基于光学和SAR遥感图像融合的洪灾区域检测方法

TN959.3; 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...

Full description

Saved in:
Bibliographic Details
Published in雷达学报 Vol. 9; no. 3; pp. 539 - 553
Main Authors 王志豪, 李刚, 蒋骁
Format Journal Article
LanguageChinese
Published 清华大学电子工程系 北京 100084 01.06.2020
Subjects
合成孔径雷达
分级聚类
光学
区域生长
空间约束
遥感图像融合
分级C均值聚类算法
Online AccessGet full text
ISSN2095-283X
DOI10.12000/JR19095

Cover

More Information
Summary:TN959.3; 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.
ISSN:2095-283X
DOI:10.12000/JR19095