预览加载中,请您耐心等待几秒...
1/5
2/5
3/5
4/5
5/5

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114519824A(43)申请公布日2022.05.20(21)申请号202210137013.8G06T7/62(2017.01)(22)申请日2022.02.15(71)申请人中国电子科技集团公司第十四研究所地址210039江苏省南京市雨花台区国睿路8号(72)发明人谢聪郝明庄龙郑平(74)专利代理机构南京知识律师事务所32207专利代理师康翔高娇阳(51)Int.Cl.G06V20/13(2022.01)G06T5/00(2006.01)G06T5/40(2006.01)G06T7/11(2017.01)G06T7/187(2017.01)权利要求书1页说明书2页附图1页(54)发明名称一种SAR图像洪涝淹没区域的快速检测方法(57)摘要本发明公开了一种SAR图像洪涝淹没区域的快速检测方法,针对传统的洪涝检测方法效率低、反应慢的问题,增强SAR图像,去除噪声信息,提取灰度特征和纹理特征,用FCM聚类算法分割SAR图像的水域,用形态学滤波处理与连通域分析方法分割湖泊与河流的粘连区域,设置长宽比与面积的阈值,去除坑塘与河流,保留湖泊,用DEM地形信息去除山体产生的阴影区域,消除虚警,对比洪涝前后两个时相的SAR图像,用叠加分析方法与基于空间重叠的分块并行技术,提高处理效率,加快洪涝淹没区域的检测速度,快速精确的获取洪涝淹没区域的面积、分布与地物类型信息,检测湖泊淹没面积的变化,及时的为防洪救灾提供科学依据。CN114519824ACN114519824A权利要求书1/1页1.一种SAR图像洪涝淹没区域的快速检测方法,其特征在于,包括:增强SAR图像,去除噪声信息,提取灰度特征和纹理特征,用FCM聚类算法分割SAR图像的水域,用形态学滤波处理与连通域分析方法分割湖泊与河流的粘连区域,设置长宽比与面积的阈值,去除坑塘与河流,保留湖泊,用DEM地形信息去除山体产生的阴影区域。2.根据权利要求1所述的SAR图像洪涝淹没区域的快速检测方法,其特征在于,所述增强SAR图像,包括:用图像灰度直方图均衡化方法,提高SAR图像的亮度与对比度,增强图像的细节纹理信息。3.根据权利要求1所述的SAR图像洪涝淹没区域的快速检测方法,其特征在于,所述去除噪声信息,包括:用基于NSCT的自适应去噪算法,预处理SAR图像,去除相干斑噪声,保留图像的细节纹理信息。4.根据权利要求1所述的SAR图像洪涝淹没区域的快速检测方法,其特征在于,所述提取灰度特征,包括:用保边缘控制算法提取灰度特征,统计SAR图像中每个像素与其邻域N×N个像素的灰度值的相似度,若相似的像素个数少于保边缘控制因子,则该像素的灰度值取相似的像素灰度值平均值,否则该像素的灰度值取所有N×N个像素的灰度值平均值,作为灰度特征。5.根据权利要求1所述的SAR图像洪涝淹没区域的快速检测方法,其特征在于,所述提取纹理特征,包括:用灰度共生矩阵GLCM提取纹理特征,统计SAR图像中每个像素距离为d的邻域N×N个像素在0°、45°、90°、135°四个方向的灰度共生矩阵,分别计算相关度、同质性、熵和角二阶矩,作为纹理特征。6.根据权利要求1所述的SAR图像洪涝淹没区域的快速检测方法,其特征在于,所述分割SAR图像的水域,包括:根据灰度特征和纹理特征,用模糊c均值的FCM聚类算法分割SAR图像,提取水体区域。7.根据权利要求1至6任一所述的SAR图像洪涝淹没区域的快速检测方法,其特征在于,还包括:对比洪涝前后两个时相的SAR图像,用叠加分析方法与基于空间重叠的分块并行技术,加快洪涝淹没区域的检测速度,获取洪涝淹没区域的面积、分布与地物类型信息,检测湖泊淹没面积的变化。2CN114519824A说明书1/2页一种SAR图像洪涝淹没区域的快速检测方法技术领域[0001]本发明属于SAR图像处理技术领域,具体涉及一种单极化数据处理技术。背景技术[0002]出现洪涝自然灾害时,往往伴随恶劣天气,监测区域受到云层、降水影响,光学遥感难以发挥作用。SAR作为一种主动式微波成像传感器,以其全天时、全天候、作用距离远的技术优势,成为对地观测的主要手段。在恶劣的气象条件下,迅速获取监测区域的遥感影像信息,为减灾救灾决策提供重要依据。[0003]《基于局部超分辨重建的高精度SAR图像水域分割方法》公开了一种基于局部超分辨重建的中低分辨率SAR图像水域分割方法,在传统水域分割技术的基础上,融入卷积神经网CNN的图像超分辨重建技术。对局部图像超分辨重建,突破传统方法受SAR图像分辨率的限制,提升水域分割结果的精度。构建训练一种新型的局部图像超分辨重建网络模型,模型对包含局部水域边界的MLR‑SAR图像切片超分辨重建,获得更高分辨率的超分辨图像。用一种改进ACM分