2016, Vol. 41引用本文 |
| 基于Radarsat SAR微波影像的水体提取研究 |  [PDF全文] |
合成孔经雷达(synthetic aperture radar, SAR)遥感数据能提供地表的粗糙度、地形、湿度情况以及植被生长等信息。它对平滑公路、机场跑道、平静水面具有镜面反射，其影像上呈黑色调，而高低起伏大于3 cm的粗糙地表，如翻耕后的耕地具有后向反射作用，呈浅色调[1]。土壤中的水分含量越高，其介电常数越大，在SAR影像上的色调就越浅[2]。当洪水淹没发生时，在起伏地形的控制下，地表从未淹没区向淹没区过渡，土壤中水分逐渐接近饱和，其影像色调由灰色向灰白色过渡，当洪水完全淹没地表时，则影像色调变成深灰或黑色。因此比较洪水期SAR图像中水陆交界处的影像灰度值，设定合适的阈值，可以较准确地确定洪水淹没范围。从Radarsat SAR图像中自动提取洪水水体一直是一个亟需解决而又未能得到解决的问题，主要困难是由于阴影与水体严重混淆[3]。本文利用Radarsat SAR微波影像，结合DEM和ETM+信息去除影像阴影提取水体，综合比较分析两种不同方法的优劣。
1 SAR图像斑点噪声压制SAR是应用合成孔径原理的主动式微波成像雷达，由于它是工作在微波波段的相干成像雷达，因此不可避免地产生相干斑噪声。为了提高水体提取的精度，必须对斑点噪声进行压制。目前常用的去噪方法包括Lee滤波、Frost滤波、Gamma滤波、Kuan滤波等。本文采用增强型Frost滤波算法对雷达图像进行滤波处理, 如图 1所示。该算法可以保持图像纹理信息的同时减少斑点噪声，还可在一定程度上减少由于水面起伏而造成的明暗斑点，有利于水体的识别[4]。
 |
| 图 1 增强型Frost滤波后SAR图 Figure 1 Enhanced Frost Filter SAR Figure |
2 阈值法水体粗提取
SAR图像上水陆灰度反差较大，因此考虑利用阈值法对水体进行粗提取，当然这样会混入阴影，阴影的剔除将在后面进一步讨论。
2.1 双峰法确定阈值如图 2所示，由图像分割理论知，若图像的灰度直方图呈双峰状且有明显的谷，选择谷点的灰度值作为阈值就可把目标从背景中分割出来。该方法对于目标和背景有很大灰度差异的图像能实现简单而有效的分割。
 |
| 图 2 SAR灰度直方图 Figure 2 SAR Histogram |
观察SAR图像灰度直方图，定位到双峰之间谷点的位置，可以较容易地确定水陆分割阈值为38。
2.2 空间剖面法确定阈值空间剖面曲线反映的是沿用户定义曲线上的像元反射值的变化，具体来说，在水陆分界明显的地方自定义折线，使折线从水体区延伸到陆地，如图 3所示，折线跨越的水体区和陆地区最好具有典型性，以能充分反映水陆灰度值的变化。图 4为自动生成的沿自定义折线的空间剖面曲线，可以明显地看到从水体到陆地，灰度急剧增加，呈现明显的陡坡效应。图中蓝线给定了阈值范围，根据判读可确定阈值大约为38。
 |
| 图 3 自定义折线图 Figure 3 Custom Line Graph |
 |
| 图 4 空间剖面曲线图 Figure 4 Space Sectional Graph |
双峰法和空间剖面法要根据影像的灰度直方图进行判断，灵活使用。很多时候SAR影像的灰度直方图并不呈现出明显的双峰状，这时就不能简单地通过分析直方图获得阈值，可以尝试采用空间剖面曲线法来确定分割阈值。
2.3 水体粗提取根据判别准则：南北向形变分量DN小于38，则为水体；反之则为非水体。在Erdas Imagine 9.1中建模对SAR图像进行二值化，效果图如图 5所示。
 |
| 图 5 SAR阈值法水体提取二值图 Figure 5 Binary Image of Water Extraction Based on Threshold Method |
3 雷达阴影剔除
在包含有山区的雷达图像上，当山体的坡面与雷达入射角垂直时，就会出现较强的回波强度，在图像上表现为亮斑；而远离波束的山坡，当地物目标阻挡了斜射的波束，被遮挡的部分就成为了雷达的阴影。水体与山体阴影具有易混的亮度值，而使得自动提取洪水范围较为困难。因此剔除阴影成为SAR图像精确提取水体的关键[5-8]。
3.1 基于DEM的雷达阴影剔除在雷达图像中，阴影的产生主要源于地形的因素，雷达传感器的高度角、方位角、地形的起伏(DEM中体现为高度差)等共同决定了阴影的产生与否。可以利用Erdas Imagine 9.1的Shade Relief工具，根据雷达图像的成像参数(方位角、高度角)和DEM生成地形阴影浮雕，效果如图 6所示。
 |
| 图 6 SAR阴影浮雕图 Figure 6 Shadow Relief SAR Image |
笔者分析浮雕图，尝试确定阴影提取阈值为0.77，值小于0.77的判断为阴影。提取的雷达阴影如图 7所示，剔除阴影并做了斑碎去除后的图像如图 8所示。
 |
| 图 7 阈值法提取的SAR阴影 Figure 7 SAR Shadow Image Based on Threshold Method |
 |
| 图 8 阴影和斑碎剔除后的图像 Figure 8 Image of Eliminating Shadow and Map Patch |
3.2 基于ETM+图像的雷达阴影剔除
如果ETM+图像上的阴影与SAR上的阴影在空间位置上是一致的，那么就可以考虑用ETM+图像上的山体阴影来剔除SAR图像上的阴影。
本文方法的基本思想如下：首先，将提取出的包含SAR阴影的雷达粗水体进行区域生成分块；然后，基于对象对每个斑块的SAR水体进行判断。
Region Group后的图像如图 9所示，统计研究区共生成了6 558个雷达粗水体斑块。IDL实现判断算法后生成的图像如图 10所示。
 |
| 图 9 Region Group后的图像 Figure 9 Image for Region Group |
 |
| 图 10 基于ETM+信息的阴影剔除后的图像 Figure 10 Image for Eliminating Shadow Based on ETM+INFO |
3.3 典型区域效果分析
图 11为存在着明显的山区阴影(图 11(a)红圈所示)区域。基于DEM模拟分类法仍有明显的阴影斑碎没有被剔，并且由于水体的边缘被误判为阴影，因此一部分水没有分出来(图 11(b)所示)；基于ETM+分类，阴影被很好地去除，并且水体的边缘得到了很好的保留(图 11(c)所示)。
 |
| 图 11 两种方法阴影剔除后图像差值样区一 Figure 11 First Area Comparison Picture for Two Methods of Eliminating the Image Difference |
主干道河流的局部图如图 12所示。洪水期间，主干河流发水，两种方法都很好地监测到了河两侧的淹没区域，但一些地表低洼处大面积的积水以及一些由于降雨而造成地表含水量增加，使得地表后向散射减少，利用基于ETM+的方法却不能很好地监测到。基于ETM+信息的方法只能提取出窄河道，基于DEM法则提取的水体效果较好。
 |
| 图 12 两种方法阴影剔除后图像差值样区二 Figure 12 Sencond Area Comparison Picture for Two Methods of Eliminating the Image Difference |
由于DEM数据的准确性、模拟阴影模型的精确性，以及可能处于阴影区的水体导致采用基于DEM信息的水体提取法，一部分水体被误判为阴影而被去除，但是利用基于ETM+信息的方法很好地避免了这一点。
4 结束语综合上面典型样区的误差分析，基于DEM和ETM+信息，在去阴影提取水体方面各有优劣。在去除阴影方面，基于ETM+信息的雷达水体自动提取方法可以很好地去除阴影的影响，对于一些SAR阴影比较多的区域适用，但是对于一些洪水期间地表低洼处大面积的积水以及一些由于降雨而造成地表含水量增加使得地表后向散射减少，此法却不能很好地监测到，可能会造成水体面积提取的丢失。利用DEM模拟阴影实现去阴影水体的提取，则可能造成某些水体模拟成为阴影，对于山区阴影也不能完全地去除。
利用DEM进行阴影模拟，精度主要受以下因素的影响：①DEM栅格图的精度；②DEM和雷达影像的配准情况；③实时获取的雷达参数；④除了地形因素产生阴影以外的其他因素。如果要得到更精确的水体，在分类后需要进行分类后处理，利用目视方法，对比两种方法的差异，进行局部修改。
| [1] |
潘建平, 叶焕倬. 基于遥感分类的植被覆盖度提取[J].
测绘信息与工程,2007,12(6) : 17–18.
Pan Jianping, Ye Huanzhuo. Extraction of Vegetation Fraction Based on Remote Sensing Classification[J]. Journal of Geomatics,2007,12(6) : 17–18. |
| [2] |
孙家抦.
遥感原理与应用[M]. 武汉: 武汉大学出版社, 2003 .
Sun Jiabing. Handle Sensing.Principles and Applica-tions of Remote Sensing[M]. Wuhan: Wuhan University Press, 2003 . |
| [3] |
杨存建, 周成虎. 利用RADARSAT SWA SAR和LAND-SAT TM的互补信息确定洪水水体范围[J].
自然灾害学报,2001,10(2) : 79–83.
Yang Cunjian, Zhou Chenghu. Application of Complementary Information of RADARSAT SWA SAR and LANDSAT TM in Deciding the Flood Extent[J]. Journal of Natural Disasters,2001,10(2) : 79–83. |
| [4] |
郑伟, 刘闯, 曹云刚, 等. 基于Asar与TM图像的洪水淹没范围提取[J].
测绘科学,2007,32(5) : 180–181.
Zheng Wei, Liu Chuang, Cao Yungang, et al. Extraction of Flood Inundated Area Based on Asar and TM Images[J]. Science of Surveying and Mapping,2007,32(5) : 180–181. |
| [5] |
陆渊, 林怡, 张绍明. 灰度阈值方法下的SAR图像水体检测[J].
山东建筑大学学报,2010,25(2) : 125–128.
Lu Yuan, Lin Yi, Zhang Shaoming. Water Body Detection from SAR Image with Gray Threshold[J]. Journal of Shandong Jianzhu University,2010,25(2) : 125–128. |
| [6] |
徐川, 华凤, 眭海刚, 等. 多尺度水平集SAR影像水体自动分割方法[J].
武汉大学学报·信息科学版,2014,39(1) : 27–31.
Xu Chuan, Hua Feng, Sui Haigang, et al. Automatic Water Segmentation Method in SAR Images Using Multi-Scale Level Set[J]. Geomatics and Information Science of Wuhan University,2014,39(1) : 27–31. |
| [7] |
王亚飞, 程亮, 李满春, 等. 基于像元级SAR图像时间序列相似性分析的水体提取[J].
国土资源遥感,2014,26(3) : 67–73.
Wang Yafei, Cheng Liang, Li Manchun, et al. Extraction of Water Areas Based on Similarity Analysis Using Pixel-Level SAR Image Time Series[J]. Remote Sensing for Land & Resources,2014,26(3) : 67–73. |
| [8] |
杨存建, 魏一鸣, 王思远, 等. 基于DEM的SAR图像洪水水体的提取[J].
自然灾害学报,2002,11(3) : 121–125.
Yang Cunjian, Wei Yiming, Wang Siyuan, et al. Extracting the Flood Extent from SAR Imagery on Basis of DEM[J]. Journal of Natural Disasters,2002,11(3) : 121–125. |