亚像素精度SAR图像水线映射方法与流程

本发明涉及合成孔径雷达(syntheticapertureradar，简称sar)图像水域检测技术领域，特别涉及一种亚像素精度sar图像水线映射方法。

背景技术：

地表水资源越来越得到广泛关注，地表水是陆地区域水循环一个重要的载体，对区域的生态系统有着重要的影响。有效的研究水域信息对农业灌溉、水资源调查以及洪水灾害的预报、预警、监测等具有很重要的意义。同时，对水资源的全面调查、合理规划使用具有指导意义。sar作为一种主动微波传感器，具有全天时、全天候、远距离对地观测等优势。因此，许多研究人员利用sar图像对地表水进行分割提取，从而实现对水域信息的获取计算。通过sar图像可获取水陆分割线，但是由于sar图像通常具有较低的空间分辨率，其技术难点就在于如何在低空间分辨率sar获取精度更高的水陆分割线。

目前，针对sar图像水线映射技术，业界已做出一些研究。但大多数是工作在像素级的(如基于阈值的sar图像分割方法、基于梯度的边缘检测法、水平集分割法)，由于sar图像分辨率较低，不同地物之间的分界并不明显，传统算法只能在像素级工作，在某些应用场合，获取到的结果并不足够精确。

综上所述，如何在低分辨率sar图像上获取一条亚像素级精度的水线，拓展应用领域和范围，具有重要的意义。

技术实现要素：

本发明的目的在于提供一种亚像素精度sar图像水线映射方法，以在低分辨率sar图像上获取一条亚像素级精度的水线。

为了实现上述目的，本发明提供如下技术方案：一种亚像素精度sar图像水线映射方法，其包括以下步骤：

步骤1，sar图像预处理；

步骤2，对sar图像进行相干斑噪声过滤；

步骤3，利用经过滤波后的sar图像，采用gfcm算法，获取像素级别的水域，再根据水域存在连通性的特点，对潜在的真实水域进行提取，去除sar图像中非水域区域的干扰，再对潜在真实水域的边界采样获得像素级水域边界；

步骤4，建立在两个假定条件：第一，像素级的水线周边包含水域以及陆地；第二，水域与陆地之间的交界处，雷达的后向散射系数会产生跳变；并基于双三次样条插值和gac的swmm算法沿像素级水域边界建立saw计算提取亚像素级水域边界点，具体为：

步骤41，建立saw并保存相关信息

在获取像素级的水域后，获取到像素级水域边界线，离散化像素级水线，获得像素级水域边界点所在位置，以该点为中心，建立7×7的窗口，将该窗口中的图像灰度值提取并存放在一个矩阵中mi，并记录该窗口中包含的像素级水线点的坐标信息；

步骤42，获取新的更平滑的saw以及像素级水线对应的函数表达式

利用双三次样条插值算法，设置插值步长为0.1，将矩阵mi进行插值，获得一个更为平滑矩阵mci，将该窗口中的像素级水线的坐标点映射到矩阵mci对应于的坐标系中，拟合出一个函数关系式fwl(x，y)；

步骤43，基于gac算法在新saw中提取亚像素级水线

首先初始化水平集函数，为

其中为a常数，τ0为水域区域，fwl为τ0的边界函数，i为图像域。

然后演化水平面演化的偏微分方程，直到该方程收敛：

其中g(x)为停止函数，β为大于0的比例常数；

步骤44，将亚像素级水线映射到原始图像的坐标系中，并保存在一个矩阵中；

步骤45，判断所有像素级水线的像素点是否被遍历完成，完成则退出循环，否则循环执行步骤41到步骤44；

步骤5，分段拟合亚像素级水线点获得亚像素级精度的水线。

分析可知，本发明包括多个步骤：sar图像预处理；对sar图像进行相干斑噪声过滤；像素级水域提取；沿像素级水域边界建立分析窗进行计算提取亚像素级水线点；分段拟合亚像素级水线点获得亚像素级精度的水线。通过本发明，能够获取到亚像素级精度的水域轮廓线，对遥感水域分布、测量、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，本发明具体包括以下步骤：步骤1，针对sar图像做预处理，其中，首先对sar图像进行几何校正，然后对图像进行地理编码，最后对sar图像进行归一化操作。步骤2，进行相干斑噪声过滤，例如基于距离比例的像素相似性非局域相干斑滤波算法(non-localdespecklingapproachbasedonsimilarpixelsselectedandratiodistance，简称nl-spsrd)相干斑滤波算法对sar图像进行相干斑噪声过滤，利用完成预处理后的sar图像，经过nl-spsrd滤波算法，将sar图像中的相干斑噪声过滤，同时保持较好的边缘信息。步骤3，像素级水域提取，优选地基于高斯滤波的模糊c均值(gaussianfuzzyc-means，简称gfcm)算法和水域分布特征的像素级水域提取。利用经过滤波后的sar图像，采用gfcm算法，获取像素级别的水域，再根据水域存在连通性的特点，对潜在的真实水域进行提取，去除sar图像中非水域区域的干扰，最后对潜在水域的边界采样获得像素级水域边界。步骤4，提取亚像素级水域边界点，基于双三次样条插值和几何主动轮廓(geometricactivecontour，简称gac)的亚像素水线映射方法(subpixelwaterlinemappingmethod，简称swmm)沿像素级水域边界建立分析窗(subpixelanalyzingwindow，简称saw)计算提取亚像素级水域边界点。遍历像素级水域边界上的每一个像素点，并以这些像素点为中心建立saw，利用swmm方法，计算出新的亚像素级水域边界的位置点。步骤5，分段拟合亚像素级水线点获得亚像素级精度的水线。由于相同的像素点会在多个相邻的saw中被计算多次，新的水线会被计算出多个结果，因此采用分段曲线拟合的方法，获得一条完整的独立的亚像素级水线。

更具体而言，在步骤1中，具体的，首先对单视复数(singlelookcomplex，slc)sar数据进行多视处理，方位向和距离向多视都设置为10，然后对经过多视后的数据进行几何校正，从而获得与地理位置对应的sar幅度图像。

在步骤2中，由于雷达辐照的相干现象，会导致sar图像中存在大量相干斑噪声，相干斑噪声是一种乘性噪声，会对分割结果造成很大的影响。虽然非局域滤波算法得到很大程度的发展，本发明将提供一种非局域的nl-spsrd相干斑滤波算法对sar图像中的相干斑噪声进行过滤。

nl-spsrd相干斑滤波算法主要步骤如下：

1)建立幅度sar图像中相干斑分布模型为：

对于一副对于l视的幅度sar图像而言，其测量值通常符合nakagami-ralyleigh模型：

其中，as是像素s的幅度值，带估计的真实幅度值，γ是伽马函数，的计算公式如下：

公式(2)中像素s是非局域窗ws的中心，ps(s，t)是像素s和像素t的概率密度函数。

2)两像素之间相关性的计算公式为：

对于l视的幅度sar图像，用来测量任意两个像素a1，a2的相关性的概率密度函数(probabilitydensityfunction，pdf)的计算公式如下：

3)引入比值距离计算两像素相关性的公式为：

比值距离(ratiodistance，rd)已经被证明在描述sar图像的特征中具有较高的鲁棒性，本发明将rd表示为r＝a1/a2，并将r引入到公式(3)中得到新的pr为：

4)引入像素矩阵的计算公式为：

由于相邻像素之间具有高度的相似性与偶然性，鉴于此，引入一个大小为w的相似矩阵到该计算过程中来，同时假定该矩阵中的每个像素是独立的。ps(s，t)的计算公式可以被更新为：

5)使用几何平均值来表示pdf的公式为：

通常ps(s，t)的值会很小，为了避免小数在计算过程中带来的计算错误，本发明通过使用相似矩阵中所有元素的几何平均值来表示ps(s，t)，从而替换相似矩阵的乘积，因此最终ps(s，t)的表达式为：

步骤3中，基于gfcm算法对sar图像中的水域进行像素级的提取，gfcm算法主要步骤如下：

1)目标函数j为：

图像表示为irw＝img(r，w)，r，w分别代表行与列，设置c个聚类中心，v＝(v1，v2…，vc)。通过p次迭代完成将所有像素划分在c个聚类中。其目标函数j为：

定义的c×n二维隶属矩阵u，u中元素uirw表示图像中irw像素点对应聚类vi的隶属度。

2)计算隶属度uirw，其公式为：

3)对隶属矩阵进行高斯滤波，先建立滤波模板，模板m产生公式为：

式中k代表模板大小，这里等于3，σ为常数这里等于1.2。

使用产生的滤波模板对二维隶属矩阵u每个维度进行滤波：

4)更新聚类中心v：

5)执行上述细分的步骤2、3和4，判断迭代次数p是否完成，完成则结束。

在步骤4中，将以上述步骤的结果为基础进行更精确的亚像素级水线的提取，并建立在两个假定条件之下完成：一，像素级的水线周边包含水域以及陆地；二，水域与陆地之间的交界处，雷达的后向散射系数会产生跳变。

具体执行步骤如下：

1)建立saw并保存相关信息

在获取像素级的水域后，获取到像素级水域边界线，离散化像素级水线，获得像素级水域边界点所在位置。以该点为中心，建立7×7的窗口，将该窗口中的图像灰度值提取并存放在一个矩阵中mi，记录该窗口中包含的像素级水线点的坐标信息。

2)获取新的更平滑的saw以及像素级水线对应的函数表达式

利用双三次样条插值算法，设置插值步长为0.1，将矩阵mi进行插值，获得一个更为平滑矩阵mci，将该窗口中的像素级水线的坐标点映射到矩阵mci对应的坐标系中，拟合出一个函数关系式fwl(x，y)。

3)基于gac算法在新saw中提取亚像素级水线

首先初始化水平集函数，为：

其中为a常数，τ0为水域区域，fwl为τ0的边界函数，i为图像域。

然后演化水平集偏微分方程，直到该方程收敛：

其中g(x)为停止函数，β为大于0的比例常数。

4)将亚像素级水线映射到原始图像的坐标系中，并保存在一个矩阵中。

5)顺序执行上述步骤4中的细分步骤(1)到步骤(4)，判断所有像素级水线的像素点是否被遍历完成，完成则退出循环，否则循环执行上述细分步骤(1)到步骤(4)。

在步骤5中，分段拟合亚像素级水线点获得亚像素级精度的水线。完成步骤4之后，因为很多重合的区域被计算，所得到的亚像素点会有重合错位等现象，根据分段曲线拟合的方法，沿着像素级，以14个像素为步长，统计14×14范围内的亚像素级水线的坐标点，将所有点根据像素级水线的斜率放入在相应的坐标系中，利用拟合函数获取到一条平滑的连续的曲线，并以该条曲线作为最终的亚像素级水线。

为了测试，针对中国高分三号卫星在不同时间工作在不同模式下拍摄的丹江口水库主库区的sar图像，实施了本发明。丹江口水库是中国南水北调中线工程的一个水源地和亚洲最大人工淡水湖，获取亚像素级的水陆分割线，对库区水量管理以及规划具有重要意义。经过实际测试，可以明显看出经过本发明获得的亚像素级水线在精确度上更加精确，对应用低空间分辨率的sar图像进行水线分割的意义更加重要。

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。