CN109389062B - 利用高分辨率星载sar图像提取湖泊水陆分割线的方法 - Google Patents

Abstract

本发明提供一种利用高分辨率星载SAR图像提取湖泊水陆分割线的方法，其包括以下步骤：SAR图像预处理；基于邻域加权的模糊C均值粗分割；根据水域连通性提取湖泊ROI区域；分块策略获得图像切片和拼接切片；采用ACM对各个切片提取水陆分割线。本发明能够精确地提取大型湖泊水陆分割线，对水域分布评估和预测有重要意义。

Description

利用高分辨率星载SAR图像提取湖泊水陆分割线的方法

技术领域

本发明涉及星载SAR(合成孔径雷达，英文全称Synthetic Aperture Radar，简称SAR)图像利用、湖泊水陆分割线研究等技术领域，特别涉及一种利用高分辨率星载SAR图像提取湖泊水陆分割线的方法。

背景技术

大型湖泊作为区域陆地水循环中的一个重要载体，对区域生态系统的发展有着重要的影响，研究其水域信息对洪涝灾害的预报、预警、监测以及环境与水资源的全面调查、合理规划等具有十分重要的意义，特别在面临自然灾害(如地震、洪水)时，水域监测对于灾害防范和预测具有重要的意义，同时可以为农业灌溉、区域水管理、水土的平衡和经济环境的保护等工作提供数据支持和指导建议。由于SAR具有全天时、全天候、远距离对观测区域进行成像的优势。因此SAR经常被用来进行水陆分割，从而实现对水域的观测和面积的计算。通过高分辨率SAR图像，获取精确地水陆分割线，其关键性难点就在于如何提高结果的精度、运行的效率。

目前，针对高分辨率SAR图像中大型湖泊的水陆分割技术，众多学者已做出一些研究。但大多数的方法是沿用传统算法(如阈值分割法、边缘检测法、水平集分割法)，由于在高分辨SAR图像中，地物信息更为丰富，图像像素数目非常多，直接导致其结果精度差，易受其他地物信息和噪声的干扰，对分割结果造成很大影响，甚至失效。

综上所述，如何获得一种利用高分辨率星载SAR图像进行大型湖泊水陆分割线提取技术是一个亟待解决的问题。

发明内容

本发明的目的在于提供一种利用高分辨率星载SAR图像提取湖泊水陆分割线的方法，以解决现有技术存在的分割结构不够精确的问题。

为了解决上述问题，本发明提供如下技术方案：

一种利用高分辨率星载SAR图像提取湖泊水陆分割线的方法，其特征在于，包括以下步骤：步骤一，SAR图像预处理，包括下述子步骤：采用GTC算法对图像原始数据进行校正；通过FANS滤波器对SAR图像中的相干斑进行过滤；基于下式(1)对SAR图像进行对比度拉伸：P_ij＝10×log₁₀(|P_ij|)，P_ij表示第i行第j列像素的灰度值；对SAR图像进行灰度直方图均衡化操作，以提升水域区域与其他区域的对比度；步骤二，基于邻域加权的模糊C均值粗分割，分割出初始水域轮廓，包括下述子步骤：压缩原始图像分辨率，以提高粗分割的运算速度；初始化基本参数，使用FCM算法获得图像的隶属矩阵；对隶属矩阵进行邻域加权滤波；根据隶属矩阵对图像进行分割并还原为原始分辨率，获得粗分割结果；步骤三，根据水域连通性提取湖泊ROI区域；步骤四，通过分块策略获得图像切片和拼接切片；步骤五，采用ACM对各个切片提取水陆分割线。

分析可知，本发明通过以下操作：数据预处理；基于邻域加权的模糊C均值(fuzzyc-means，简称FCM)水域粗分割，获得潜在水域；根据水域连通性获得湖域区域，提取感兴趣区域(Region of Interest，简称ROI)；基于分块策略，沿ROI边缘将获得包含水域于陆地的图像切片；基于主动轮廓模型(Active Contours Model，简称ACM)对各个切片进行水域精细分割；最后将各个切片按照原始位置拼接形成整体水域的水陆分割线。通过本发明，能够精确地提取大型湖泊水陆分割线，对水域分布评估和预测有重要意义。

附图说明

图1为本发明实施例的流程框图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步详细说明。

如图1所示，本发明实施例包括以下主要步骤：

步骤S1：SAR图像预处理。具体地，先采用地理几何校正(Geocoded TerrainCorrecting，简称GTC)算法对原始数据(SAR图像)进行校正，接着利用快速自适应非局部SAR相干斑滤波器(Fast Adaptive Nonlocal SAR Despeckling，简称FANS)，对SAR图像中的相干斑进行过滤，其中，FANS滤波算法与SAR-BM3D滤波算法相似，但SAR-BM3D复杂度过高，研究人员针对复杂度过高的缺点对该算法进行改进，最后获得FANS滤波算法，改算法由Cozzolino等人在2014年提出并公开发表(详见Cozzolino D，Parrilli S，Scarpa G，etal，Fast Adaptive Nonlocal SAR Despeckling[J].IEEE Geoscience&Remote SensingLetters，2013，11(2)：524-528.)，接着使用下式1对SAR图像进行对比度拉伸：

P_ij＝α×log₁₀(|P_ij|)，α＝10 (1)；

其中，P_ij表示第i行第j列像素的灰度值。

随后对图像进行灰度直方图均衡化操作，以提升水域区域与其他区域的对比度。

步骤S2：基于邻域加权的模糊C均值粗分割。

在该步骤S2中，首先压缩原始图像分辨率，以提高粗分割的运算速度，优选地将原始分辨率压缩为原始分辨的7％。然后初始化基本参数，使用FCM算法获得图像的隶属矩阵，再对隶属矩阵进行邻域加权滤波，最后根据隶属矩阵对图像进行分割并还原为原始分辨率，获得粗分割结果。

优选地，邻域加权FCM算法的主要子步骤如下：

1，设定目标函数J_m为：

SAR图像含有n个像素集合A＝{a1，a2，…，an}，设置c个聚类中心，V＝{v1，v2，…，vc}。通过多次迭代是模糊C目标函数不断收敛，完成将n个像素集合划分在c个聚类中，其目标函数J_m为：

式中：

表示第j个像素灰度值与聚类中心vi的欧几里得度量，其表达式为：d_ij＝||v_i-a_j||；m为模糊加权指数且m∈[1，∞)；定义c×n的二维隶属矩阵U，U中元素u_ij表示第j个像素点对应聚类vi的隶属度。

2，规定约束条件：

式(2)需满足式(3)中约束条件：

3，定义隶属矩阵求解式：

上式(3)根据拉格朗日乘子法，得到隶属度求解式(4)：

4，更新聚类中心方程：

其中v_k表示第k个聚类中心，n代表像素数目。

5，执行步骤3和步骤4之后，判断迭代次数P是否完成，完成则执行步骤6，否则返回步骤3循环操作。

6，邻域加权滤波方程为：

在每一个k×k的邻域中，邻域中心以及邻域坐标u(i，j)，u(i+r，j+v)(r，v∈{-k，0，k}≠(0，0))是坐标(i+r，j+v)的隶属值。定义新隶属矩阵M，则有：

式中：round(*)为四舍五入符号；ave(*)为求平均值符号。

假设隶属度x为所需分割区域，定义图像灰度表示为img(i，j)，构建判定式：M(i，j)＝x，当满足以上判定时，img(i，j)＝0，否则img(i，j)＝255。

步骤S3：根据水域连通性提取湖泊ROI区域。优选地，该步骤进一步包括以下子步骤：第一步，使用形态学算子中“开”操作和“关”操作来降低噪声和分割不同的连通区域。第二步，设定一个面积阈值k，在所有连通区域中查找，小于面积k的连通区域视为干扰因素，删除这些面积小于k的区域可视为ROI，即初始水域区域。

步骤S4：分块策略获得图像切片和拼接切片。优选地，该步骤进一步包括以下子步骤：第一步，估计一个比初始边界与真实边界误差更大的值E，以E为半径，以初始边界为中心，形成一条带状ROI。第二步，使用最小二乘法对初始边界的局部区域进行直线拟合，根据拟合出的直线将ROI分为多个切片。第三步，由于初始边界并非直线，因此切片会出现倾斜，将切片旋转为直立状态，待后续精细分割处理。第四步，分割后获得水陆分割线，将切片旋转回原始姿态，切片与切片之间重合的部分存在误差，采用相邻子区域水陆分割线四舍五入作为最后的水陆分割线。

步骤S5：采用ACM对各个切片提取水陆分割线。具体而言，包括以下子步骤：

1，初始化水平集函数

为：

其中，α₀为常数，τ₀为获得的ROI，δτ₀为τ₀的边界。

2，更新局部均值μ_i(x)和方差

更新函数如下：

其中g为高斯核函数，I表示原始图像，

H为赫维赛德(Heaviside)函数，定义为：

3，水平面演化的偏微分方程为：

其中v为约束闭合轮廓的面积的常数，

e_i(x)定义为：

4，从步骤2开始执行，直到步骤3的演化函数收敛，收敛则停止演化，获得最终水陆分割线，否则返回步骤2继续执行。

为了检验本发明的技术方案，本申请发明人选择我国高分三号卫星拍摄的丹江口水库库区的SAR图像进行了研究，丹江口水库作为亚洲第一大淡水湖和南水北调工程一个重要的水源地，能够进行精确地水陆分割线提取，对库区水量管理以及规划具有重要意义。在检验中，使用的SAR图像的获取日期为2017年4月30日，原始数据为8m标称分辨率，以10m×10m(距离×方位)的采样距离处理后，获得一个分辨率为10943×10432的图像。经过预处理后的SAR图像，图像中像素与地理坐标实现对应。接着，依次得到经过水域粗分割后的结果、经过筛选后的水域ROI、经过精细分割后的水陆分割线。从检测结果的多个区域可以明显看出，经过本方法精细分割后提取到的水陆分割线更接近真实。

由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。

Claims (5)

1.一种利用高分辨率星载SAR图像提取湖泊水陆分割线的方法，其特征在于，包括以下步骤：

步骤一，SAR图像预处理，包括下述子步骤：

采用GTC算法对图像原始数据进行校正；

通过FANS滤波器对SAR图像中的相干斑进行过滤；

基于下式(1)对SAR图像进行对比度拉伸：

P_ij＝α×log₁₀(|P_ij|)，α＝10 (1)；

P_ij表示第i行第j列像素的灰度值；

对SAR图像进行灰度直方图均衡化操作，以提升水域区域与其他区域的对比度；

步骤二，基于邻域加权的模糊C均值粗分割，分割出初始水域轮廓，包括下述子步骤：

压缩原始图像分辨率，以提高粗分割的运算速度；

初始化基本参数，使用FCM算法获得图像的隶属矩阵；

对隶属矩阵进行邻域加权滤波；

根据隶属矩阵对图像进行分割并还原为原始分辨率，获得粗分割结果；

步骤三，根据水域连通性提取湖泊ROI区域；

步骤四，通过分块策略获得图像切片和拼接切片；

步骤五，在图像切片中采用ACM算法提取水陆分割线的拼接切片，然后对水路分割线的拼接切片进行拼接处理，得到湖泊水陆分割线；

分块策略包括以下子步骤：

估计一个比初始边界与真实边界误差更大的值E，以E为半径，以初始边界为中心，形成一条带状ROI；

使用最小二乘法对初始边界的局部区域进行直线拟合，根据拟合出的直线将ROI分为多个图像切片；

将图像切片旋转为直立状态，待后续对图像切片进行精细分割处理；

分割后获得水陆分割线的拼接切片旋转回原始姿态，水陆分割的拼接切片之间重合的部分存在误差，采用相邻子区域水陆分割线四舍五入作为最后的湖泊水陆分割线。

2.根据权利要求1所述的方法，其特征在于，在步骤二中，将原始分辨率压缩为原始分辨的7％。

3.根据权利要求1所述的方法，其特征在于，在步骤二中，邻域加权FCM算法的主要步骤如下：

步骤二一：设定目标函数J_m；

图像含有n个像素集合A＝{a1，a2，…，an}，设置c个聚类中心，V＝{v1，v2，…，vc}；

通过多次迭代使模糊C目标函数不断收敛，完成将n个像素集合划分在c个聚类中；

目标函数J_m为：

式中：

表示第j个像素灰度值与聚类中心vi的欧几里得度量，其表达式为：d_ij＝||v_i-a_j||；m为模糊加权指数且m∈[1，∞)；定义c×n的二维隶属矩阵U，U中元素u_ij表示第j个像素点对应聚类vi的隶属度；

步骤二二：规定约束条件；

式(2)需满足式(3)中约束条件：

步骤二三：定义隶属矩阵求解式；

上式(3)根据拉格朗日乘子法，隶属度求解式(4)，

步骤二四：更新聚类中心方程：

其中v_k表示第k个聚类中心，n代表像素数目；

步骤二五；执行步骤二三和步骤二四，判断迭代次数P是否完成，完成则执行步骤二六，否则返回步骤二三循环操作；

6)邻域加权滤波方程为：

在每一个p×p的邻域中，邻域中心坐标u(i，j)以及邻域坐标u(i+r，j+v)是坐标u(i+r，j+v)的隶属值，其中，(r，v∈{-p，0，p}≠(0，0))；定义新隶属矩阵M，则有：

式中：round(*)为四舍五入符号；ave(*)为求平均值符号；

假设隶属度w为所需分割区域，定义图像灰度表示为img(i，j)，构建判定式：M(i，j)＝w，当满足以上判定时，img(i，j)＝0，否则img(i，j)＝255。

4.根据权利要求3所述的方法，其特征在于，步骤三包括以下子步骤：

使用形态学算子中“开”操作和“关”操作来降低噪声和分割不同的连通区域；

设定一个面积阈值St，在所有连通区域中查找，小于面积St的连通区域视为干扰因素，删除这些面积小于St的区域可视为ROI，即初始水域区域。

5.根据权利要求1所述的方法，其特征在于，步骤五包括以下子步骤：

步骤五一，初始化水平集函数

为

其中α₀为常数，τ₀为获得的ROI，δτ₀为τ₀的边界，x表示输入数据集合中的元素变量；

步骤五二，更新局部均值μ_l(x)和方差

更新函数如下：

其中g为高斯核函数，I表示原始图像，

H为赫维赛德(Heaviside)函数，并定义为：

其中，ρ表示尺度变换因子；

步骤五三，水平面演化的偏微分方程为：

其中v为约束闭合轮廓的面积的常数，

e_l(x)定义为：

从步骤五二开始执行，直到步骤五三的演化函数收敛，收敛则停止演化，获得最终水陆分割线，否则返回步骤五二继续执行。

Images