基于光学和SAR遥感图像融合的洪灾区域检测方法

发布时间：2021-11-23 00:51

　　基于光学和合成孔径雷达（SAR）图像融合的洪灾区域检测方法可以全天候、高时效地检测洪灾区域。由于SAR图像中存在大量随机分布的相干斑噪声,传统洪灾区域检测方法的检测结果存在较高的虚警率。该文在模糊C均值聚类方法（FCM）的基础上提出了分级聚类算法（H-FCM）,该方法将洪灾后的SAR图像与洪灾前的光学图像融合。基于融合图像,该方法利用提出的分级聚类模型获得洪灾区域的初步检测结果。此外,该算法在利用所提出的区域生长算法获得洪灾前河流位置后,将其作为初步检测结果的空间约束,进一步筛除疑似洪灾区域,并显著地提升了检测性能。该文的实验数据包括1999年英国格洛斯特洪灾前后的遥感图像和2019年中国南昌洪灾前后的遥感图像。通过对比实验,H-FCM算法的有效性得到验证。 

【文章来源】：雷达学报. 2020,9(03)北大核心CSCD

【文章页数】：15 页

【参考文献】：
期刊论文
[1]基于卫星遥感的水体信息提取研究进展与展望[J]. 李丹,吴保生,陈博伟,薛源,张翼.  清华大学学报(自然科学版). 2020(02)
[2]基于幅相不一致准则的建筑物SAR层析成像[J]. 解金卫,李真芳,王帆,王志斌.  雷达学报. 2020(01)
[3]基于邻域最小生成树的半监督极化SAR图像分类方法[J]. 滑文强,王爽,郭岩河,谢雯.  雷达学报. 2019(04)
[4]河流连通性及其对生态水文过程影响研究进展[J]. 方佳佳,王烜,孙涛,李春晖,蔡宴朋,李智.  水资源与水工程学报. 2018(02)
[5]基于联合稀疏表示的复Contourlet域SAR图像与红外图像融合（英文）[J]. 吴一全,王志来.  雷达学报. 2017(04)
[6]基于概率转移卷积神经网络的含噪标记SAR图像分类[J]. 赵娟萍,郭炜炜,柳彬,崔世勇,张增辉,郁文贤.  雷达学报. 2017(05)
[7]基于序列非线性滤波SAR影像水体自动提取[J]. 窦建方,陈鹰,翁玉坤.  测绘通报. 2008(09)



本文编号：3512782