一種對象級高分辨率sar影像洪水災(zāi)害變化檢測方法
【專利摘要】本發(fā)明公開一種對象級高分辨率SAR影像洪水災(zāi)害變化檢測方法，針對SAR影像中可能存在的與水體區(qū)域具有相似幾何特征及波譜特征的虛假目標(biāo)，造成大量的“偽變化”給洪水災(zāi)害變化檢測造成的困難與干擾。因此，對每個(gè)時(shí)相影像進(jìn)行輪廓波變換。在保持圖像邊緣特性的同時(shí)壓制圖像噪聲，同時(shí)通過簡單的樣本訓(xùn)練選擇最佳分解尺度，并在該尺度上通過分塊直方圖統(tǒng)計(jì)快速獲取水體可能存在區(qū)域的標(biāo)記點(diǎn)位置。進(jìn)而采用基于標(biāo)記點(diǎn)的分水嶺分割以及區(qū)域合并策略獲得水體的輪廓信息，并利用基于多種特征的判別規(guī)則進(jìn)一步消除虛假目標(biāo)的干擾。最后，根據(jù)配準(zhǔn)結(jié)果直接比較多時(shí)相影像中所提取的水體輪廓，獲得水體發(fā)生變化的區(qū)域。
【專利說明】-種對象級高分辨率SAR影像洪水災(zāi)害變化檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種對象級高分辨率SAR影像洪水災(zāi)害變化檢測方法，屬于高分辨 SAR影像洪水災(zāi)害變化檢測【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 洪水災(zāi)害是指由于降水導(dǎo)致的山洪爆發(fā)、堤壩潰壩、農(nóng)田淹沒、房屋損毀等現(xiàn)象， 是目前世界上危害最為嚴(yán)重的自然災(zāi)害之一。遙感影像由于具有時(shí)效性強(qiáng)、覆蓋范圍廣泛 等優(yōu)點(diǎn)，目前已成為了洪水災(zāi)害監(jiān)測與評估的重要手段。由于水體對于014?215Lm范圍 內(nèi)的電磁波吸收率明顯高于其他地物，因此水體通常表現(xiàn)為面狀連續(xù)分布且整體亮度較低 的成片區(qū)域，這也是利用遙感影像進(jìn)行洪水災(zāi)害變化檢測的基礎(chǔ)。
[0003] 目前全球用于洪水災(zāi)害監(jiān)測的衛(wèi)星主要包括美國陸地資源衛(wèi)星Landsat TiUi 國SPOT系列資源衛(wèi)星等光學(xué)遙感衛(wèi)星，以及加拿大Radarsat SAR雷達(dá)衛(wèi)星等。例如2012 年巴拉圭利用空間分辨率為10米的SPOT 5衛(wèi)星對洪水進(jìn)行了監(jiān)測，我國利用ERS - 1/2 和Radarsat影像監(jiān)測了 1998年發(fā)生在長江和嫩江流域的洪災(zāi)等。但是，由于傳統(tǒng)資源衛(wèi) 星的軌道周期較長，因此難以獲得動態(tài)的洪災(zāi)信息，時(shí)效性較差。同時(shí)，光學(xué)衛(wèi)星對難以穿 透云層的遮擋，在雨季很難獲得可靠且清晰的可用影像。而合成孔徑雷達(dá)SAR(Synthetic Aperture Radar)具有全天候、全天時(shí)成像、能夠穿透云層、幾何分辨率與傳感器的波長和 高度無關(guān)等特性，從而能夠有效揭示地面?zhèn)窝b及地貌結(jié)構(gòu)，因此在洪水災(zāi)害監(jiān)測中受到了 高度重視。
[0004] 近年來隨著SAR影像空間分辨的不斷提高（如分辨率為3m的意大利高分辨率雷 達(dá)衛(wèi)星COSMO-SkyMed SAR影像等），為高分辨率SAR影像洪水災(zāi)害變化檢測帶來了新的機(jī) 遇，同時(shí)也帶來了新的挑戰(zhàn)：空間分辨的提高使SAR影像中的地物紋理特征更為精細(xì)，層次 更為豐富，但SAR影像固有的干斑噪聲以及大量以純象元形式出現(xiàn)的如小金屬、小目標(biāo)等 噪聲造成的干擾也更加明顯，因此需要有效的濾波方法進(jìn)行去噪，同時(shí)能夠保持圖像細(xì)節(jié) 的特征；影像中與水體區(qū)域具有相似幾何特征及波譜特征的虛假目標(biāo)可能造成大量的"偽 變化"；如何在背景復(fù)雜的場景中準(zhǔn)確定位水體區(qū)域并準(zhǔn)確提取水體的輪廓是變化檢測成 功的關(guān)鍵因素。
[0005] 針對洪災(zāi)前后水體區(qū)域這一特定目標(biāo)的變化檢測，可首先對多時(shí)相影像單獨(dú)進(jìn)行 分割，進(jìn)而判斷發(fā)生變化的區(qū)域，再通過分類提取出變化對象中屬于水體的區(qū)域，從而獲得 最終檢測結(jié)果。但這種方法在不會將水體區(qū)域作為一個(gè)獨(dú)立的對象進(jìn)行分析，因而在變化 檢測中忽略了水體區(qū)域獨(dú)有的形狀、光譜、面積等特征，難以獲得可靠的水體區(qū)域變化檢測 結(jié)果。同時(shí)，變化檢測產(chǎn)生的誤差積累也會對分類精度造成影響。而在單一時(shí)相影像中先 將水體提取作為獨(dú)立的對象進(jìn)行提取，再比較多時(shí)相影像間發(fā)生變化的水體區(qū)域，則能很 好的避免這些問題和局限。由于變化檢測的目的僅關(guān)注水體變化信息，因此分類問題可轉(zhuǎn) 化為如何準(zhǔn)確提取影像中的水體區(qū)域這一關(guān)鍵問題。最后，只需根據(jù)配準(zhǔn)結(jié)果直接比較多 時(shí)相影像中提取的水體區(qū)域即可獲得最終變化檢測結(jié)果。因而準(zhǔn)確提取高分辨率SAR影像 中的水體輪廓、消除虛假目標(biāo)造成的干擾是保證檢測精度的關(guān)鍵因素。
[0006] 針對高分辨率SAR影像水體提取及變化檢測問題，學(xué)者們已開展了一些研究工 作。目前主流的SAR影像水體檢測方法主要分為三類：第一種是基于傳統(tǒng)邊緣檢測的水 體提取方法。如朱俊杰等采用塊追蹤算法初步確定水體邊緣所在區(qū)域，進(jìn)而采用活動輪廓 (Snake)模型進(jìn)一步精確定位水體邊緣。但這種方法對噪聲的魯棒性較差，也容易受到虛假 目標(biāo)的干擾。第二種方法通常直接通過閾值法對圖像進(jìn)行二值化分割，從而獲得水體及非 水體區(qū)域。如戴光照等根據(jù)影像的灰度直方圖采用閾值分割的方法實(shí)現(xiàn)了水體的提取。李 金基等進(jìn)一步提出首先對差值影像和對數(shù)比圖像進(jìn)行融合，進(jìn)而采用一種基于T-分布模 型改進(jìn)的KI閾值法對融合影像進(jìn)行分割，從而獲得洪水災(zāi)害變化檢測結(jié)果。這種方法原理 簡單，易于實(shí)現(xiàn)，但基于閾值的影像分割對高分辨率SAR影像中的細(xì)節(jié)信息不敏感，因而難 以準(zhǔn)確定位水體的邊緣。第三種是基于支持向量機(jī)（SVM，Support Vector Machine)等分 類器的檢測方法。如程明躍等通過模糊加權(quán)支持向量機(jī)對樣本圖像的紋理進(jìn)行訓(xùn)練，獲得 判別水體的決策函數(shù)，進(jìn)而檢測出SAR圖像的水體區(qū)域，但這種基于分類器的檢測算法復(fù) 雜度較高，且樣本獲取的代價(jià)較大。


【發(fā)明內(nèi)容】

[0007] 發(fā)明目的：針對現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供一種對象級高分辨率SAR 影像洪水災(zāi)害變化檢測方法。針對SAR影像中可能存在的與水體區(qū)域具有相似幾何特 征及波譜特征的虛假目標(biāo)可能造成大量的"偽變化"。因此，對每個(gè)時(shí)相影像進(jìn)行輪廓波 (Countourlet)變換。在保持圖像邊緣特性的同時(shí)壓制圖像噪聲，同時(shí)通過簡單的樣本訓(xùn)練 選擇最佳分解尺度，并在該尺度上通過分塊直方圖統(tǒng)計(jì)快速獲取水體可能存在區(qū)域的標(biāo)記 點(diǎn)位置。進(jìn)而采用基于標(biāo)記點(diǎn)的分水嶺分割以及區(qū)域合并策略獲得水體的輪廓信息，并利 用基于多種特征的判別規(guī)則進(jìn)一步消除虛假目標(biāo)的干擾。最后，根據(jù)配準(zhǔn)結(jié)果直接比較多 時(shí)相影像中所提取的水體輪廓，獲得水體發(fā)生變化的區(qū)域。
[0008] 技術(shù)方案：一種對象級高分辨率SAR影像洪水災(zāi)害變化檢測方法，主要由幾何配 準(zhǔn)、基于輪廓波變換的噪聲抑制及標(biāo)記點(diǎn)提取、基于標(biāo)記點(diǎn)的分水嶺分割及區(qū)域合并、虛假 目標(biāo)消除及變化檢測組成。
[0009] 其中圖像配準(zhǔn)采用美國ITT視覺解決方案（Visual Information Solutions)的 ENVI軟件；
[0010] 輪廓波變換主要包括兩個(gè)步驟：
[0011] Stepl :采用多尺度拉普拉斯金字塔分解影像，捕捉影像中的奇異點(diǎn)信息。
[0012] LP分解是多尺度分析方法，每次分解過程都首先采用低通濾波器對上一尺度進(jìn)行 濾波，進(jìn)而進(jìn)行下采樣獲得當(dāng)前尺度的低頻影像。對當(dāng)前尺度低頻影像做上采樣操作，并 進(jìn)一步利用低通濾波進(jìn)行平滑，最后與上一尺度低頻影像相減可獲得當(dāng)前尺度下的高頻影 像。因此，LP分解沒有對高頻影像的方向進(jìn)行劃分，從而利于后續(xù)采用方向?yàn)V波器進(jìn)一步 提取高頻分量的方向信息。
[0013] Step2 :采用方向?yàn)V波器組（DFB，Directional Filter Bank)對高頻影像進(jìn)行方向 濾波。方向?yàn)V波器能夠?qū)⒛骋环较蛏喜贿B續(xù)的點(diǎn)連接起來構(gòu)成輪廓段，從而利用這種基結(jié) 構(gòu)來逼近原始影像；
[0014] 針對SAR影像中固有的相干斑噪聲，首先采用輪廓波變換對配準(zhǔn)后的多時(shí)相SAR 影像進(jìn)行多尺度去噪。在輪廓波分解后的影像中，噪聲對應(yīng)較小的輪廓波系數(shù)，因此通常采 用硬閾值方法對噪聲加以區(qū)分。采用如下多尺度策略：
[0015] St印1 :若原始影像尺寸為NXN像素，定義影像中像素的灰度值為= 1，2, 3. ... N)。定義分解層數(shù)M，進(jìn)行方向?yàn)?M的輪廓波變換。
[0016] St印2:利用公式（1)對分解后第m(m= 1，2··· M)層的系數(shù)的方差δ 2 (m)進(jìn)行估 計(jì)，如下所示：

【權(quán)利要求】
1. 一種對象級高分辨率SAR影像洪水災(zāi)害變化檢測方法，其特征在于，主要由幾何配 準(zhǔn)、基于輪廓波變換的噪聲抑制及標(biāo)記點(diǎn)提取、基于標(biāo)記點(diǎn)的分水嶺分割及區(qū)域合并、虛假 目標(biāo)消除及變化檢測組成； 其中圖像配準(zhǔn)采用美國ITT視覺解決方案的ENVI軟件； 輪廓波變換主要包括兩個(gè)步驟： Stepl :采用多尺度拉普拉斯金字塔分解影像，捕捉影像中的奇異點(diǎn)信息； 每次分解過程都首先采用低通濾波器對上一尺度進(jìn)行濾波，進(jìn)而進(jìn)行下采樣獲得當(dāng)前 尺度的低頻影像；對當(dāng)前尺度低頻影像做上采樣操作，并進(jìn)一步利用低通濾波進(jìn)行平滑，最 后與上一尺度低頻影像相減可獲得當(dāng)前尺度下的高頻影像； Step2 :采用方向?yàn)V波器組對高頻影像進(jìn)行方向?yàn)V波； 針對SAR影像中固有的相干斑噪聲，首先采用輪廓波變換對配準(zhǔn)后的多時(shí)相SAR影像 進(jìn)行多尺度去噪；在輪廓波分解后的影像中，噪聲對應(yīng)較小的輪廓波系數(shù)，采用硬閾值方法 對噪聲加以區(qū)分；采用如下多尺度策略： Stepl :若原始影像尺寸為NXN像素，定義影像中像素的灰度值為4」(i, j = 1，2, 3. . . . N)。定義分解層數(shù)M，進(jìn)行方向?yàn)?M的輪廓波變換； St印2:利用公式（1)對分解后第m(m= 1，2... M)層的系數(shù)的方差S2(m)進(jìn)行估計(jì)， 如下所示：
其中，L (m)為第m層分解系數(shù)的數(shù)量； Step4 :采用硬閾值方法對不同方向、不同子帶的系數(shù)進(jìn)行處理； Step5 :進(jìn)行輪廓波反變換，獲得去噪影像； 最佳輪廓波分解尺度選擇： 通過計(jì)算所選取水體樣本的局部方差均值，選擇均值最小的尺度為最佳分解尺度，并 認(rèn)為在此尺度下水體內(nèi)部的均質(zhì)度最高，因此僅在此尺度下搜索可能存在水體的區(qū)域，并 提取標(biāo)記點(diǎn)；最佳輪廓波分解尺度選擇過程如下： 在圖像去噪中，進(jìn)行M層輪廓波變換后，每層取K = 2M個(gè)方向，則對圖像分解得到MXK 個(gè)高頻子帶的輪廓波系數(shù)Wm，k，k= 1，2, 3，... K表示其對應(yīng)的高頻子帶；分別利用公式（3) 計(jì)算各尺度下各個(gè)波段的相位一致值PCnu :
其中，An為Wnu傅里葉分解的n次諧波分量的幅度，cK(x)表示該相位偏移量分量在X 處的局部相位，石Cv)為所在點(diǎn)的傅里葉分量的加權(quán)平均相位；若所有傅里葉分量都具有一 致的相位則該比值為1 ;反之該比值最小值為0。 對各尺度下各個(gè)波段的相位一致值PCm，k，求梯度Gnu ;采用公式（4)融合個(gè)尺度下不同 波段相位一致梯度值： ￠,, = (4) 在原始圖像中選取c個(gè)大小為dXd像素的水體區(qū)域作為樣本，為了使個(gè)尺度下的樣本 具有相同的地物面積，在各個(gè)尺度所對應(yīng)相位一致梯度圖的相同位置用不同尺寸的窗口對 水體樣本進(jìn)行采樣，用公式（5)計(jì)算個(gè)尺度下水體的局部方差均值：
式中，〇 2m為尺度m下水體地物的局部方差均值；gX g像素為原始影像中樣本區(qū)域在 當(dāng)前尺度下的對應(yīng)區(qū)域的尺寸；化(^)表示m尺度下坐標(biāo)為（x，y)的像元的相位一致梯度 值；(I為采樣樣本的相位一致梯度均值；取〇 m2值最小的尺度作為最佳分解尺度，并在此 尺度下確定標(biāo)記點(diǎn)位置。
2. 如權(quán)利要求1所述的對象級高分辨率SAR影像洪水災(zāi)害變化檢測方法，其特征在于， 將待檢測的低頻圖像進(jìn)行分塊處理，即將整幅影像等分為HXH像素大小的子圖像，分別進(jìn) 行標(biāo)記點(diǎn)提??；由于高分辨率SAR圖像中水體的灰度值較低且波動范圍小的特點(diǎn)，即反映 為圖像灰度的平均值和標(biāo)準(zhǔn)差較小，提出了基于分塊直方圖統(tǒng)計(jì)的標(biāo)記點(diǎn)提取策略： Stepl :確定子圖像尺寸；選擇子圖像尺寸與所選樣本在當(dāng)前尺度下的對應(yīng)區(qū)域尺寸 一致，即令H = g，定義任意一個(gè)子圖像為Ii，且i = 1，2. .. U，U為子圖像總數(shù)； Step2 :對Ii進(jìn)行"灰度均值規(guī)則"判別：計(jì)算子圖像的灰度均值Ui，并與整幅影像的 灰度均值U進(jìn)行比較；若滿足U U，則將Ii標(biāo)記為一個(gè)潛在的水體區(qū)域V，進(jìn)入下 一步；否則不進(jìn)行標(biāo)記，重復(fù)St印2對下一個(gè)子圖像進(jìn)行判別； Step3:對Ii'進(jìn)行"相鄰性規(guī)則"判別：若Ii'存在左側(cè)水平相鄰或者上方垂直相鄰的 子圖像塊，則以1/為中心在這兩個(gè)方向上分別檢測相鄰的兩個(gè)子圖像；若有任一相鄰子 圖像已被檢測最終標(biāo)記為水體區(qū)域塊，則對當(dāng)前1/不做任何標(biāo)記，對下一塊子圖像進(jìn)行 判別。否則，將V標(biāo)記為Ii"，進(jìn)入下一步。 St印4 :對Ii"進(jìn)行"直方圖特征規(guī)則"判別：鑒于水體區(qū)域主要表現(xiàn)為亮度值較低的 成片區(qū)域，計(jì)算Ii"的灰度直方圖后，處于水體區(qū)域的子圖像直方圖應(yīng)為左邊單峰形狀；滿 足如下條件的Ii"為水體區(qū)域：直方圖峰值灰度級小于圖像平均灰度級；峰值灰度級及其 右邊8個(gè)灰度級的像素?cái)?shù)和占所在區(qū)域像素?cái)?shù)比例大于60% ;對滿足條件的Ii"標(biāo)記為 Ii"'，取Ii"'的中心像素點(diǎn)作為標(biāo)識水體主要區(qū)域的一個(gè)種子點(diǎn)；否則，不進(jìn)行標(biāo)記； 重復(fù)St印2到St印4,遍歷所有子圖像，獲得當(dāng)前尺度下的標(biāo)記點(diǎn)； Step5 :將當(dāng)前尺度下提取的標(biāo)記點(diǎn)映射到原始影像中的對應(yīng)區(qū)域，取區(qū)域的中心作為 最終的標(biāo)記點(diǎn)位置。
3. 如權(quán)利要求1所述的對象級高分辨率SAR影像洪水災(zāi)害變化檢測方法，其特征在于， 基于標(biāo)記點(diǎn)的分水嶺分割及區(qū)域合并： 在利用標(biāo)記點(diǎn)標(biāo)記水體區(qū)域可能存在的位置后，對原始影像進(jìn)行基于標(biāo)記點(diǎn)的分水嶺 分割；首先計(jì)算原始影像的梯度影像，將梯度影像中的每個(gè)像素的像素值作為點(diǎn)的海拔高 度值，將標(biāo)記點(diǎn)作為積水盆地的底部；設(shè)定所提取標(biāo)記點(diǎn)在梯度影像中的最大灰度值為閾 值I；，將所有灰度值小于Te的像素同樣作為一個(gè)盆地的底部；將周圍的像素按照海拔從低 到高逐個(gè)并入每個(gè)盆地底部所在的區(qū)域，構(gòu)成相應(yīng)的積水盆地；隨著各個(gè)盆地的面積不斷 擴(kuò)大，當(dāng)兩個(gè)盆地的水流相匯時(shí)的邊界，即為分水嶺，對應(yīng)分割結(jié)果中相鄰對象的邊界； 設(shè)定閾值Td，具體合并過程為：設(shè)分割結(jié)果中區(qū)域?yàn)镽 = {氏，i = 1，2, 3,. . .，N}，N為 區(qū)域總個(gè)數(shù)；各區(qū)域的灰度均值向量為U = (U1, U2，...，UN)，據(jù)此構(gòu)建區(qū)域連接矩陣U =Inij, i, j = 1，2,. . .，N}，若Ri和Rj相鄰，則Iiij = 1，否則Iiij = O ;區(qū)域合并過程如下： Stepl :根據(jù)分割結(jié)果生成區(qū)域鄰接圖； Step2 :對每一個(gè)與Ri相鄰的區(qū)域Rj，計(jì)算灰度均值向量間的歐式距離，若位于閾值 Td的區(qū)間內(nèi)，則進(jìn)行合并，并更新區(qū)域鄰接圖，重復(fù)Step2 ;否則，直接對下一個(gè)區(qū)域進(jìn)行判 別； St印3:重復(fù)St印2,直到?jīng)]有需要合并的區(qū)域?yàn)橹梗? 由于所提出的標(biāo)記點(diǎn)提取策略已經(jīng)標(biāo)記出所有水體可能存在的區(qū)域，因此經(jīng)過區(qū)域合 并處理后，分割結(jié)果僅保留包含標(biāo)記點(diǎn)的部分區(qū)域，從而實(shí)現(xiàn)了水體區(qū)域的輪廓信息提取。
4.如權(quán)利要求3所述的對象級高分辨率SAR影像洪水災(zāi)害變化檢測方法，其特征在于， 提取的水體區(qū)域依然可能存在一些虛假目標(biāo)，為此進(jìn)一步定義判別規(guī)則如下： 規(guī)則一：計(jì)算每個(gè)水體區(qū)域的平均灰度值，將大于整幅影像的灰度均值的區(qū)域判定為 虛假目標(biāo)； 規(guī)則二：生成水體區(qū)域的灰度直方圖，利用上述中提取水體區(qū)域標(biāo)記點(diǎn)時(shí)提出的"直方 圖特征規(guī)則"進(jìn)行虛假目標(biāo)判別； 規(guī)則三：計(jì)算每個(gè)水體區(qū)域的面積，設(shè)定閾值T_a，水體區(qū)域的面積應(yīng)大于閾值Tarea，否 則為虛假目標(biāo)； 符合以上規(guī)則的區(qū)域被判定為水體區(qū)域；最后，采用同樣的策略分別提取多時(shí)相SAR 影像中的水體區(qū)域，并根據(jù)配準(zhǔn)結(jié)果對這些區(qū)域進(jìn)行比較，獲得最終洪水災(zāi)害變化檢測結(jié) 果。
【文檔編號】G06T7/00GK104361582SQ201410573002
【公開日】2015年2月18日 申請日期:2014年10月23日 優(yōu)先權(quán)日:2014年10月23日
【發(fā)明者】王超, 石愛業(yè), 高紅民, 徐立中, 黃鳳辰 申請人:河海大學(xué)