欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025118667963
申请人: 广东海洋大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于多源遥感影像的风暴潮淹没范围识别方法,其特征在于,包括:

获取并预处理目标区域内的灾前灾后影像和数字高程模型数据,得到空间配准的多源特征数据;其中,所述灾前灾后影像包括灾前SAR影像、灾后SAR影像和灾后光学影像;

基于所述多源特征数据,进行初步水体检测,生成广谱疑似淹没区,并根据预获取的灾前光学影像,从所述广谱疑似淹没区中识别复杂下垫面区域;其中,所述复杂下垫面区域包括城镇建筑区、植被覆盖区与泥泞滩涂区;所述复杂下垫面区域的数据表现形式为二值掩膜图;

针对各所述复杂下垫面区域,根据所述灾前灾后影像和数字高程模型数据,分别进行纹理特征分析,以根据纹理特征分析结果,识别各所述复杂下垫面区域的实际水体区域;

根据各所述复杂下垫面区域的实际水体区域,生成所述目标区域的初步淹没范围图,并根据所述数字高程模型数据,对所述初步淹没范围图进行地形连通性分析,以根据地形连通性分析的结果,生成最终的风暴潮淹没范围图;

所述多源特征数据包括灾前SAR影像的后向散射系数图像、灾后SAR影像的后向散射系数图像和差异水体指数图像;

基于所述多源特征数据,进行初步水体检测,生成广谱疑似淹没区,具体为:

通过预设的双极化协同阈值分割算法,对灾后SAR影像的后向散射系数图像进行阈值分割,得到初步SAR水体掩膜,并计算所述灾前SAR影像的后向散射系数图像与灾后SAR影像的后向散射系数图像的比值图,以基于所述比值图,对所述初步SAR水体掩膜进行像元筛选,得到SAR水体掩膜;

通过预设的指数阈值分割算法,基于所述差异水体指数图像,生成光学水体掩膜;

计算所述灾前SAR影像的后向散射系数图像与灾后SAR影像的后向散射系数图像的差值图,并通过预设的双时相变化检测算法,基于所述差值图,生成变化检测水体掩膜;

对所述SAR水体掩膜、光学水体掩膜和变化检测水体掩膜进行图像融合,得到多源水体融合图像,并通过基于预构建的数字高程模式的地形坡度约束,对所述多源水体融合图像进行所处地形合理性筛选,以生成广谱疑似淹没区;

所述根据所述数字高程模型数据,对所述初步淹没范围图进行地形连通性分析,以根据地形连通性分析的结果,生成最终的风暴潮淹没范围图,具体为:根据所述数字高程模型数据,计算所述目标区域的坡度图与水流方向图;

对所述初步淹没范围图进行地形连通性分析,得到所有独立的水体斑块,并计算各水体斑块的面积,以确定面积最大的水体斑块为主体淹没区;

从所述主体淹没区中提取洪水种子点,得到洪水种子点集合,并通过迭代区域生长算法,基于数字高程模型数据和所述水流方向图,模拟洪水从所述洪水种子点集合中的各洪水种子开始,在所述目标区域内的扩散过程,以得到生长结果;其中,所述生长结果表示所述目标区域内地形可达的潜在最大淹没范围;

根据所述生长结果,对所述初步淹没范围图进行地形合理性校验,以识别地形不合理水体区域,得到第一伪水体掩膜,并根据所述坡度图,对与所述主体淹没区不连通的水体斑块进行坡度合理性检查,以识别坡度不合理水体区域,得到第二伪水体掩膜;

根据所述第一伪水体掩膜和第二伪水体掩膜,对所述初步淹没范围图进行逻辑运算,以生成最终的风暴潮淹没范围图。

2.如权利要求1所述的一种基于多源遥感影像的风暴潮淹没范围识别方法,其特征在于,所述获取并预处理目标区域内的灾前灾后影像和数字高程模型数据,得到空间配准的多源特征数据,具体为:对所述灾前SAR影像和灾后SAR影像进行辐射定标,并根据所述数字高程模型数据进行地形辐射校正,生成所述灾前SAR影像和灾后SAR影像的后向散射系数图像;其中,所述数字高程模型是根据所述数字高程模型数据构建的;

对所述灾后光学影像进行大气校正,生成地表反射率图像,并通过像素级代数运算,基于所述地表反射率图像,计算关键光谱指数,以生成光谱指数图;其中,所述关键光谱指数包括差异植被指数、差异水体指数和差异建筑指数;

以经过正射校正的灾后光学影像为空间基准参考图像,对所述后向散射系数图像、地表反射率图像、光谱指数图像及数字高程模型数据进行几何配准与重采样,并将完成配准与重采样的各数据整合,构成所述多源特征数据。

3.如权利要求1所述的一种基于多源遥感影像的风暴潮淹没范围识别方法,其特征在于,所述根据预获取的灾前光学影像,从所述广谱疑似淹没区中识别复杂下垫面区域,具体为:基于与所述多源特征数据配准后的灾前光学影像,计算差异植被指数图和差异建筑指数图;

创建与所述广谱疑似淹没区的影像尺寸相同的空分类栅格,并通过所述空分类栅格,根据所述差异植被指数图和差异建筑指数图,对所述广谱疑似淹没区进行逐像元类别判断,得到分类后的栅格图,以基于分类后的栅格图,确定所述广谱疑似淹没区中的复杂下垫面区域;其中,所述分类后的栅格图包括城镇建筑区、植被覆盖区、泥泞滩涂区、其他区域和背景。

4.如权利要求1所述的一种基于多源遥感影像的风暴潮淹没范围识别方法,其特征在于,针对各所述复杂下垫面区域,根据所述灾前灾后影像和数字高程模型数据,分别进行纹理特征分析,以根据纹理特征分析结果,识别各所述复杂下垫面区域的实际水体区域,包括:针对所述城镇建筑区,通过预设的自适应阈值分割算法,对所述灾后SAR影像的后向散射系数图像进行像元提取,以生成建筑强散射亮斑掩膜;

通过预设的雷达阴影模拟算法,基于所述数字高程模型数据,根据雷达侧视成像的几何原理,生成理论雷达阴影区域掩膜;

对所述建筑强散射亮斑掩膜中的每一亮斑像元,在各亮斑像元的紧邻下坡方向搜索所述理论雷达阴影区域掩膜中的阴影像元,并对搜索到的阴影像元和对应的亮斑像元进行空间邻接关系分析,以根据空间邻接关系分析的结果,识别出属于建筑物造成的亮暗特征对的阴影区域,作为建筑阴影伪水体区域;其中,所述紧邻下坡方向由雷达阴影模拟时的雷达视线方向和预获取的地形坡向确定;所述地形坡向根据所述数字高程模型数据确定;

从所述城镇建筑区的广谱疑似淹没区像元中,剔除所述建筑阴影伪水体区域对应的像元,得到所述城镇建筑区的实际水体区域。

5.如权利要求1所述的一种基于多源遥感影像的风暴潮淹没范围识别方法,其特征在于,针对各所述复杂下垫面区域,根据所述灾前灾后影像和数字高程模型数据,分别进行纹理特征分析,以根据纹理特征分析结果,识别各所述复杂下垫面区域的实际水体区域,包括:针对所述植被覆盖区,基于灾后SAR影像,分别计算关键极化特征;其中,所述关键极化特征包括交叉极化比值和极化差分指数;

针对所述植被覆盖区,基于灾前SAR影像和灾后SAR影像,计算极化特征变化量;其中,所述极化特征变化量包括交叉极化后向散射变化量、同极化后向散射变化量和交叉极化比值变化量;

将所述关键极化特征和极化特征变化量输入预设的随机森林模型,以使所述随机森林模型,对所述植被覆盖区中的每一像元进行植被遮掩概率判断并计算置信值,以生成植被淹没置信度图;

对所述植被淹没置信度图进行阈值分割,并将分割结果与所述植被覆盖区对应的广谱疑似淹没区取交集,得到所述植被覆盖区的实际水体区域。

6.如权利要求1所述的一种基于多源遥感影像的风暴潮淹没范围识别方法,其特征在于,针对各所述复杂下垫面区域,根据所述灾前灾后影像和数字高程模型数据,分别进行纹理特征分析,以根据纹理特征分析结果,识别各所述复杂下垫面区域的实际水体区域,包括:获取覆盖所述泥泞滩涂区的多时相SAR影像序列,并提取各像元在所述多时相SAR影像序列中的后向散射系数,以形成后向散射时间序列,并根据多时相SAR影像的获取时间,从预获取的潮汐数据表中匹配对应的潮位值,以形成对应的潮位序列;

针对所述泥泞滩涂区对应每个像元的后向散射时间序列和潮位序列,计算各像元的关键轨迹特征;其中,所述关键轨迹特征包括后向散射动态范围、后向散射与潮位的相关性、灾后时相相对于历史序列的异常指数和水体持久性指数;

将所述关键轨迹特征输入预设的分类器,以使所述分类器,生成滩涂淹没状态分类结果;其中,所述滩涂淹没状态分类结果将所述泥泞滩涂区对应像元分类为永久水体、风暴潮新增淹没水体、周期性潮滩或干燥滩涂;

将分类为永久水体和风暴潮新增淹没水体的像元整合,生成滩涂区总水体掩膜,并将所述滩涂区总水体掩膜与位于所述泥泞滩涂区内的广谱疑似淹没区取交集,得到所述泥泞滩涂区的实际水体区域。

7.如权利要求3所述的一种基于多源遥感影像的风暴潮淹没范围识别方法,其特征在于,根据各所述复杂下垫面区域的实际水体区域,生成所述目标区域的初步淹没范围图,具体为:根据所述分类后的栅格图,提取类别为其他区域的像元,以生成其他区域掩膜,并根据所述其他区域掩膜,对所述广谱疑似淹没区进行逻辑运算,得到其他区域实际水体掩膜;

根据各所述复杂下垫面区域的实际水体区域和所述其他区域实际水体掩膜,生成全域水体掩膜,并将所述全域水体掩膜与所述广谱疑似淹没区进行逻辑运算,以生成初步淹没范围图。

8.一种基于多源遥感影像的风暴潮淹没范围识别系统,其特征在于,包括多源特征获取模块、下垫面识别模块、下垫面水体识别模块和淹没范围识别模块,其中,所述多源特征获取模块,用于获取并预处理目标区域内的灾前灾后影像和数字高程模型数据,得到空间配准的多源特征数据;其中,所述灾前灾后影像包括灾前SAR影像、灾后SAR影像和灾后光学影像;

所述下垫面识别模块,用于基于所述多源特征数据,进行初步水体检测,生成广谱疑似淹没区,并根据预获取的灾前光学影像,从所述广谱疑似淹没区中识别复杂下垫面区域;其中,所述复杂下垫面区域包括城镇建筑区、植被覆盖区与泥泞滩涂区;所述复杂下垫面区域的数据表现形式为二值掩膜图;

所述下垫面水体识别模块,用于针对各所述复杂下垫面区域,根据所述灾前灾后影像和数字高程模型数据,分别进行纹理特征分析,以根据纹理特征分析结果,识别各所述复杂下垫面区域的实际水体区域;

所述淹没范围识别模块,用于根据各所述复杂下垫面区域的实际水体区域,生成所述目标区域的初步淹没范围图,并根据所述数字高程模型数据,对所述初步淹没范围图进行地形连通性分析,以根据地形连通性分析的结果,生成最终的风暴潮淹没范围图;

所述多源特征数据包括灾前SAR影像的后向散射系数图像、灾后SAR影像的后向散射系数图像和差异水体指数图像;

基于所述多源特征数据,进行初步水体检测,生成广谱疑似淹没区,具体为:

通过预设的双极化协同阈值分割算法,对灾后SAR影像的后向散射系数图像进行阈值分割,得到初步SAR水体掩膜,并计算所述灾前SAR影像的后向散射系数图像与灾后SAR影像的后向散射系数图像的比值图,以基于所述比值图,对所述初步SAR水体掩膜进行像元筛选,得到SAR水体掩膜;

通过预设的指数阈值分割算法,基于所述差异水体指数图像,生成光学水体掩膜;

计算所述灾前SAR影像的后向散射系数图像与灾后SAR影像的后向散射系数图像的差值图,并通过预设的双时相变化检测算法,基于所述差值图,生成变化检测水体掩膜;

对所述SAR水体掩膜、光学水体掩膜和变化检测水体掩膜进行图像融合,得到多源水体融合图像,并通过基于预构建的数字高程模式的地形坡度约束,对所述多源水体融合图像进行所处地形合理性筛选,以生成广谱疑似淹没区;

所述根据所述数字高程模型数据,对所述初步淹没范围图进行地形连通性分析,以根据地形连通性分析的结果,生成最终的风暴潮淹没范围图,具体为:根据所述数字高程模型数据,计算所述目标区域的坡度图与水流方向图;

对所述初步淹没范围图进行地形连通性分析,得到所有独立的水体斑块,并计算各水体斑块的面积,以确定面积最大的水体斑块为主体淹没区;

从所述主体淹没区中提取洪水种子点,得到洪水种子点集合,并通过迭代区域生长算法,基于数字高程模型数据和所述水流方向图,模拟洪水从所述洪水种子点集合中的各洪水种子开始,在所述目标区域内的扩散过程,以得到生长结果;其中,所述生长结果表示所述目标区域内地形可达的潜在最大淹没范围;

根据所述生长结果,对所述初步淹没范围图进行地形合理性校验,以识别地形不合理水体区域,得到第一伪水体掩膜,并根据所述坡度图,对与所述主体淹没区不连通的水体斑块进行坡度合理性检查,以识别坡度不合理水体区域,得到第二伪水体掩膜;

根据所述第一伪水体掩膜和第二伪水体掩膜,对所述初步淹没范围图进行逻辑运算,以生成最终的风暴潮淹没范围图。