CN110688923A - 一种基于哨兵1a sar数据的城市内涝风险区提取方法 - Google Patents

一种基于哨兵1a sar数据的城市内涝风险区提取方法 Download PDF

Info

Publication number
CN110688923A
CN110688923A CN201910885346.7A CN201910885346A CN110688923A CN 110688923 A CN110688923 A CN 110688923A CN 201910885346 A CN201910885346 A CN 201910885346A CN 110688923 A CN110688923 A CN 110688923A
Authority
CN
China
Prior art keywords
sar
sentinel
risk area
image
urban waterlogging
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.)
Pending
Application number
CN201910885346.7A
Other languages
English (en)
Inventor
郑长利
张薇
丁庆
王晓霞
罗京辉
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.)
CETC 2 Research Institute
Southwest China Research Institute Electronic Equipment
Original Assignee
CETC 2 Research Institute
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 CETC 2 Research Institute filed Critical CETC 2 Research Institute
Priority to CN201910885346.7A priority Critical patent/CN110688923A/zh
Publication of CN110688923A publication Critical patent/CN110688923A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于哨兵1A SAR数据的城市内涝风险区提取方法，涉及遥感影像处理领域：该方法包括待处理的SAR影像和以下步骤：步骤1：输入所述待处理的SAR影像；步骤2：对SAR影像进行预处理，得到后向散射系数；步骤3：对灾前灾后时相的SAR影像进行配准，获取后向散射系数差值影像；步骤4：对后向散射系数差值影像进行阈值分割，得到差异结果；步骤5：将差异结果中的伪变化区剔除，得到城市内涝区结果；步骤6：得到城市内涝风险区结果；本发明利用内涝发生前后SAR影像中城区地物后向散射特性改变的原理，对城市内涝风险区进行提取，克服了传统方法无法在恶劣天气使用的缺陷，具有更广泛的适用性。

Description

一种基于哨兵1A SAR数据的城市内涝风险区提取方法
技术领域
本发明涉及遥感影像处理领域，具体涉及一种基于哨兵1A SAR数据的城市内涝风险区提取方法。
背景技术
现有的城市内涝灾害范围提取方法大多基于光学影像来进行的。首先将灾前灾后时相的光学影像进行配准，然后利用地物的光谱特性从遥感影像中人工判读或利用分类器提取城市内涝区域。但在洪涝灾害发生时段，天气条件恶劣，云雨雾极容易影像光学传感器成像质量，使获取到的影像无效化，使得传统方法应用局限极大。
发明内容
本发明所要解决的技术问题是：提供一种用于城市内涝风险区提取的方法。该方法利用内涝发生前后哨兵1ASAR影像中城区地物后向散射特性改变的原理，对城市内涝风险区进行提取，克服了传统方法无法在恶劣天气使用的缺陷，具有更广泛的适用性。
本发明提供了一种基于哨兵1A SAR数据的城市内涝风险区提取方法，该方法包括待处理的SAR影像和以下步骤：
步骤1：输入所述待处理的SAR影像；
步骤2：对SAR影像进行预处理，得到后向散射系数；
步骤3：对灾前灾后时相的SAR影像进行配准，获取后向散射系数差值影像；
步骤4：对后向散射系数差值影像进行阈值分割，得到差异结果；
步骤5：将差异结果中的伪变化区剔除，得到城市内涝区结果；
步骤6：从城市内涝区结果中获取城市内涝风险区结果。
更进一步的，所述步骤2中对SAR影像进行预处理的方法包括利用相应软件对SAR影像中的IW HH波段数据进行热噪声去除、辐射校正、滤波和归一化后向散射系数，以去除不同像元局部入射角造成的较大雷达后向散射系数差异。其中，哨兵1为卫星名字，相应软件具体指欧空局软件snap中的哨兵1工具箱，IW指一种工作模式，HH指一种极化状态。
其中，所述滤波方法采用Refined Lee滤波，所述归一化后向散射系数采用局部入射角归一化的方法来实现。
更进一步的，所述步骤4中对后向散射系数差值影像进行阈值分割的方法为：提取|Δδ|>T的影像；
其中，T为分割阈值，根据实际需要的精度设置，Δδ＝δ灾后-δ灾前，δ代表像素，差异结果中有正也有负。
更进一步的，所述步骤5中剔除伪变化区具体指对差异结果中造成虚警的因数进行交互剔除。所述造成虚警的因数包括差异结果中的斑点噪声、Δδ正负紧随出现的区域、分离的点、离散的点和孤立的点，以减小结果中的虚警率，使得到的内涝风险结果更符合实际。其中，交互剔除具体指既使用人工又使用机器对造成虚警的因数进行剔除
本发明通过对SAR影像进行预处理，得到灾前和灾后的差异结果，并对该差异结果中造成虚警的因素进行剔除，以得到更加准确的城市内涝区结果，从得到的城市内涝区结果中获取城市的内涝风险结果，通过采用以上的技术方案，本发明的有益效果是：能实现恶劣天气条件下，城市内涝风险区的快速提取，对应急减灾有重要意义。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1为本发明城市内涝风险区提取的处理流程图。
具体实施方式
本说明书中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
为实现本发明的目标，所采用的技术方案是包括以下步骤：
如图1所示，步骤一：输入待处理的哨兵1A SAR影像。
步骤2：对SAR影像进行预处理。利用欧空局软件snap中的哨兵1工具箱对哨兵1号IW HH波段数据进行热噪声去除、辐射校正、滤波、归一化后向散射系数等预处理，得到后向散射系数。
步骤3：多时相配准后获取差值影像。对灾前灾后时相的SAR影像进行配准，并获取后向散射系数差值影像。
步骤4：差值影像阈值分割，得到差异结果。对后向散射系数差值影像进行阈值分割。
步骤5：差异结果后处理。将阈值分割结果中的伪变化区剔除，得到城市内涝区结果。
步骤6：从城市内涝区结果中获取城市内涝风险区结果。
在步骤2中，滤波方法采用Refined Lee滤波，窗口大小设置为5×5。归一化后向散射系数采用局部入射角归一化的方法来实现，目的是去除不同像元局部入射角造成的较大雷达后向散射系数差异。
在步骤3中，差值影像反映的是在时相变化的时间区间内，研究区域总体的地物后向散射变化情况。通常受相干斑噪声及成像时随机环境条件等因素的影响，差值影像中不仅有真实变化的区域，还包含受干扰条件伪变化的区域。
在步骤4中，差值影像阈值分割具体指，提取|Δδ|>T，生成差异结果。其中，T为分割阈值，根据实际需要的精度设置，Δδ＝δ灾后-δ灾前代表灾前灾后像素差，δ代表像素，差异结果中有正也有负。
在步骤5中，将阈值分割结果中的伪变化区剔除具体指，对差异结果中存在的斑点噪声及其他因素影响造成的虚警进行交互剔除。在差异结果中，若正负区域紧随出现，则通常是不同时相传感器入射角差异造成的虚警，需要被剔除；分离、离散和孤立的点通常是相干斑噪声造成的虚警，也需要被剔除。
以上所述的具体实施例，仅是对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实例而已，但并不仅限于本实例，凡在本发明的精神和原则之内，所做的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于哨兵1A SAR数据的城市内涝风险区提取方法，包括待处理的SAR影像，其特征在于：该方法包括以下步骤：
步骤1：输入所述待处理的SAR影像；
步骤2：对SAR影像进行预处理，得到后向散射系数；
步骤3：对灾前灾后时相的SAR影像进行配准，获取后向散射系数差值影像；
步骤4：对后向散射系数差值影像进行阈值分割，得到差异结果；
步骤5：将差异结果中的伪变化区剔除，得到城市内涝区结果；
步骤6：从城市内涝区结果中获取城市内涝风险区结果。
2.根据权利要求1所述的基于哨兵1A SAR数据的城市内涝风险区提取方法，其特征在于：所述步骤2中对SAR影像进行预处理的方法包括利用相应软件对SAR影像中的IW HH波段数据进行热噪声去除、辐射校正、滤波和归一化后向散射系数。
3.根据权利要求2所述的基于哨兵1A SAR数据的城市内涝风险区提取方法，其特征在于：所述滤波的方法采用Refined Lee滤波。
4.根据权利要求2所述的基于哨兵1A SAR数据的城市内涝风险区提取方法，其特征在于：所述归一化后向散射系数采用局部入射角归一化的方法来实现。
5.根据权利要求1所述的基于哨兵1A SAR数据的城市内涝风险区提取方法，其特征在于：所述步骤4中对后向散射系数差值影像进行阈值分割的方法为：提取|Δδ|＞T的影像；
其中，T为分割阈值，Δδ＝δ灾后-δ灾前，δ代表像素。
6.根据权利要求1所述的基于哨兵1A SAR数据的城市内涝风险区提取方法，其特征在于：所述步骤5中剔除伪变化区具体指对差异结果中造成虚警的因数进行交互剔除。
7.根据权利要求6所述的基于哨兵1A SAR数据的城市内涝风险区提取方法，其特征在于：所述造成虚警的因数包括差异结果中的斑点噪声、Δδ正负紧随出现的区域、分离的点、离散的点和孤立的点。
CN201910885346.7A 2019-09-19 2019-09-19 一种基于哨兵1a sar数据的城市内涝风险区提取方法 Pending CN110688923A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910885346.7A CN110688923A (zh) 2019-09-19 2019-09-19 一种基于哨兵1a sar数据的城市内涝风险区提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910885346.7A CN110688923A (zh) 2019-09-19 2019-09-19 一种基于哨兵1a sar数据的城市内涝风险区提取方法

Publications (1)

Publication Number Publication Date
CN110688923A true CN110688923A (zh) 2020-01-14

Family

ID=69109567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910885346.7A Pending CN110688923A (zh) 2019-09-19 2019-09-19 一种基于哨兵1a sar数据的城市内涝风险区提取方法

Country Status (1)

Country Link
CN (1) CN110688923A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111368716A (zh) * 2020-02-28 2020-07-03 重庆市规划和自然资源调查监测院 一种基于多源时空数据的地质灾害灾毁耕地提取方法
CN112070001A (zh) * 2020-09-07 2020-12-11 北京航空航天大学 一种基于星载合成孔径雷达的洪水区域提取方法及系统
CN114627148A (zh) * 2021-07-05 2022-06-14 广东省科学院广州地理研究所 一种基于微波遥感的海岸带养殖水体对象提取方法及装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1760888A (zh) * 2005-11-03 2006-04-19 复旦大学 利用星载sar多时相图像识别地表变化的方法
CN102842130A (zh) * 2012-07-04 2012-12-26 贵州师范大学 由合成孔径雷达图像中检测建筑和提取数目信息的方法
CN103440490A (zh) * 2013-09-16 2013-12-11 南京大学 Sar影像时空相似性分析下的城市不透水面提取方法
CN103942803A (zh) * 2014-05-05 2014-07-23 北京理工大学 基于sar图像的水域自动检测方法
CN105930772A (zh) * 2016-04-13 2016-09-07 武汉大学 基于sar影像与光学遥感影像融合的城市不透水面提取方法
CN106650812A (zh) * 2016-12-27 2017-05-10 辽宁工程技术大学 一种卫星遥感影像的城市水体提取方法
CN107230214A (zh) * 2017-05-27 2017-10-03 西安电子科技大学 基于递归otsu算法的sar图像水域自动检测方法
CN107689051A (zh) * 2017-09-08 2018-02-13 浙江环球星云遥感科技有限公司 一种基于变化因子的多时相sar影像变化检测方法
CN108447045A (zh) * 2018-02-02 2018-08-24 北京理工雷科电子信息技术有限公司 一种基于sat积分图的sar遥感图像水域检测方法
CN109405809A (zh) * 2018-10-24 2019-03-01 中国电力科学研究院有限公司 一种变电站洪水水深检测方法与系统
CN109886941A (zh) * 2019-01-31 2019-06-14 天津大学 基于fpga的sar洪水影像变化检测方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1760888A (zh) * 2005-11-03 2006-04-19 复旦大学 利用星载sar多时相图像识别地表变化的方法
CN102842130A (zh) * 2012-07-04 2012-12-26 贵州师范大学 由合成孔径雷达图像中检测建筑和提取数目信息的方法
CN103440490A (zh) * 2013-09-16 2013-12-11 南京大学 Sar影像时空相似性分析下的城市不透水面提取方法
CN103942803A (zh) * 2014-05-05 2014-07-23 北京理工大学 基于sar图像的水域自动检测方法
CN105930772A (zh) * 2016-04-13 2016-09-07 武汉大学 基于sar影像与光学遥感影像融合的城市不透水面提取方法
CN106650812A (zh) * 2016-12-27 2017-05-10 辽宁工程技术大学 一种卫星遥感影像的城市水体提取方法
CN107230214A (zh) * 2017-05-27 2017-10-03 西安电子科技大学 基于递归otsu算法的sar图像水域自动检测方法
CN107689051A (zh) * 2017-09-08 2018-02-13 浙江环球星云遥感科技有限公司 一种基于变化因子的多时相sar影像变化检测方法
CN108447045A (zh) * 2018-02-02 2018-08-24 北京理工雷科电子信息技术有限公司 一种基于sat积分图的sar遥感图像水域检测方法
CN109405809A (zh) * 2018-10-24 2019-03-01 中国电力科学研究院有限公司 一种变电站洪水水深检测方法与系统
CN109886941A (zh) * 2019-01-31 2019-06-14 天津大学 基于fpga的sar洪水影像变化检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
孙中平: "基于高分影像的面向对象土地利用变化检测方法研究", 《农业机械学报》 *
曾玲方: "基于Sentinel-1卫星SAR数据的洪水淹没范围快速提取", 《地理信息世界》 *
杨沈斌: "基于多时相多极化差值图的稻田识别研究", 《遥感学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111368716A (zh) * 2020-02-28 2020-07-03 重庆市规划和自然资源调查监测院 一种基于多源时空数据的地质灾害灾毁耕地提取方法
CN112070001A (zh) * 2020-09-07 2020-12-11 北京航空航天大学 一种基于星载合成孔径雷达的洪水区域提取方法及系统
CN114627148A (zh) * 2021-07-05 2022-06-14 广东省科学院广州地理研究所 一种基于微波遥感的海岸带养殖水体对象提取方法及装置
CN114627148B (zh) * 2021-07-05 2024-01-02 广东省科学院广州地理研究所 一种基于微波遥感的海岸带养殖水体对象提取方法及装置

Similar Documents

Publication Publication Date Title
CN110688923A (zh) 一种基于哨兵1a sar数据的城市内涝风险区提取方法
Tolt et al. A shadow detection method for remote sensing images using VHR hyperspectral and LIDAR data
Gershikov et al. Horizon line detection in marine images: which method to choose?
CN109214439B (zh) 一种基于多特征融合的红外图像结冰河流检测方法
CN104063882B (zh) 一种基于双目的车辆视频测速方法
CN107492076B (zh) 一种高速公路隧道场景车辆阴影干扰抑制方法
CN102663385B (zh) 一种星上点目标检测方法
EP3359978B1 (fr) Methode de traitement d'une image radar de type sar et methode de detection de cible associee
CN109978797B (zh) 基于暗通道噪声模板的主动式像素传感器星图去噪方法
CN108830808B (zh) 基于相似线窗口均值补偿的星上红外图像条纹噪声去除方法
Solanky et al. Pixel-level image fusion techniques in remote sensing: a review
CN111310771B (zh) 遥感影像的道路图像提取方法、装置、设备及存储介质
CN111563457A (zh) 一种无人驾驶汽车的道路场景分割方法
CN112419198B (zh) 一种用于sar干涉图滤波的非局部均值定权方法
CN116704369A (zh) 一种面向对象的光学与sar遥感影像融合洪水提取方法和系统
Tian et al. Multitemporal 3D change detection in urban areas using stereo information from different sensors
CN111144246B (zh) 利用多时相sar影像和光学辅助信息的道路提取方法
Schmitt et al. Adaptive multilooking of airborne Ka-band multi-baseline InSAR data of urban areas
Bralet et al. Deep learning of radiometrical and geometrical SAR distorsions for image modality translations
Garzelli et al. Large-scale monitoring of new built-up areas from joint use of Sentinel-1/2 images
Ren et al. Unsupervised image change detection based on ground-based imaging radar
Xiang et al. A modified joint trilateral filter based depth map refinement method
Iglesias et al. Towards Unsupervised Flood Mapping Generation Using Automatic Thresholding and Classification Aproaches
CN117423010B (zh) 一种基于遥感数据的河湖划界识别监测方法
CN114994677B (zh) 一种基于sar影像的冰川分类方法及系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200114

RJ01 Rejection of invention patent application after publication