适用于洪水遥感SAR图像的CV分割模型研究

洪水给人们生活造成很大的不便。为了尽快恢复生产生活，及时获取洪水受灾区域的范围及受灾区域发生的变化，对于灾情分析和灾后重建至关重要。由于受到相干斑噪声和洪水受灾区域地形起伏较大的因素的影响，合成孔径雷达(SAR)探测到的洪水遥感图像存在噪点较多且灰度分布不均匀的缺点，成像效果不佳，因此很难对其实现准确地图像分割。为了解决这个问题，本文提出一种基于水平集方法的改进CV分割模型，以实现快速准确地分割洪水遥感图像。CV分割模型是一种在医学图像分割领域很常见的基于区域和边缘信息的图像分割模型，能够得到较为精确的分割曲线，但是存在对噪声敏感、过度依赖区域灰度均值的缺陷。对于存在大量的噪声且图像灰度分布不均匀的洪水遥感图像，CV分割模型效果不佳。为了减少噪声在分割曲线演化过程中的干扰，本文在CV分割模型的能量函数中加入一个整体控制项，以减少噪声的影响。此外，为了提升CV分割模型对灰度不均匀的洪水遥感图像的分割能力，对处于不同区域的像素点采用自适应动态权重的方法进行分割曲线拟合。实验结果表明，与传统的CV分割模型和其他的图像分割模型相比，本文提出的改进CV分割模型在灰度分布不均性较强的洪水遥感图像上有更出色的分割精度，证明了本文提出的改进CV分割模型的有效性。

合成孔径雷达(SAR)是一种先进的主动式微波对地观测设备， 能够在各种波段下工作， 具有较好的穿透力。

通过对目标场景发射连续的无线电脉冲波(波长范围为1 毫米至1 米)， 并接收和记录每个脉冲的回波， 合成孔径雷达可以形成细节丰富、分辨率高的SAR 遥感图像。

SAR 成像技术被广泛应用在军事侦察、环境探测、海洋勘测等多个军事和民用领域[1]，涵盖图像分割、目标检测与识别、移动目标跟踪等技术[2]。

目前图像分割方法主要分为基于阈值的分割方法、基于边缘信息的分割方法和基于区域信息的分割方法[3] [4]。近年来，基于边缘信息和区域信息的图像分割方法受到学者的广泛关注。在基于边缘信息的图像分割方法中，常用的边缘检测算子有Prewitt 算子和Canny 算子等。其中Prewitt 算子能够得到连续的精细边缘。

许四祥等人[5]提出的基于Prewitt 算子的目标检测算法能够较好地得到微小目标的精细边缘。

Canny 算子能够较精确地定位图像的边缘。胡高珍等人[6]采用基于Canny 算子的MRF 算法在精准提取图像的边缘信息方面取得了较好的效果。然而，基于边缘信息的图像分割方法对于混合复杂噪点的SAR图像分割效果欠佳。基于区域的图像分割方法从整块区域划分的层面对图像进行分割，对于复杂的场景