利用星载SAR图像对大型湖泊进行全天时、全天候和高频次的监测，可以有效弥补传统光学遥感和人工手段的不足。传统SAR图像水域分割方法一般在图像的像素级尺度上开展，可实现像素级精度的水域分割，其分割精度受到分辨率的限制。然而，一般情况下，星载SAR系统受最小天线孔径积的限制，可用于大型水体观测的SAR图像（覆盖面积一般为万平方千米量级），其空间分辨率通常在十米量级，属于中低分辨率星载SAR图像，其分割结果，往往精度较差，难以满足高精度监测的需要。针对该问题，河南大学李宁教授等融合基于轻量级残差卷积神经网络的图像超分辨率重建技术和传统SAR图像水域分割技术的优点，提出了一种高精度SAR图像水域分割方法，有效提高了中低分辨率星载SAR图像中大型湖泊水域分割的精度。该工作拟发表在《雷达学报》2020年第1期“合成孔径雷达技术”专刊2“基于局部超分辨重建的高精度SAR图像水域分割方法”（李宁，牛世林），现已网络优先出版。
图1 基于局部超分辨重建的SAR图像高精度水域分割方法示意图
该文首先给出了完整的高精度SAR图像水域分割技术路线，包括粗分割、局部超分辨率重建和精分割过程（图1）。然后详细阐述了一种SAR图像超分辨率重建模型-LRSR模型（图2）。最后以丹江口水库为研究区域，基于国产GF-3卫星标准条带模式（8米分辨率）和欧空局Sentinel-1A干涉宽测绘带模式（20米分辨率）SAR数据，开展了实验验证工作（图3），验证了所提SAR图像水域分割算法的有效性。
图2 LRSR SAR图像超分辨率重建模型
图3 丹江口水库SAR图像水域分割结果