论文部分内容阅读
在各种各样的自然灾害中，洪水灾害是全球面临的重大突发性自然灾害之一。洪水灾害因其范围广、频度高、突发性强、损失大等特点，对国民经济和人民生命财产安全带来了严重威胁。微波遥感较可见光与多光谱遥感具有全天时、全天候的数据获取能力，不受阴雨和多云天气影响等优势，对于洪水期经常性的云雨干扰具有穿透能力，为洪水水体遥感信息的提取提供了稳定的数据源，在洪水灾害的研究中具有广阔的应用前景。尤其ENVISAT-ASAR具有多极化成像能力，对于水体信息的表现更为清晰。针对ASAR传感器雷达影像的水体提取技术，可以最大限度地利用其包含的信息量，因此在洪水灾害的研究中具有很大的潜力。但是由于SAR图像具有乘性噪声，其图像分割一直是研究的热点，同时也是难点问题。 本文以ENVISAT-ASAR图像为数据源，对活动轮廓模型中经典且实用的CV模型进行改进，提出了ROEWA-CV改进模型，将其应用于ENVISAR-ASAR水体信息提取，在分割性能和分割效率两方面对ROEWA-CV改进模型进行了验证。 论文的主要研究内容包括: (1) SAR图像水体信息提取方法理论分析。分析了最大类间方差法、最大熵值法、最小误差法三种经典的传统阈值法的优缺点，并指出传统阈值法的共有缺点。同时针对各典型活动轮廓模型的原理及优缺点进行分析与评述，包括Snake模型、气球力模型、GVF模型、GAC模型、Mumford-Shah模型以及CV模型，得出CV模型对弱边缘具有很好的分割效果，同时能够自动处理曲线的拓扑变化，因此将其引入到了SAR图像水体信息提取中。 (2)基于CV模型的SAR图像水体信息提取。阐述了ENVISAT-ASAR数据的优势，分析其在洪水灾害研究中的应用潜力，并对其数据预处理方法进行了研究。将传统CV模型和OTSU-CV改进模型应用于ENVISAT-ASAR图像水体信息提取，分析其局限性。 (3)基于ROEWA-CV改进模型的SAR图像水体信息提取方法研究。针对传统CV模型不能检测远离初始轮廓线边缘和模型效率非常低的缺点，对模型进行改进，提出ROEWA-CV改进模型，同时在分割性能和模型效率两方面对ROEWA-CV模型进行了验证。