基于光学和SAR遥感图像融合的洪灾区域检测方法

点击蓝色“雷达学报”关注

我国洪水灾害的发生的频率高，造成的损失大。据报道，2019年6月上中旬广西广东江西等6省洪涝灾害造成的损失包括：577.8万人受灾，91人死亡，7人失踪，42.1万人紧急转移安置，18.2万人需紧急生活救助；1.9万间房屋倒塌，8.3万间不同程度损坏；农作物受灾面积419.4千公顷，其中绝收60.2千公顷；直接经济损失231.8亿元。

及时准确的洪灾区域检测可以为减灾救灾的决策提供重要的参考依据。洪灾发生前，在理想的光照条件下，可以通过星载光学遥感卫星获取高分辨率的对地观测图像。在洪灾发生后，该区域往往存在云层和降雨，获取洪灾后第一手遥感图像要依靠合成孔径雷达（SAR）卫星。因此，研究如何对洪灾前的光学遥感图像和洪灾后的SAR遥感图像进行融合处理，实现洪灾区域的准确检测，对提高减灾救灾的时效性具有重要意义。

清华大学李刚教授团队提出基于光学和SAR遥感图像融合的洪灾区域检测方法，通过对洪灾前光学遥感图像和洪灾后SAR遥感图像的融合处理，实现了洪灾区域的及时准确检测，有助于第一时间获得洪灾分布信息，为减灾救灾提供决策依据。

该工作拟发表在《雷达学报》2020年第3期“雷达遥感应用”专刊“基于光学和SAR遥感图像融合的洪灾区域检测方法”（王志豪，李刚，蒋骁），现已网络优先出版。

该文将同一地区洪灾前的光学遥感图像和洪灾后的SAR遥感达图像作为处理对象，解决了洪灾后难以利用光学遥感卫星及时获取灾区信息的问题。首先利用区域生长规则，检测出洪灾前光学遥感图像中的河流位置，并将其与洪灾后的SAR遥感图像融合，然后对融合后的遥感图像进行分级聚类，最后基于空间约束确认洪灾区域。图1、图2、图3分别给出了洪灾前的光学遥感图像、洪灾后的SAR遥感图像、本文方法对洪灾区域的检测结果。在图3中，白色部分表示实际洪灾区域被检测为洪灾区域；绿色部分表示实际洪灾区域被检测为非洪灾区域；红色区域表示实际非洪灾区域被检测为洪灾区域；黑色部分表示实际非洪灾区域被检测为非洪灾区域。实验结果表明，该方法能够以可接受的计算复杂度实现较高的检测准确率。

了解详细内容请点击下面阅读原文。