SAR图像中水域的检测与分割.pdfVIP

SAR 图像中水域的检测与分割* 张利利，张艳宁 西北工业大学，西安（710072 ） E-mail ：zhanglili86@126.com 摘 要：本文针对SAR （Synthetic Aperture Radar ）图像中的河流分割问题，提出了基于小 波能量和梯度的河流分割方法。首先利用小波能量特征，采用快速模糊聚类算法（FCM ） 对河流区域进行粗分割；在此基础上，将区域梯度作为特征，自适应的确定梯度阈值，从而 实现河流的细分割。实验结果表明，本文方法分割河流结果准确，适用性和实时性强，为 SAR 图像水上目标的研究打下了基础。 关键词：SAR 图像，河流检测，小波能量，梯度 1. 引言 合成孔径雷达（Synthetic Aperture Radar, SAR ）是一种高分辨率雷达，具有全天候、全 天时、高穿透性的特点，在电子侦察、 海洋监测、 全球观测和农业等遥感领域有广泛的应 用。 河流是 SAR 图像中一种重要的（自然目标）非人工目标，它的分割和检测对水土流失 监测、水土保持等环境要素监测有重要意义。现有的河流分割方法可归为两类，基于灰度阈 [3~9] [10] 值的分割方法 和基于特征的建模方法 。基于特征的建模方法利用了图像的灰度信息和 灰度方差等信息作为特征建模。但是，基于灰度信息的河流分割方法局限性很大，很难适用 于SAR 图像。因为SAR 图像受斑点噪声影响，且目标和背景的灰度差别不是很大，直方图 不呈明显的双峰分布，此时阈值法失效。针对以上问题，本文提出了小波能量和梯度相结合 的河流分割方法。 2. SAR 图像中河流的快速分割 水体反射率（除镜面反射方向外）在整个波段内都很低，在雷达图像上呈黑色而显著区 别于其他地类。所以，对于水体而言，水体的微波特征决定了SAR 图像能有效地获取水体 分布信息。因此， SAR 图像中的水域一般具有如下的特征：（1）水域形状不规则；（2 ）水 域一般为连通区域；（3 ）水域灰度值偏低，灰度变化缓慢，即灰度一致性；（4 ）水域没有较 明显的纹理特征，即纹理一致性。 基于对 SAR 图像中水域的特性分析，本文的河流分割方法有两个部分：河流粗分割， 河流细分割。首先采用小波能量为特征对河流进行快速的粗分割，之后采用一个较小的面积 阈值对粗分割后的河流进行后处理，去除一些小的杂点；最后计算各区域的平均梯度，并自 适应的确定平局梯度的阈值实现对河流的精细分割。 2.1 河流的粗分割[1] SAR 图像具有丰富的纹理信息，在分割时引入纹理会有较高的分割精度。由于小波[2] 具有良好的时频局部特征、尺度变化特征和方向特征，在图像处理、计算机视觉、纹理分析 等方面有良好的应用，本文采用小波能量计算SAR 图像纹理特征，计算公式如下： *本课题得到博士点基金（No.20040699034 ）的资助。 - 1 - 2 1 M *N −1 e ∑s (x ,y ) （1） M * N x ,y 0 s(x ，y) 为子图像系数，M*N 代表子图像的大小。考虑到Daubechies 小波的高纹理性能及其 正交性、紧支性和低复杂性，本文选用Daubechies3 小波,对原始SAR 图像每个像素的N×N 邻域进行小波变换，采用了4 个小波子图像，分别是第一次小波分解所得的3 个高频图