随着全球环境变化愈加剧烈,随之而来的自然灾害给我国的人民生命财产安安全带来了巨大影响。水体变化范围提取一直是水域覆盖面积变化及洪涝灾害监测等领域研究的重要内容,洪水范围的有效提取对于洪水灾害检测具有重要的意义。基于遥感的检测方法利用在短时间内获取的受灾区域的卫星图像进行洪水提取分析,因而是一种高效的洪涝灾害的提取手段。由于发生洪涝灾害时,云雾遮挡严重,光学卫星的成像条件受限。而合成孔径雷达卫星(SAR)由于其主动成像方式、波长较长的微波成像,穿透能力强,可以在一定厚度的云雾遮挡下成像。因而利用SAR卫星监测是遥感监测洪水灾害范围最有效的方式之一。目前,针对基于SAR遥感图像的洪水灾害范围提取,主流方法是在先验地理信息数据辅助下,包括灾前遥感影像以及地表水矢量、地形信息等,获取水体范围,对灾后影像进行水体提取或者变化检测,进而得到洪水淹没范围。实践表明,基于灾前光学与灾后SAR异源遥感图像的变化检测洪涝范围、基于先验地理信息的SAR洪涝范围提取在实际减灾业务中需求强烈。其主要难点是:光学与SAR传感器不同,成像方式不同,无法通过常规的变化检测流程进行有效提取;如何有效将先验矢量信息与SAR数据结合进行洪水的精确提取,避免其他弱散射地物的干扰。因此,本文将针对以上SAR影像洪涝灾害范围提取过程中的两个重要问题,研究相关变化检测与提取技术,主要研究工作包括:1、基于U-Net网络的光学-雷达影像洪水范围提取传统的方法主要是利用异源遥感数据分别水体,然后计算灾前灾后水体提取的差值,进而得到洪水范围,其问题是操作冗余,系统误差较大,对不同数据源,不同的方法提取结果差异较大。本论文提出了基于多时相遥感数据与U-Net的基本网络结构,核心思路是首先对灾前的光学影像进行若干层卷积和池化,然后在反卷积过程中融入灾后的SAR影像,最终上采样到原始影像大小。使得最终改进的U-Net网络能够实现光学-雷达异源影像洪水范围统一、提取。2、地理信息数据辅助下的SAR影像洪水范围精确提取利用影像提取的洪水范围,由于多时相遥感数据无法有效保证,因而考虑利用灾后单时相SAR数据结合灾前基础矢量数据对洪涝范围进行精确提取。地理信息辅助的主要难点在于如何有效结合遥感图像中目标水体的边界几何与位置信息,从而驱动水体边界的精确演化。针对这些问题,本论文首先提出了利用改进的极化SAR水平集分割算法,该算法先验的水体矢量作为零水平集曲线,保证水平集边界演化的高效性与准确性。为区分水体与其他弱散射地物(水体、水泥道路、裸露土壤、高大山体的阴影等),在水平集分割框架中,考虑极化SAR数据模型以及其服从的概率分布,利用中低分辨率的DEM中生成的坡度作为额外的约束力,在分割图像得到水体的同时去除PolSAR图像中的山体阴影。最后,利用极化散射特性-圆极化相关系数,对提取结果进行后处理。3、提取后处理及精度评价针对洪水范围边界粗糙,提取结果噪点严重的情况,基于概率图模型的理论,尤其是考虑邻域信息的马尔科夫随机场模型,对洪水灾害范围提取结果进行后处理。并针对洪水灾害范围边界精度评定问题,提出了基于形状吻合情况的边缘相似度检测指标(ESDI)对提取结果进行边界精度评价,进而补充完善精度评价指标体系。