img

官方微信

遥感技术与应用, 2019, 34(6): 1155-1161 doi: 10.11873/j.issn.1004-0323.2019.6.1155

冰雪遥感专栏

高分辨率SAR影像提取冰川面积与冰面河

杨燕,1,2,3, 李震,4, 黄磊4, 田帮森4

1.中国地质大学(武汉)国家地理信息系统工程技术研究中心,湖北 武汉 430074

2.自然资源部地质信息技术重点实验室,北京 100037

3.中国地质调查局发展研究中心,北京 100037

4.中国科学院遥感与数字地球研究所,北京 100094

Extraction of Glacier Area and Supraglacial Rivers Using High-resolution SAR Imagery

Yang Yan,1,2,3, Li Zhen,4, Huang Lei4, Tian Bangsen4

1.National Engineering Research Center for Geographic Information System, China University of Geosciences, Wuhan 430074, China

2.Key Laboratory for Geological Information Technology, Ministry of Natural Resources, Beijing 100037, China

3.Development Research Center,China Geological Survey,Beijing 100037, China

4.Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China

通讯作者: 李震(1966-),男,湖北武汉人,教授,博士生导师,主要从事微波遥感、冰川遥感研究。E⁃mail:lizhen@radi.ac.cn

收稿日期: 2018-11-17   修回日期: 2019-11-07   网络出版日期: 2020-03-19

基金资助: 国家自然科学基金项目“多层积雪相干散射模型与SAR参数反演”.  41471065
国家自然科学基金项目“极化合成孔径雷达探测冰川表碛理论与方法研究”.  41471307

Received: 2018-11-17   Revised: 2019-11-07   Online: 2020-03-19

作者简介 About authors

杨燕(1989-),女,河北保定人,工程师,博士研究生,主要从事地理信息系统和遥感图像处理研究E⁃mail:yangyan@radi.ac.cn , E-mail:yangyan@radi.ac.cn

摘要

冰川面积变化是冰川积累与消融的直接体现,与气候变化密切相关。遥感的方法可以为冰川的轮廓及面积监测提供可靠手段,但常用的光学遥感容易受到冰川区多变气象条件的影响。合成孔径雷达(SAR)不受天气影响,尤其是高分辨率SAR影像能够提供冰川表面丰富的细节特征,更好地监测冰川变化。应用相位一致性方法和快速行进法相结合的方法提取冰川轮廓和表面纹理。依据提取的冰川轮廓计算的冰川面积误差在5%以下,表明该方法能够准确地提取冰川面积。同时,在高分辨率SAR图像上,利用提取的冰川表面纹理信息可以有效监测到光学图像上难以识别的冰面河,而冰面河与冰川中长期消融密切相关,提取的冰面河信息将为冰川监测提供一种新的视角。

关键词: SAR ; 冰面河 ; 冰川面积 ; 相位一致性 ; 快速行进法

Abstract

The change of glacier area is the embodiment of the accumulation and ablation of glaciers, and it is closely related to the change of climate. The method of remote sensing provides reliable approach for monitoring glacier outlines and area, but the common method of optical remote sensing is easily affected by the changeable weather conditions in glacier area. Synthetic Aperture Radar (SAR) is not affected by the weather conditions, especially the high-resolution SAR imagery can provide abundant details on glacier surface and monitor the change of glacier better. In this paper, phase congruency method and fast marching method are used simultaneously to extract the glacier outlines and surface texture. The error of glacier area calculated from the extraction of glacier outlines was less than 5%, so it indicated that the method could extract glacier area accurately. Meanwhile, the extraction of glacier surface texture can be used to monitor effectively the supraglacial rivers, which is hard to visible in optical imagery, but is visible in high-resolution SAR imagery. Supraglacial rivers are closely related to medium and long term ablations of glacier, and they offer a new perspective for glacier monitoring.

Keywords: SAR ; Supraglacial rivers ; Glacier area ; Phase Congruency Method ; Fast marching method

PDF (5533KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

杨燕, 李震, 黄磊, 田帮森. 高分辨率SAR影像提取冰川面积与冰面河. 遥感技术与应用[J], 2019, 34(6): 1155-1161 doi:10.11873/j.issn.1004-0323.2019.6.1155

Yang Yan, Li Zhen, Huang Lei, Tian Bangsen. Extraction of Glacier Area and Supraglacial Rivers Using High-resolution SAR Imagery. Remote Sensing Technology and Application[J], 2019, 34(6): 1155-1161 doi:10.11873/j.issn.1004-0323.2019.6.1155

1 引 言

冰川变化是气候变化的产物。气候变化影响冰川表面的物质积累和消融,尤其是物质的流入和流出,是影响冰川的最重要的环境因子[1]。冰川消融对于海平面上升也有重要的影响[2]。所以冰川监测是研究全球变化的重要的内容。但是,重复的地面观测花费大量的时间和精力,同时受制于极端地形条件,测量覆盖的时间和范围有限。而随着卫星和传感器的发展,遥感技术可以提供及时、准确的数据源,有效地监测冰川变化。光学遥感在监测冰川变化方面有着广泛的应用,但是在冰川区受云雾雨雪影响,很难获得有效的数据。

合成孔径雷达(Synthetic Aperture Radar, SAR)能全天时、全天候工作,穿透云雾获取地面信息。SAR对于水分含量和地表粗糙度敏感,能区分不同的地表物质,尤其对于冰川区有很好的区分能力,可以有效地定位冰川边界。而高分辨率SAR影像提供了更为丰富的地面信息。在高分辨率SAR影像上,冰川的轮廓和表面的纹理更加清晰。

冰川轮廓的提取可以计算冰川的面积,冰川面积变化与物质平衡变化密切相关,同时冰川面积判断的精度也会影响到物质平衡变化的可靠性,而物质平衡变化影响了气候变化,因此,冰川轮廓的提取对于研究全球变化有重要的意义[3,4,5,6]。冰川表面包含了很多的大尺度横向和纵向的纹理。冰面河平行于冰川流动的方向,反映冰川的消融状态,因此,提取冰川轮廓和表面纹理有重要的研究意义[7,8]。高分辨SAR相对于以往中低分辨率的SAR,对地表结构更加敏感,在冰川与侧碛处形成的透视收缩或者阴影更加明显,有利于冰川边缘的区分。

最早的SAR影像边缘的检测器都是恒虚警率检测器,特点是各向同性。1988年,Touzi等[9]最早提出了均值比检测器,微弱的边缘可以被提取。似然比检测思想于1996年由Oliver等[10]提出,该算法同样考虑了边缘的方向性问题,同时还提出了定位精度问题。1997年,Lops等[11]学者们提出在多边缘模型基础上发展的指数加权均值比。随着高分辨率SAR传感器的发射成功,为SAR图像线状地物的提取提供了新的思路。多尺度的思想是解决高分辨率SAR影像提取的主要思想。基于多分辨率的边缘检测算法被广泛地应用,基于小波分析的方法被提出,取得了不错的效果[12]。一些基于神经网络、混合遗传算法[13,14]等人工智能方法也被提出。

因此,冰川轮廓和纹理的提取过程中,需要考虑冰川表面线状特征的灰度特征和细节特征,设计出更加合理的面向冰川轮廓和纹理的提取算子。相位一致性方法是基于相位考虑的频域算法,相比于其他的边缘检测算子,存在两大优势:不仅可以检测大范围的特征,而且对局部光照明暗变化具有不变性。但是,相位一致性方法提取的边缘没有完全闭合,想要完整地提取出闭合的轮廓图进而计算冰川的面积,需要使用快速行进法改进连接性,从而得到冰川的轮廓。本文将利用高分辨率SAR影像,将相位一致性方法和快速行进法两种方法相结合,提取冰川轮廓和冰川表面纹理。

2 研究区域和数据

研究区在冬克玛底冰川区域(33.08°N,92.09°E),位于青藏高原唐古拉山脉中段,如图1所示。选取了5个冰川或冰川区作为研究对象。1~4号冰川面积依次为0.23 km2、0.39 km2、0.78 km2、1.29 km2。5号冰川区涵盖了23条冰川,总面积为76.10 km2。其中,冬克玛底冰川是由一条朝南的主冰川(大冬克玛底冰川,DD)和一条朝西南的支冰川(小冬克玛底冰川,XD)组成的复式山谷冰川。大冬克玛底冰川长5.4 km,面积为14.25 km2,海拔从末端的5 275 m上升到顶峰的6 060 m,冰川表面平缓,存在冰面河;小冬克玛底冰川长2.8 km,面积为1.72 km2,海拔从末端的5 442 m上升到顶峰的5 880 m,冰川表面比较平缓,没有冰面河发育,并且很洁净,无表碛。该区域没有明显的四季之分,寒季从10月份到第二年的5月份持续8个月,暖季从6月到9月持续4个月。该区域的年平均气温为 -9.8 ℃。暖季的平均气温在0 ℃以上,冰川表面融化,形成冰面河[15,16]

图1

图1   研究区高分一号的全色影像

(红色实线为目视解译的冰川边界,所研究的冰川区域被标注为1至5号,以及DD和XD)

Fig.1   GF-1 panchromatic image of study area


采用的数据是X波段,HH极化的TerraSAR-X单视复数据,于2014年8月30日的上升轨道通过条带模式获取。该数据的距离间距为0.9 m,方向间距为1.8 m。地形纠正采用的高程数据是美国航空航天局(National Aeronautics and Space Administration, NASA)发布的SRTM(Shuttle Radar Topography Mission)90 m的高程数据。作为对比的影像为高分一号全色影像,如图1所示,成像时间为2013年9月27日,分辨率为2 m。

3 研究方法

通常利用边缘检测算子来提取图像的特征,但是边缘检测算子存在一些普遍性问题,如轮廓提取的不完整问题、因为局部光照变化造成的阈值选择问题和噪声响应的问题。相位一致性方法是基于相位考虑的频域算法,利用该方法可以提取边缘强度图。但是提取的边缘存在不闭合的现象,需要使用快速行进法获得闭合的轮廓图,从而计算冰川的面积。快速行进法通过给予起点和终点,计算每一个像素相对于终点的距离,通过计算最短路径,沿冰川边缘连接起点和终点,从而完整地提取整个冰川区域的轮廓图。

3.1 相位一致性方法

通过傅里叶变换分析,任何函数都是由不同频率的正弦波叠加而成的。各个频率在同一时间叠加起来形成边缘。同理,峰值也是各个频率在同一时间达到峰值叠加产生的。因此,我们想要找到特征,只需要确定这些同时发生事件的点,这就是相位一致性。相位一致函数[17]定义为:

PCx=maxϕ¯x0,2πnAncosϕnx-ϕ¯xnAn

其中:An为第n个傅里叶分量的幅值;ϕnx表示x处第n个傅里叶分量的局部相位角;ϕ¯x是使PCxx处取最大值的振幅,是傅里叶各分量局部相位角的幅度加权平均。

Venkatesh等[18]提出通过寻找局部能量函数的峰值来得到最大相位一致性点,避免运算过于复杂。局部能量函数定义为:

Ex=F2x+H2x

其中:F(x)是信号移除的直流分量;H(x)则是F(x)的Hilbert变换,即由F(x)经相位移动90o得来。Venkatesh和Owens指出能量与相位一致性函数关系如下:

Ex=PCxnAn

Kovesi[19]修正后提出相位一致性方法(phase congruency),推导出的相位一致函数为

PCx=nWx AnxΔϕnx-T nAnx+ ε
Δϕnx=cosϕnx-ϕ¯x-sinϕnx-ϕ¯x

其中:Wx为频率传播加权函数;ε是一个很小的常量,以避免分母为0;表示当所求值为正时是本身,否则为0,即只有能量值超过噪声阈值T才被计入结果内。

输入原始的TerraSAR-X图像,相位一致性方法可以得到图像的边缘强度图。进而可以通过非极大抑制和阈值分割[20]得到二值图。上限阈值采用基于Otsu最大类间方差法[21]的自适应阈值,下限阈值采用算法的推荐值,即上限阈值的一半。

3.2 快速行进法

快速行进法[22,23]是一种计算水平集函数的快速数值算法,通过模拟水波在平面上的传播过程来计算到达每一个像素的时间。首先定义在边界外围的窄带,在窄带内的到达时间T不定。然后在传播过程中,确定像素点的到达时间,重新定义窄带,直到知道每一个像素的到达时间。

假设Г是一个封闭的边界,在二维是一个闭合的曲线。Г在一个方向,以F的速度运动,当通过点x时,到达时间T可以被计算出来。在多维空间每一个像素都满足程函方程:

TF=1
T(Γ0)=0

在二维空间,可以近似表达为:

v=12max(T-TvΔv,0)2=1F2

其中:

Δ1=ΔxΔ2=ΔyT=Ti,jF=Fi,j
T1=min(Ti-1,j,Ti+1,j)T2=min(Ti,j-1,Ti,j+1)

通过求解方程(7)可以计算出二维空间中像素的到达时间。先将图像的像素分为3类:已知(Known)、窄带(Narrow band)和远方(Far)。每个像素都有一个到达时间T,Known指到达像素的时间T不会改变,Narrow band指到达时间T可能会改变,Far指到达时间T还没有计算。将所有边界点标记为Known,计算其临近像元的到达时间,标记为Narrow band。所有的Narrow band中,提取具有最小到达时间点,标记为Known。寻找Known的临近像元为Far或者Narrow band的点,计算其临近像元的到达时间,直至所有的像元都标记为Known时,计算结束。

结合相位一致性方法和快速行进法可以提取冰川的轮廓图,提取流程如图2所示,几何纠正后影像经过相位一致性方法得到边缘强度图。然后给予种子点,通过快速行进法可以算出图像上所有像素点到该种子点的距离。将该种子点作为终点,再给予一个种子点作为起点,可以根据最短路径,算出两个点之间的轮廓。重新给予种子点,重复以上步骤,直到得到整个冰川区的轮廓图。

图2

图2   提取轮廓和纹理流程图

Fig.2   Flow chart for extracting the glacier outlines and texture


4 结果与分析

4.1 冰川轮廓提取结果与分析

首先对几何纠正后的图像进行直方图拉伸处理,使得图像的轮廓特征更加明显。然后使用相位一致性方法提取冰川边缘的强度图。对于1至5号冰川或冰川区分别给予种子点,基于快速行进法提取的距离图计算种子点之间的最小距离,将种子点相互连接起来,构成各自的轮廓图。为分析本文方法的有效性,将提取的冰川边界与TerraSAR-X图像上的冰川边界做对比。如图3所示,蓝色边界线是利用本文方法提取的冰川边界,以2014年8月30日的TerraSAR-X图像作为原始数据。从提取结果可以看出,本文方法提取的冰川边界与TerraSAR-X图像上的冰川边界基本吻合,证明了该方法能较好地提取冰川边界。但是在冰川末端,因为冰的覆盖,其后向散射系数较高,与非冰川区较为接近,导致了冰川末端的误判,边界线比实际冰川相比有不同程度的退缩。从提取效率来看,因为要提供种子点,所以本文方法对于连续的冰川区可以使用较少的种子点,快速地得到整个区域的轮廓。但是对于离散的冰川,还需要针对每一个冰川提供相应的种子点。因此,本文提出的方法,可以作为一种较为方便的提取方法,尤其对于连续的冰川区,优势更加明显。但是想要得到更加精确的结果,还需辅助人工纠正,但相比于人工目视解译,可以节约大量的人力。

图3

图3   本文方法提取冰川边界与目视解译冰川边界比较图

(背景图像是2014年的TerraSAR-X图像,红色表示目视解译冰川边界,蓝色表示本文方法提取边界图)

Fig.3   Comparison between the glacier outlines obtained using the method in this paper and the glacier outlines mapped by manual visual interpretation


为验证本文方法的精度,将提取的冰川边界与同时段的光学影像目视解译的冰川边界进行对比。本文选取了时间相近的2013年9月27日研究区域的高分一号的全色影像作为目视解译的影像,如图1所示。参考空间全球陆地冰川测量(Global Land Ice Measurements from Space,GLIMS)的冰川分类手册给出的解译标志,山谷冰川在光学影像上呈现白色的光滑纹理,依山谷走势向下流动。以高分一号影像叠加DEM为基础,参考伦道夫冰川编目6.0和Google Earth影像,采用人机交互的目视解译并结合野外实验的方法,解译出冰川边界。如图3所示,红色线条是图1中目视解译的冰川边界图,蓝色为本文提取的冰川边界,通过对比,本文提取的冰川边界与目视解译的冰川边界也基本吻合。统计5个冰川或冰川区的面积,与目视解译冰川计算的面积做对比,结果如表1所示。可以看出提取的相对误差基本在5% 以下。所以,本文提出的方法可以作为一种快速了解冰川面积变化的方法,尤其对于连续的冰川区,提取结果准确而且提取效率较高,减少了大量的人力。

表1   本文方法提取冰川面积与目视解译冰川的面积对比

Table 1  Comparison between the glacier areas obtained using the method in this paper and the glacier areas calculated from the manual outlines map

冰川

编号

目视解译冰川

面积/km2

本文方法提取

面积/km2

相对差异

/%

10.230 10.228 50.7
20.385 90.386 50.1
30.783 50.818 44.5
41.286 41.299 21.0
576.104 076.518 60.5

新窗口打开| 下载CSV


4.2 冰川表面纹理提取结果与分析

冰川表面的冰面河,是沿着冰川走向的纵向纹理,反映冰川的消融状态,如图4(a)所示。

图4

图4   冰川TerraSAR-X影像和表面纹理提取结果

Fig.4   TerraSAR-X image of glacier and the extraction result of surface texture


提取线状特征通常采取的是经典的Canny算子,本文利用相位一致性方法提取冰川表面的冰面河,与经典的Canny算子进行对比。利用相位一致性方法提取的冰川的边缘强度图,经过非极大抑制和阈值分割得到二值图,如图4(b)所示。利用经典的Canny算子提取冰川的边缘强度图,同样经过非极大抑制和阈值分割得到二值图,如图4(c)所示。比较相位一致性方法与Canny算子的提取的二值图,从提取效果来说,相比于Canny算子提取的双线条,利用相位一致性方法提取的纹理呈现清晰的单线条,该方法能较好地检测出具有一定宽度的线性特征,而且对线性特征产生单响应,标记在线性特征的中轴线。从线条的完整性来说,与Canny算子相比,该方法相对完整而准确地提取了冰川表面的纹理,噪声也较少。从提取效率来说,相位一致性方法不受研究范围的限制,可以使用一个同一的阈值提取整个冰川区的冰面河,实现冰川纹理的自动化提取。

冰川表面的冰面河只有在高分辨率SAR影像上可以看到,低分辨率的影像上无法识别。2014年我们开展了冬克玛底冰川的野外试验,拍摄了大冬克玛底冰川的冰面河的照片,从图5可以看出,大冬克玛底表面确实存在较多的冰面河,和高分辨率SAR影像上看到的一致。东西朝向的冰川和南北朝向的冰川相比,冰面河比较窄,条数也比较少,如图4(d)至图4(i)所示。同一朝向的冰川,因冰川的大小不同也存在差异,以冬克玛底冰川为例,如图4(g)~(i)所示,大冬克玛底冰川表面存在较多的冰面河,而小冬克玛底冰川体积较小,冰川融水较少,在影像上看不出冰面河的存在。大冰川融水容易积累形成冰面河,而冰面河进一步加剧了对冰川的侵蚀作用。从提取的纹理,可以估计和预测冰川的消融状态,沿着冰川走向,线状纹理的宽度越来越宽,表明随着冰川融水的积累,冰面河的宽度越来越宽,将冰川分成了很多的分支。由此可知,冰面河不仅可以作为冰川消融的指示,同时也是冰川消融的原因之一。

图5

图5   2014年拍摄的大冬克玛底冰川底部冰面河的照片

Fig.5   The photo of superglacial rivers at the terminus of the DD glacier were taken during field work in 2014


5 结 语

高分辨率SAR影像展现了更加清晰的冰川轮廓,并且可以看到冰川表面更加丰富的纹理,为冰川监测提供了更多的支持。本文采用相位一致性方法与快速行进法相结合,可以准确地提取出整个冰川区域的轮廓,并且与目视解译的冰川边界相比,面积误差小于5%。尤其对于连续的冰川区,更加具有优势,可以用较少的种子点获得较高的精度。而相位一致性方法提取的纹理,从效率来看,可以使用统一的阈值提取整个冰川区域的纹理。从准确性来看,比较完整且准确地提取了整个冰川区域的纹理,而且噪声较少。

但是,本文方法还有一些需要改进的地方。对于冰川面积的提取,冰川末端的定位不够准确,是由于冰川末端与地表的后向散射系数相近,导致了冰川边缘的误判。因此可以考虑对原始的图像做干涉处理,得到冰川干涉图,从而得到更加准确的冰川末端,进而监测冰川的变化。提取的冰川表面的冰面河有些断裂,因为原始图像的线状特征像素值的改变,导致冰面河的不连续。如何提取连续并且具有宽度的冰面河,监测冰面河的状态变化,进而监测冰川的消融状态是下一步要解决的问题。

参考文献

Nojarov PGachev EGrunewald K.

Recent Behavior and Possible Future Evolution of the Glacieret in the Cirque Golemiya Kazan in the Pirin Mountains under Conditions of Climate Warming

[J]. Journal of Mountain Science,201916(1):19-32.

[本文引用: 1]

Marzeion BKaser GMaussion Fet al.

Limited Influence of Climate Change Mitigation on Short-term Glacier Mass Loss

[J]. Nature Climate Change,20188(4):305-308.

[本文引用: 1]

Wang JingQin XiangLi Zhenlinet al.

Glaciers Change Detection from 2004 to 2015 in the Daxueshan,Qilian MTS

[J].Remote Sensing Technology and Application201732(3): 490-498.

[本文引用: 1]

王晶, 秦翔, 李振林,. 2004~

2015年祁连山西段大雪山地区冰川变化

[J].遥感技术与应用,201732(3): 490-498.

[本文引用: 1]

Wu YubinLiu YonggangYi Chaoluet al.

Impact of Tibetan Glacier Change on the Asian Climate during the Last Glacial Maximum

[J]. Acta Scientiarum Naturalium Universitatis Pekinensis201955(1):162-173.

[本文引用: 1]

毋宇斌, 刘永岗, 易朝路,.

末次冰盛期青藏高原冰川变化对亚洲气候的影响

[J]. 北京大学学报:自然科学版, 2019,55(1):162-173.

[本文引用: 1]

Yangzong ZhaxiLi LinZhuo Maet al

Research on Glacier Change Monitoring in Nianchu River Basin

[J].Remote Sensing Technology and Application2017326):1126-1131.

[本文引用: 1]

扎西央宗, 李林, 卓玛,.

西藏年楚河流域冰川变化监测方法研究

[J].遥感技术与应用,2017326):1126-1131.

[本文引用: 1]

Zhang ZhenLiu ShiyinWei Junfenget al.

Mass Change of Glaciers in Mt.Qomolangma (Everest) Region from 1974 to 2012 as derived from Remote Sensing Data

[J]. Remote Sensing Technology and Application201833(4): 731-740.

[本文引用: 1]

张震, 刘时银, 魏俊锋,. 1974~

2012年珠穆朗玛峰地区冰川物质平衡遥感监测研究

[J]. 遥感技术与应用,201833(4): 731-740.

[本文引用: 1]

Kang YKarlstrom LSmith L Cet al.

Automated High-Resolution Satellite Image Registration Using Supraglacial Rivers on the Greenland Ice Sheet

[J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing,201799:1-12.

[本文引用: 1]

Huang LTian B SLi Zet al.

Scattering Property Analysis of Supraglacial Debris Using Target Decomposition on Polarimetric SAR Imagery

[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,201710(5):1843-1852.

[本文引用: 1]

Touzi RLopes ABousquet P.

A Statistical and Geometrical Edge Detector for SAR Images

[J]. IEEE Transactions on Geoscience and Remote Sensing,198826(6): 764-773.

[本文引用: 1]

Oliver CBlacknell DWhite R.

Optimum Edge Detection in SAR

[J]. IEEE Proceedings-Radar, Sonar and Navigation,1996143(1): 31-40.

[本文引用: 1]

Fjortoft RLopes AMarthon Pet al.

An Optimal Multiedge Detector for SAR Image Segmentation

[J]. IEEE Transactions on Geoscience and Remote Sensing,199836(3): 793-802.

[本文引用: 1]

Liu liuYang XuezhiZhou Fanget al.

Non-local Filtering for Polarimetric SAR Data based on Three Dimensional Patch Matching Wavelet Transform

[J]. Journal of Remote Sensing201721(2): 218-227.

[本文引用: 1]

刘留, 杨学志, 周芳,.

3维块匹配小波变换的极化SAR非局部均值滤波

[J]. 遥感学报, 201721(2):218-227.

[本文引用: 1]

Tian ZhuangzhuangZhan RonghuiHu Jiemin, et al.

SAR ATR based on Convolutional Neural Network

[J] Journal of Radars20165(3):320-325.

[本文引用: 1]

田壮壮, 占荣辉, 胡杰民,.

基于卷积神经网络的SAR图像目标识别研究

[J].雷达学报,20165(3):320-325.

[本文引用: 1]

Wang YuYang YiWang Baoshanet al.

Building Segmentation in High Resolution Remote Sensing Image by Deep ResNet

[J].Remote Sensing Technology and Application201934(4):736-747.

[本文引用: 1]

王宇, 杨艺, 王宝山,.

深度残差神经网络高分辨率遥感图像建筑物分割

[J]. 遥感技术与应用,2019344):736-747.

[本文引用: 1]

Zhou J MLi ZTang Z Het al.

Estimation the Dongkemadi Glacier Thickness Change by ALOS/PALSAR

[J]. IOP Conference Series: Earth and Environmental Science,201417:012132.doi:10.1088/1755-1315/1711/012132.

[本文引用: 1]

Fujita KAgeta YJianchen P, et al.

Mass Balance of Xiao Dongkemadi Glacier on the Central Tibetan Plateau from 1989 to 1995

[J]. Annals of Glaciology,201731(1):159-163.

[本文引用: 1]

Morrone M COwens R A.

Feature Detection from Local Energy

[J]. Pattern Recognition Letters,19876(5): 303-313.

[本文引用: 1]

Venkatesh SOwens R.

An Energy Feature Detection Scheme

[C]//ICIP'89:IEEE International Conference on Image Processing: Conference ProceedingsSingapore: IEEE1989.

[本文引用: 1]

Kovesi P.

Image Features from Phase Congruency

[J]. Videre: Journal of Computer Vision Research,19991(3): 1-26.

[本文引用: 1]

Canny J.

A Computational Approach to Edge Detection

[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 19868(6): 679-698.

[本文引用: 1]

Otsu N.

A Threshold Selection Method from Gray-Level Histograms

[J]. IEEE Transactions on Systems, Man, and Cybernetics,19799(1):62-66.

[本文引用: 1]

Hassouna M SFarag A A.

MultiStencils Fast Marching Methods: A Highly Accurate Solution to the Eikonal Equation on Cartesian Domains

[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,200729(9): 1563-1574.

[本文引用: 1]

Mandava R KKatla MVundavilli P R.

Application of Hybrid Fast Marching Method to Determine the Real-time Path for the Biped Robot

[J]. Intelligent Service Robotics, 2019, 12(1):125-136.

[本文引用: 1]

/