论文部分内容阅读
随着暴雨洪水以及水污染等灾害日益频发，水体的监测工作工作刻不容缓。目前已有的水体监测系统的数据主要来源是光学图像，在多云雨天气下，光学图像受到云层遮挡，很难进行有效对地成像。SAR(Synthetic aperture radar，SAR)具有全天时全天候的成像能力，能够穿云透雨，具有稳定、连续的观测能力，是监测类应用的稳定数据来源。鉴于目前基于SAR图像的水污染研究较少，本文围绕面向对象的极化SAR水体提取，基于极化特征的水体污染区域检测两个主题，以TerraSAR-X以及Radarsat-2全极化数据为数据源，主要开展了以下两个方面的工作: 1.提出基于极化SAR的面向对象多特征融合水体提取方法。算法引入极化分割方法，融合纹理特征与极化分解参量特征，结合众数投票方法进行水体范围提取。实验证明该方法能够最大限度地保持水陆边界完整;发挥纹理特征与极化分解参量特征的互补作用，进一步分辨水体、阴影、浅草、裸地、道路等后向散射相似地物，降低了虚警率;保留区域中的原始像元值，以统计的方式来确定分割区属性，提高了小型水体的检测率。 2.探索基于极化SAR数据在混合排污污染检测研究中的应用潜力，提出一种多特征融合污染区检测方法。论文对基于SAR数据的水体污染研究进行了整理和总结，并对混合污染物中各种物质的SAR探测机理进行了深入研究。对SAR的强度、相位、GLCM纹理特征以及Pauli分解参量和Cloude分解参量中所含的海面信息强度进行了对比评估，选择了其中的VV通道强度值、角二阶矩、熵纹理和Pauli分解所得的奇次散射分量和Cloude分解所得的α角分量进行多特征融合。最后用EM聚类算法进行污染区提取。本文用TerraSAR-X和Radarsat-2数据对该算法进行了实验，证明该方法有较高的提取精度，且方法中所使用的特征提取方法，在所有数据中均能得到稳定的地物特征，使用的EM聚类方法能对混合特征模型进行有效特征求解，算法总体适用性较强。