </msub> <mo>=</mo> <msqrt> <mrow> <mn>1</mn> <mo>-</mo> <mfrac> <mrow> <mo>&lt;</mo> <msub> <mi>s</mi> <mi>a</mi> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mi>b</mi> <mo>*</mo> </msubsup> <mo>&gt;</mo> </mrow> <msqrt> <mrow> <mo>&lt;</mo> <msub> <mi>s</mi> <mi>a</mi> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mi>a</mi> <mo>*</mo> </msubsup> <mo>&gt;</mo> <mo>&lt;</mo> <msub> <mi>s</mi> <mi>b</mi> </msub> <mo>&amp;CenterDot;</mo> <msubsup> <mi>s</mi> <mi>b</mi> <mo>*</mo> </msubsup> <mo>&gt;</mo> </mrow> </msqrt> </mfrac> </mrow> </msqrt> <mo>/</mo> <mi>max</mi> <mrow> <mo>(</mo> <mfrac> <mrow> <mo>|</mo> <msub> <mi>s</mi> <mi>a</mi> </msub> <mo>|</mo> </mrow> <msqrt> <mover> <mrow> <mo>|</mo> <msub> <mi>s</mi> <mi>a</mi> </msub> <msup> <mo>|</mo> <mn>2</mn> </msup> </mrow> <mo>&amp;OverBar;</mo> </mover> </msqrt> </mfrac> <mo>+</mo> <mfrac> <mrow> <mo>|</mo> <msub> <mi>s</mi> <mi>b</mi> </msub> <mo>|</mo> </mrow> <msqrt> <mover> <mrow> <mo>|</mo> <msub> <mi>s</mi> <mi>b</mi> </msub> <msup> <mo>|</mo> <mn>2</mn> </msup> </mrow> <mo>&amp;OverBar;</mo> </mover> </msqrt> </mfrac> <mo>)</mo> </mrow> <mo>.</mo> </mrow> 2
CN201710614958.3A 2017-07-26 2017-07-26 一种双时相双极化干涉sar影像水域提取方法 Expired - Fee Related CN107329139B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710614958.3A CN107329139B (zh) 2017-07-26 2017-07-26 一种双时相双极化干涉sar影像水域提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710614958.3A CN107329139B (zh) 2017-07-26 2017-07-26 一种双时相双极化干涉sar影像水域提取方法

Publications (2)

Publication Number Publication Date
CN107329139A true CN107329139A (zh) 2017-11-07
CN107329139B CN107329139B (zh) 2020-05-08

Family

ID=60200686

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710614958.3A Expired - Fee Related CN107329139B (zh) 2017-07-26 2017-07-26 一种双时相双极化干涉sar影像水域提取方法

Country Status (1)

Country Link
CN (1) CN107329139B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108693528A (zh) * 2018-04-13 2018-10-23 北博（厦门）智能科技有限公司 雷达实时信号处理器
CN109886142A (zh) * 2019-01-28 2019-06-14 中科光启空间信息技术有限公司 一种基于sar技术的农作物解译方法
CN111178186A (zh) * 2019-12-16 2020-05-19 广州地理研究所 基于哨兵遥感数据的水稻提取方法及装置、设备
CN113920448A (zh) * 2021-12-15 2022-01-11 航天宏图信息技术股份有限公司 洪水淹没信息提取方法、装置、电子设备及存储介质
CN114419452A (zh) * 2022-03-30 2022-04-29 中国人民解放军火箭军工程大学 一种高分辨率双极化sar抗角反射器干扰的目标辨识方法
CN114677401A (zh) * 2022-03-28 2022-06-28 珠江水利委员会珠江水利科学研究院 一种基于极化雷达自身影像特征的水体提取方法及系统
CN115015928A (zh) * 2022-05-30 2022-09-06 中国矿业大学 基于总功率同散射机制的高效极化时序InSAR方法
CN117310705A (zh) * 2023-11-28 2023-12-29 中国石油大学(华东) 一种基于双极化sar影像的洪涝灾害快速检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101114023A (zh) * 2007-08-28 2008-01-30 北京交通大学 一种基于模型的湖泊湿地泛洪遥感监测方法
CN102012511A (zh) * 2010-10-13 2011-04-13 武汉大学 基于单时相单极化高分辨率sar图像的二次成像方法
JP2012063196A (ja) * 2010-09-15 2012-03-29 Mitsubishi Space Software Kk 船舶探知装置、船舶探知プログラムおよび船舶探知装置の船舶探知方法
CN106405545A (zh) * 2016-08-20 2017-02-15 甘宗平 一种双时相异模双极化SAR类Pauli假彩色影像合成方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101114023A (zh) * 2007-08-28 2008-01-30 北京交通大学 一种基于模型的湖泊湿地泛洪遥感监测方法
JP2012063196A (ja) * 2010-09-15 2012-03-29 Mitsubishi Space Software Kk 船舶探知装置、船舶探知プログラムおよび船舶探知装置の船舶探知方法
CN102012511A (zh) * 2010-10-13 2011-04-13 武汉大学 基于单时相单极化高分辨率sar图像的二次成像方法
CN106405545A (zh) * 2016-08-20 2017-02-15 甘宗平 一种双时相异模双极化SAR类Pauli假彩色影像合成方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王海波等: "基于遥感的湖泊水域动态变化监测研究进展", 《遥感技术与应用》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108693528A (zh) * 2018-04-13 2018-10-23 北博（厦门）智能科技有限公司 雷达实时信号处理器
CN109886142A (zh) * 2019-01-28 2019-06-14 中科光启空间信息技术有限公司 一种基于sar技术的农作物解译方法
CN109886142B (zh) * 2019-01-28 2022-12-02 中科光启空间信息技术有限公司 一种基于sar技术的农作物解译方法
CN111178186A (zh) * 2019-12-16 2020-05-19 广州地理研究所 基于哨兵遥感数据的水稻提取方法及装置、设备
CN113920448A (zh) * 2021-12-15 2022-01-11 航天宏图信息技术股份有限公司 洪水淹没信息提取方法、装置、电子设备及存储介质
CN113920448B (zh) * 2021-12-15 2022-03-08 航天宏图信息技术股份有限公司 洪水淹没信息提取方法、装置、电子设备及存储介质
CN114677401A (zh) * 2022-03-28 2022-06-28 珠江水利委员会珠江水利科学研究院 一种基于极化雷达自身影像特征的水体提取方法及系统
CN114419452A (zh) * 2022-03-30 2022-04-29 中国人民解放军火箭军工程大学 一种高分辨率双极化sar抗角反射器干扰的目标辨识方法
CN115015928A (zh) * 2022-05-30 2022-09-06 中国矿业大学 基于总功率同散射机制的高效极化时序InSAR方法
CN115015928B (zh) * 2022-05-30 2023-08-11 中国矿业大学 基于总功率同散射机制的高效极化时序InSAR方法
CN117310705A (zh) * 2023-11-28 2023-12-29 中国石油大学(华东) 一种基于双极化sar影像的洪涝灾害快速检测方法
CN117310705B (zh) * 2023-11-28 2024-02-09 中国石油大学(华东) 一种基于双极化sar影像的洪涝灾害快速检测方法

Also Published As

Publication number Publication date
CN107329139B (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN107329139A (zh) 一种双时相双极化干涉sar影像水域提取方法
US20190197344A1 (en) Saliency-based method for extracting road target from night vision infrared image
CN107730515B (zh) 基于区域增长和眼动模型的全景图像显著性检测方法
CN103679728B (zh) 一种复杂地形的sar图像的水域自动分割方法及装置
CN104966291B (zh) 一种基于地基云图的云团自动检测方法
CN102567731A (zh) 一种感兴趣区域提取方法
CN104103082A (zh) 一种基于区域描述和先验知识的图像显著性检测方法
CN103279957A (zh) 一种基于多尺度特征融合的遥感图像感兴趣区域提取方法
CN104142142A (zh) 全球植被覆盖度估算方法
CN103914848B (zh) 一种基于小波变换及最大类间方差的农田图像分割方法
CN107392122B (zh) 基于多极化特征和fcn-crf融合网络的极化sar影像目标检测方法
CN105651263A (zh) 浅海水深多源遥感融合反演方法
CN105354824B (zh) 基于区域提取的双参数恒虚警检测方法
CN102073867B (zh) 一种遥感图像分类方法及装置
CN104850853B (zh) 城市快速提取方法及装置
Roa-Pascuali et al. Detection of mesoscale thermal fronts from 4 km data using smoothing techniques: Gradient-based fronts classification and basin scale application
CN106156758A (zh) 一种sar海岸图像中海岸线提取方法
CN102054177A (zh) 一种图像相似度计算方法和装置
CN104952070A (zh) 一种类矩形引导的玉米田遥感图像分割方法
Zhang et al. A study on coastline extraction and its trend based on remote sensing image data mining
CN107274361A (zh) Landsat TM遥感影像数据除云方法及系统
Wijaya et al. 15 Geostatistical Texture Classification of Tropical Rainforest in Indonesia
CN102446350A (zh) 基于各向异性非局部均值的极化sar数据相干斑抑制方法
CN102012511B (zh) 基于单时相单极化高分辨率sar图像的二次成像方法
CN107274421A (zh) 一种遥感影像尺度计算方法、可读存储介质和计算机设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200508

Termination date: 20210726

CF01 Termination of patent right due to non-payment of annual fee