一种基于水平集分割极化SAR影像的水体精确提取方法技术

本发明专利技术公开了一种基于水平集分割极化SAR影像水体精确提取方法，包括步骤：S1极化SAR影像的预处理；S2基于极化SAR影像的极化总功率，从极化SAR影像中提取弱散射同质区域，完成水体的初步提取；S3基于极化SAR影像的散射熵和协方差矩阵，从弱散射同质区域精确提取水体。本发明专利技术充分考虑了弱散射地物在极化SAR影像中的相似性，采用多尺度水平集分割策略，根据不同分割内容，构建不同的SAR模型，从而定义不同层次的能量函数，通过这种逐步求精的方法，来提高水体提取的有效性和精度。

An accurate extraction method of water body based on level set and polarimetric SAR image

The invention discloses a set segmentation of polarimetric SAR image extraction method based on accurate water level, which comprises the following steps: preprocessing S1 polarization SAR image; the total power of S2 polarization of polarimetric SAR image based on the extraction of weak scattering homogeneous regions from polarimetric SAR image, complete the preliminary water extraction; S3 scattering entropy and the covariance matrix of polarization based on SAR image, from weak scattering of homogeneous regions accurately extract water. The invention fully considers the similarity of weak scattering objects in polarimetric SAR image, using multi-scale level set segmentation according to different segmentation strategies, different content, construct the SAR model, then defines the energy function of different levels, by the method of stepwise refinement, to improve the effectiveness of water extraction and accuracy.

【技术实现步骤摘要】

本专利技术涉及遥感影像处理
，尤其是涉及一种基于水平集分割极化SAR影像的水体精确提取方法。
技术介绍
SAR传感器是利用微波波段进行主动式遥感，具有穿云透雾、全天时工作的能力，从而使得SAR影像可能成为灾害事件中成为唯一可用的数据，并且水体以及建筑区等在SAR影像特征明显，因而可以有效监测洪涝和地震灾害等。但是SAR影像由于是根据地表物体的散射特性进行相干成像，因而对于散射特性类似的地物无法进行精细区分。例如水体与裸土、道路、阴影等同属弱散射地物，散射类型均为奇次散射，在成像中都表现为散射幅度数值小、纹理特征不明显的黑色区域。在洪水灾害发生时，水体能否被精确的提取，对于灾害监测有着重要意义。极化SAR影像不同于传统SAR影像，其能够通过四种不同极化方式对地物进行分别成像，多角度探测地物的散射特性，从而为区分水体与其他弱散射地物提供了可能，利用极化SAR影像进行水体提取是国际上公认的有效方法。但由于弱散射地物的散射特征相似，并且由于相干斑噪声和雷达视数的影响，因而利用极化SAR影像进行水体提取仍然面临着如何充分挖掘有效的散射特征和构造有效模型来描述水体与其他弱散射地物在分布上的差异等挑战。目前基于SAR影像的水体提取方法主要分为基于分类与基于分割的水体提取。基于分类的水体提取方法可分为监督分类和非监督聚类方法，前者通过选取训练样本，利用各种分类器，例如最大似然、神经网络以及支持向量机等进行水体提取。监督分类的方法虽然可以在一定程度上区分水体与其他弱散射地物，但是需要大量地选取图像场景内不同类别的样本，并且分类器训练和参数优化都需要较长的时间，因而存在一定弊端。后者通过图像场景内地物散射特征进行聚类，最常用经典的方法包括H-alpha-Wishart以及H-alpha-A-Wishart聚类，聚类方法可以对地物类别进行大致区分，由于得到该方法根据不同像素点与地物类别中心距离进行判别类别属性，但是弱散射地物和其他地物差异太大，因而会出现水体等和其他弱散射地物分为一类的情况。基于分割的水体提取方法主要利用极化SAR影像的极化通道特征、相干通道特征、极化分解特征以及图像的纹理特征和几何特征等构建水体与其他弱散射地物的差异，进行分割提取。该种方法主要通过分析对比不同特征组合和构建过程中，统计分析水体与其他弱散射地物特征差异，利用差异以及其他辅助数据，例如DEM(数字高程模型)数据以及GIS(地理信息系统)矢量数据等基础地理信息数据进行阈值分割，从而实现水体提取。传统阈值分割算法往往由于对噪声发育和拓扑复杂以及灰度值相近但是类别不同SAR影像失效。一种想法就是能够通过逐步求精的过程首先通过粗分割来提取出弱散射地物区域，然后构建水体与其他弱散射地物判别项进行精细分割，提取水体。基于水平集曲线演化的分割算法能够对拓扑改变区域做出灵活调整，从而能够有效提取图像中的孤立区域。并且该算法允许通过图像特性构建不同的能量函数来驱动水平集函数进行曲线演化，分割图像。同时，由于SAR影像相干噪声的存在，单一尺度下的分割算法无法对具备随机噪声图像进行有效分割，而多尺度分割可以降低噪声对于分割效果的影响。因而可以在多尺度分割的框架下对极化SAR影像中的水体进行基于水平集分割的提取。多尺度是指在粗细不同的尺度中，利用极化SAR影像的全局和局部信息，通过初试零水平集曲线进行迭代演化，在不同尺度中得到分割结果，提取水体等。
技术实现思路
本专利技术的目的是提供一种基于水平集分割极化SAR影像水体精确提取方法。为达到上述目的，本专利技术的技术方案如下：一种基于水平集分割极化SAR影像水体精确提取方法，包括步骤：S1对极化SAR影像进行极化目标分解，提取协方差矩阵C3；对C3进行非相干分解，提取散射熵H；利用C3得到极化SAR影像的极化总功率SPAN；S2从极化SAR影像中提取弱散射同质区域，本步骤具体为：2.1结合混合模型和Gamma模型，基于极化总功率SPAN构建水平集能量泛函，记为第一水平集演化能量函数；2.2基于当前尺度的极化SAR影像，对第一水平集能量泛函的参数进行估计；2.3采用当前尺度的零水平集，利用当前尺度的第一水平集能量泛函进行水平集分割；当前尺度初始化为最粗尺度，最粗尺度的零水平集采用如下方法获得：采用最粗尺度的第一水平集能量泛函对极化SAR影像进行无监督聚类，聚类结果即最粗尺度的零水平集；2.4细化当前尺度，将当前尺度的水平集分割结果反演到细尺度，作为细尺度的零水平集，将细尺度作为当前尺度，执行步骤2.2；2.5重复步骤2.2～2.4直至分割次数达到预设的最大分割次数，执行步骤2.6；2.6对分割结果中的强散射异质区域进行掩膜，获取弱散射同质区域；S3从弱散射同质区域提取水体，本步骤具体为：3.1基于极化SAR影像的散射熵图像，采用KL距离度量弱散射地物在散射熵分布的差异度，结合Weibull分布的概率密度函数和KL距离，得到基于Weibull分布的KL距离；基于极化SAR影像的协方差矩阵图像，分别构建水体弱散射地物和非水体弱散射地物的似然比模型；结合基于Weibull分布的KL距离和似然比模型的水体约束项，构建区别水体弱散射地物和非水体弱散射地物的水平集演化能量函数，记为第二水平集演化能量函数；3.2基于当前尺度的弱散射同质区域，采用极大似然法对第二水平集演化能量函数的参数进行估计；3.3采用当前尺度的OSTU零水平集，利用当前尺度的第二水平集能量泛函进行水平集分割；当前尺度初始化为最粗尺度，最粗尺度的OSTU零水平集采用如下方法获得：最粗尺度下，采用OSUT法对弱散射同质区域的散射熵图像进行分割，分割结果即最粗尺度的零水平集；3.4细化当前尺度，将当前尺度的水平集分割结果反演到细尺度，作为细尺度的OSTU零水平集，将细尺度作为当前尺度，执行步骤3.2；3.5重复步骤3.2～3.4直至当前尺度达到极化SAR影像的原始尺度，执行步骤3.6；3.6对分割结果中的非水体弱散射同质区域进行掩膜，获取水体提取结果。子步骤2.1中，所构建的第一水平集能量泛函F(φ,p1,p2)为：其中：p1和p2分别代表混合模型和Gamma模型的概率密度函数；φ表示水平集函数，H(φ)表示水平集函数的Heaviside函数；表示梯度；x和y分别表示横坐标和纵坐标；k、ν、λ1、λ2为固定系数；Ω表示图像区域。进一步的，第一水平集能量泛函的参数包括雷达视数和图像分割区域的极化总功率均值，雷达视数利用等效视数估计获得，极化总功率均值采用EM法估计获得。进一步的，极化总功率均值采用如下方法获得：2.2a以各像素的像素值为样本，利用最粗尺度的极化SAR影像分别估计各样本由各概率密度函数分支生成的概率；2.2b根据概率估计第m个图像分割区域的极化总功率均值其中，表示第j个样本μ(x)j由第m个概率密度函数分支生成的概率；N表示样本数目；m＝1，2；2.2c重复步骤(a)～(b)，直至迭代次数达到预设的最大迭代次数或前后两次迭代估计的概率值差值小于预设的阈值。步骤3.1中，所构建的第二水平集演化能量函数F(φ)为：其中，φ表示水平集函数，H(φ)表示水平集函数的Heaviside函数；k、ν、λ1、λ2为固定系数；表示梯度；Ω表示图像区域；x和y分别表示本文档来自技高网...

【技术保护点】
一种基于水平集分割极化SAR影像水体精确提取方法，其特征是，包括步骤：S1对极化SAR影像进行极化目标分解，提取协方差矩阵C3；对C3进行非相干分解，提取散射熵H；利用C3得到极化SAR影像的极化总功率SPAN；S2从极化SAR影像中提取弱散射同质区域，本步骤具体为：2.1结合混合模型和Gamma模型，基于极化总功率SPAN构建水平集能量泛函，记为第一水平集演化能量函数；2.2基于当前尺度的极化SAR影像，对第一水平集能量泛函的参数进行估计；2.3采用当前尺度的零水平集，利用当前尺度的第一水平集能量泛函进行水平集分割；当前尺度初始化为最粗尺度，最粗尺度的零水平集采用如下方法获得：采用最粗尺度的第一水平集能量泛函对极化SAR影像进行无监督聚类，聚类结果即最粗尺度的零水平集；2.4细化当前尺度，将当前尺度的水平集分割结果反演到细尺度，作为细尺度的零水平集，将细尺度作为当前尺度，执行步骤2.2；2.5重复步骤2.2～2.4直至分割次数达到预设的最大分割次数，执行步骤2.6；2.6对分割结果中的强散射异质区域进行掩膜，获取弱散射同质区域；S3从弱散射同质区域提取水体，本步骤具体为：3.1基于极化SAR影像的散射熵图像，采用KL距离度量弱散射地物在散射熵分布的差异度，结合Weibull分布的概率密度函数和KL距离，得到基于Weibull分布的KL距离；基于极化SAR影像的协方差矩阵图像，分别构建水体弱散射地物和非水体弱散射地物的似然比模型；结合基于Weibull分布的KL距离和似然比模型的水体约束项，构建区别水体弱散射地物和非水体弱散射地物的水平集演化能量函数，记为第二水平集演化能量函数；3.2基于当前尺度的弱散射同质区域，采用极大似然法对第二水平集演化能量函数的参数进行估计；3.3采用当前尺度的OSTU零水平集，利用当前尺度的第二水平集能量泛函进行水平集分割；当前尺度初始化为最粗尺度，最粗尺度的OSTU零水平集采用如下方法获得：最粗尺度下，采用OSUT法对弱散射同质区域的散射熵图像进行分割，分割结果即最粗尺度的零水平集；3.4细化当前尺度，将当前尺度的水平集分割结果反演到细尺度，作为细尺度的OSTU零水平集，将细尺度作为当前尺度，执行步骤3.2；3.5重复步骤3.2～3.4直至当前尺度达到极化SAR影像的原始尺度，执行步骤3.6；3.6对分割结果中的非水体弱散射同质区域进行掩膜，获取水体提取结果。...

【技术特征摘要】
1.一种基于水平集分割极化SAR影像水体精确提取方法，其特征是，包括步骤：S1对极化SAR影像进行极化目标分解，提取协方差矩阵C3；对C3进行非相干分解，提取散射熵H；利用C3得到极化SAR影像的极化总功率SPAN；S2从极化SAR影像中提取弱散射同质区域，本步骤具体为：2.1结合混合模型和Gamma模型，基于极化总功率SPAN构建水平集能量泛函，记为第一水平集演化能量函数；2.2基于当前尺度的极化SAR影像，对第一水平集能量泛函的参数进行估计；2.3采用当前尺度的零水平集，利用当前尺度的第一水平集能量泛函进行水平集分割；当前尺度初始化为最粗尺度，最粗尺度的零水平集采用如下方法获得：采用最粗尺度的第一水平集能量泛函对极化SAR影像进行无监督聚类，聚类结果即最粗尺度的零水平集；2.4细化当前尺度，将当前尺度的水平集分割结果反演到细尺度，作为细尺度的零水平集，将细尺度作为当前尺度，执行步骤2.2；2.5重复步骤2.2～2.4直至分割次数达到预设的最大分割次数，执行步骤2.6；2.6对分割结果中的强散射异质区域进行掩膜，获取弱散射同质区域；S3从弱散射同质区域提取水体，本步骤具体为：3.1基于极化SAR影像的散射熵图像，采用KL距离度量弱散射地物在散射熵分布的差异度，结合Weibull分布的概率密度函数和KL距离，得到基于Weibull分布的KL距离；基于极化SAR影像的协方差矩阵图像，分别构建水体弱散射地物和非水体弱散射地物的似然比模型；结合基于Weibull分布的KL距离和似然比模型的水体约束项，构建区别水体弱散射地物和非水体弱散射地物的水平集演化能量函数，记为第二水平集演化能量函数；3.2基于当前尺度的弱散射同质区域，采用极大似然法对第二水平集演化能量函数的参数进行估计；3.3采用当前尺度的OSTU零水平集，利用当前尺度的第二水平集能量泛函进行水平集分割；当前尺度初始化为最粗尺度，最粗尺度的OSTU零水平集采用如下方法获得：最粗尺度下，采用OSUT法对弱散射同质区域的散射熵图像进行分割，分割结果即最粗尺度的零水平集；3.4细化当前尺度，将当前尺度的水平集分割结果反演到细尺度，作为细尺度的OSTU零水平集，将细尺度作为当前尺度，执行步骤3.2；3.5重复步骤3.2～3.4直至当前尺度达到极化SAR影像的原始尺度，执行步骤3.6；3.6对分割结果中的非水体弱散射同质区域进行掩膜，获取水体提取结果。2.如权利要求1所述的基于水平集分割极化SAR影像水体精确提取方法，其特征是：子步骤2.1中，所构建的第一水平集能量泛函F(φ,p1,p2)为：F(φ,p1,p2)=k∫Ω▿H(φ)dxdy+v∫ΩH(φ)dxdy+λ1∫ΩH(φ)log(p1)dxdy+λ2∫Ω(1-H(φ))log(p2)dxdy]]>其中：p1和p2分别代表混合模型和Gamma模型的概率密度函数；φ表示水平集函数，H(φ)表示水平集函数的Heaviside函数；▽表示梯度；x和y分别表示横坐标和纵坐标；k、ν、λ1、λ2为固定系数；Ω表示图像区域。3.如权利要求1所述的基于水平集分割极化SAR影像水体精确提取方法，其特征是：所述的第一水平集能量泛函的参数包括雷达视数和图像分割区域的极化总功率均值，雷达视数利用等效视数估计获得，极化总功率均值采用EM法估计获得。4.如权利要求3所述的基于水平集分割极化SAR影像水...

【专利技术属性】
技术研发人员：眭海刚，安凯强，徐川，刘俊怡，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42