遥感技术与应用, 2022, 37(4): 1003-1011 doi: 10.11873/j.issn.1004-0323.2022.4.1003

遥感应用

基于Sentinel-1双极化数据改进水体提取的Otsu算法

冯崎,1, 王琦1, 黄海兰,1,2, 王征强3

1.武汉大学测绘学院，湖北 武汉 430079

2.武汉大学地球空间环境与大地测量教育部重点实验室，湖北 武汉 430079

3.宝鸡市测绘院，陕西 宝鸡 721000

Improved Otsu Algorithm for Water Extraction based on Sentinel-1 Dual-polarization Data

Feng Qi,1, Wang Qi1, Huang Hailan,1,2, Wang Zhengqiang3

1.School of Geodesy and Geomatics，Wuhan University，Wuhan 430079，China

2.Key Laboratory of Geospace Environment and Geodesy，Minstry of Education，Wuhan University，Wuhan 430079，China

3.Baoji Institute of Surveying and Mapping，Baoji 721000，China

通讯作者: 黄海兰（1973-），女，广东韶关人，博士，副教授，主要从事卫星大地测量学研究。E⁃mail: hlhuang@sgg.whu.edu.cn

收稿日期: 2021-03-21   修回日期: 2021-08-15  

基金资助: 国家自然科学基金项目.  41721003
湖北省自然科学基金项目.  2019CFB427

Received: 2021-03-21   Revised: 2021-08-15  

作者简介 About authors

冯崎（2000-），男，浙江宁波人，本科生，主要从事测绘工程专业知识学习E⁃mail:1367555295@qq.com , E-mail：1367555295@qq.com

摘要

基于SAR图像的阈值分割法是水体信息有效提取的常用方法之一。针对Otsu算法对于SAR影像水体提取精度低、噪声大的问题，以C波段Sentinel-1 SAR为数据源，提出一种基于Otsu算法的SAR图像水体提取新方法。该方法首先基于双极化数据构建自然指数函数，优化原始Sentinel-1数据图像像元直方图分布，再结合Otsu算法对图像进行水体提取，最后基于DEM数据去除误提取的山体阴影。以同一天的Landsat 8光学影像作为真实水体样本进行精度评定，结果表明：在不同水体占比情况下，该方法水体提取精度均优于Otsu算法，在水体占比小于10%时综合精度提升约为20%—60%，而且噪声小、适用性强，可用于快速高效获取大范围内水体信息。

关键词： 水体提取 ; Sentinel⁃1 ; SAR ; Otsu算法 ; 双极化

Abstract

Threshold segmentation method based on SAR image is one of the commonly used methods for effective extraction of water information. In view of the problem of low accuracy and high noise for water extraction on SAR image by Otsu algorithm， a new method based on Otsu algorithm is proposed using C-band Sentinel-1 SAR as the data source. This method constructs natural exponential function based on dual-polarization data to optimize the histogram distribution of pixels in original Sentinel-1 image firstly， and then combines Otsu algorithm to extract water information from image， at last removes the wrongly extracted hill shade based on DEM. The accuracy is evaluated by using optical images of Landsat 8 as the real water information. The results show that the accuracy of water extraction for the proposed method is superior to traditional Otsu algorithm in the case of different water proportions， accuracy of which increased by about 20—60% while water proportion less than 10%. Moreover， this proposed method has low noise and wide applicability features， which can be used for obtaining water information of large area quickly and efficiently.

Keywords： Water extraction ; Sentinel-1 ; SAR ; Otsu algorithm ; Dual-polarization

PDF (9980KB) 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

冯崎, 王琦, 黄海兰, 王征强. 基于Sentinel-1双极化数据改进水体提取的Otsu算法. 遥感技术与应用[J], 2022, 37(4): 1003-1011 doi:10.11873/j.issn.1004-0323.2022.4.1003

Feng Qi, Wang Qi, Huang Hailan, Wang Zhengqiang. Improved Otsu Algorithm for Water Extraction based on Sentinel-1 Dual-polarization Data. Remote Sensing Technology and Application[J], 2022, 37(4): 1003-1011 doi:10.11873/j.issn.1004-0323.2022.4.1003

1 引 言

水在生态保护、灾害防治、经济社会发展等方面具有重要价值，快速准确地获取水体信息及其分布对洪涝风险评估、水资源调查等方面具有重要意义。光学遥感卫星数据如MODIS、Landsat已广泛用于大范围水体提取，但易受云层和天气影响，无法做到全天候监测和评估［1］。而主动式的微波遥感能够穿透云层获取地物的后向散射信息，有效弥补了光学影像的缺陷，逐渐成为水体监测的重要数据源［2-4］。

光滑水体表面会导致后向散射较弱，与表面粗糙的其他地物产生明显差异，根据这一特征，阈值分割法能快速对合成孔径雷达（Synthetic Aperture Radar，SAR）图像进行二分化提取所需信息，被广泛用于SAR影像的水体信息提取［2，5-6］。其中，Otsu算法因计算简单、自适应强等优点而常为使用［2-3，5，7-8］，但该方法在提取水体目标面积大于整幅图像的30%时效果较好，面积比减小到10%后性能迅速下降［9］，且易受相干斑和混合噪声等影响［10-11］。此外，山区由于地形和入射波束角度而产生山体阴影，阈值分割法会将阴影误提取为水体［11］。因此传统Otsu算法对于SAR影像水体信息提取适应性差，不能单独适用于SAR图像［12］。

针对Otsu算法存在的问题，许多学者发展了相关改进算法。景晓军等［13］结合像元空间信息发展出二维Otsu算法，实现了对低对比度和信噪比目标的良好分割。范九伦等［14］基于引入邻域中值特征的三维Otsu算法，在二维Otsu基础上提升了去噪性能。杨金龙等［15］提出了结合二维Otsu算法和二维Fisher准则函数的算法，有效减弱了了噪声影响。李智慧等［16］基于Otsu分割阈值得到的水体目标和背景的权重比，改进了二维最大熵算法，减弱了斑点噪声的影响，较好地实现了水体边界的提取。Niharika等［17］采用对图像进行K均值聚类和中值滤波，再进行Otsu分割和形态学闭合的方法，获得了噪声较少的水体图像。郭拯危等［18］在多阈值Otsu算法基础上，采用模糊C均值算法和连通区域法实现了复杂环境下水陆较好的分割。这些研究有效提升了阈值分割的抗干扰性和有效性，但算法推导和计算复杂性急剧上升，并且未考虑目标面积占比（提取目标面积占提取总面积）的影响，存在一定适用条件，不利于灾害快速相应和大面积长时间序列的影像水体提取。因此，研究基于Otsu算法，以Sentinel-1 SAR双极化影像为数据源构建自然指数函数，优化图像像元直方图分布，进而提高水体的提取精度，并结合DEM去除因山体阴影导致的SAR影像水体误提取，最终提升SAR影像水体提取效率和可靠性。

2 研究区与数据源

研究区位于江西、湖北、安徽三省交界处的环鄱阳湖地区，地理位置介于28.03°—30.32° N， 115.38°—117.26° E之间，区域中心为中国第一大淡水湖——鄱阳湖。该地处亚热带季风气候区，年均降水量约为1 500 mm，发育有大量细小河流、湖泊和水塘。地形主要以山地、平原为主，还夹杂部分丘陵地带。由于地形以及气候的影响，该地区夏季易发生洪涝灾害。在研究区域内选取6个水体占比约为2%、5%、10%、20%、30%、50%的样区，依次记为样区1至样区6（图1）。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   研究区位置

Fig.1   Location of the Study area


Sentinel-1星座由A、B两颗近极地太阳同步轨道卫星组成，分别于2014年4月和2016年4月发射升空，重访周期从单颗卫星的12 d至组网星座的6 d，并提供免费的C波段的SAR数据。选用2020年9月6日的Sentinel-1 A IW模式GRDH双极化数据（VV\VH），空间分辨率5 m×20 m，数据来源于https：∥scihub.copernicus.eu/dhus/。使用欧空局发布的软件SNAP对影像进行轨道校正、去除热噪声、辐射定标、相干斑滤波、地形校正、分贝化等预处理，最后转换得到空间分辨率为10 m×10 m影像数据。

为保证与Sentinel-1 SAR数据的成像时间接近，参考影像选取2020年9月6日同一天的Landsat-8 OLI光学影像，空间分辨率为30 m×30 m，数据来源于https：∥earthexplorer.usgs.gov/。所选影像研究区云层影响较小。该影像经辐射定标、大气校正、投影转换、重采样等预处理，基于波段组合的光学影像（R：SWIR，G：NIR，B：Blue）仔细目视识别，作为后续精度评定的真实水体样本。

3 研究方法

首先对Sentinel-1影像进行预处理，再基于VV和VH极化数据构建函数以优化图像像元直方图，然后利用Otsu算法进行二值化阈值分割，得到水体提取的初步结果，最后利用DEM数据去除山体阴影区域获得水体提取的最终结果。为了验证与Otsu算法水体提取结果的差异，以同一天成像的Landsat 8光学影像提取的真实水体作为参考，对提取结果进行定性和定量评价（图2）。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   实验流程图

Fig.2   Flowchart of this study


3.1　Otsu算法

Otsu是一种确定图像分割阈值的算法，基于Otsu算法求得的阈值T进行二值化分割，图像前景与背景类间方差最-大，该方法也称最大类间方差法［19］。设图像像元个数和灰度值分别为N和L，灰度范围为[0,L-1]，经过一系列推导得：

σ2(t)=ω1⋅ω2u1-u22

其中：ω1、ω2为前景和背景的像元概率；u1、u2为前景和背景的平均灰度，使得类间方差σ2(t)最大的分割阈值t值即为阈值T，即Otsu算法确定的最佳分割阈值为：

T=arg [max0<t<L-1 σ2(t)]

从Otsu算法公式可以看出，该方法确定的阈值完全依赖于待分割图像像元的灰度分布情况，因此双峰特性显著和灰度离散点分布少的图像像元直方图是Otsu算法确定出能正确区分目标与背景阈值的前提。

3.2　双极化数据运算方法

在SAR影像中，由于微波频段固有的散射特性，使得水体与非水体的后向散射差异较大，在像元统计图中呈现相对明显的双峰结构，常采用阈值分割法进行水体信息的提取。但SAR影像水体和非水体像元间差异往往不够显著，图像像元直方图中水体和非水体双峰间相对距离过近，双峰间谷底存在大量像元，因而会减弱图像的双峰性质。在山区和城市建筑较多的区域，当倾斜入射的雷达波束与山体坡面相垂直、建筑物墙面和地面间发生各向同性二次散射和多次散射［20］，会产生强反射，在SAR影像上呈现高亮区域，这些离散分布的非水体像元，也会影响原始影像像元直方图的灰度分布。因此，SAR影像像元灰度的分布特征极大地影响Otsu算法的水体提取结果，在水体占比较小的情况下尤为严重。

研究提出双极化数据运算方法来优化原始Sentinel-1 SAR数据像元分布特征。通过双极化数据相乘后计算自然指数函数exp (VV*VH/1000)，扩大水体和非水体的类间差异。由于自然指数函数梯度递增，在自变量小于0时增长缓慢、大于0时增长迅速，能有效抑制经相乘变换后灰度值较小的非水体噪声点，扩大水体信号。因而在双极化数据相乘后通过自然指数函数对图像像元分布进行重新分配，以压缩离散非水体像元的灰度范围，进一步扩大水体和非水体的类间差异。

与单极化Otsu算法相比，经双极化数据运算方法后的影像水体和非水体差异显著扩大，像元灰度分布更加均衡，更有利于Otsu算法的自动阈值分割（图3）。但可以看到原始Sentinel-1和双极化运算后影像山体阴面灰度值始终与水体相似，如图3（f）所示。仅依据双极化运算方法无法分离，因此还需要进行山体阴影剔除。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   样区4 VV、VH和双极化运算图像及直方图

Fig.3   The histograms and images of VV、VH and Dual-polarization operation of sample area 4


3.3　基于DEM去除山体阴影

由于Sentinel-1 SAR影像固有的成像模式导致背离波束的山体在图像中呈现山地体阴影现象，该部分后向散射弱易与水体混淆［21］。因此，采用美国NASA的SRTM DEM数据去除山体阴影，空间分辨率为30 m，来源于http：∥srtm.csi.cgiar.org/srtmdata/。首先基于卫星成像入射角度和方位，利用DEM生成山体晕渲图，其中高亮和深色区域分别为山体亮面和山体阴影，如图4（a）所示；再进行阈值分割提取山体阴影，最后与生成的二值化水体图像进行叠加实现对山体阴影的剔除（图4（d））。比较山体阴影去除前后的水体图像，误提取的山体阴影剔除较好，同时保留了山间的细小水体。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   样区4山体阴影去除效果图

Fig.4   The results of removing mountain shadow for sample area 4


3.4　精度评价指标

使用查准率（Precision）、查全率（Recall）和F1综合指标进行定量精度评定［7，22-24］，查准率P和查全率R以及F1指标的定义为：

P=SWr⋂SWeSWe
R=SWr⋂SWeSWr
F1=2×P×RP+R

其中：SWr为真实水体像元集合；SWe为算法提取出的水体像元集合。查准率代表该算法提取出水体的准确程度，数值越高代表该方法误提取的水体越少；查全率代表该算法提取出水体的完整性，数值越高代表该方法提取得到的水体越接近真实的水体范围［24］；F1指标兼顾查准和查全率，数值为该方法水体提取的综合精度。

4 结果分析

为验证本文方法的有效性和适用性，在6个样区内进行水体信息提取，结合光学影像，与基于VV和VH极化的Otsu算法结果进行定性和定量评价。各样区不同方法得到的图像像元直方图和水体提取结果分别如图5和图6所示。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   不同方法对应的各样区图像像元直方图

Fig.5   Image histograms of samples corresponding to different methods


图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   不同方法提取的各样区水体结果

Fig.6   Results of water bodies in samples extracted by different methods


对于不同水体占比的影像，双极化数据运算方法均能有效优化影像像元直方图的形态，扩大水体和非水体差异（图5）。由于水体占比较小（小于10%）和受离散非水体像元的影响，样区1、2、3中原始Sentinel-1影像（VV和VH）水体像元灰度分布范围狭窄，图像像元直方图主要呈单峰形态，而双极化运算图像中水体像元灰度分布范围较广，图像像元直方图水体和非水体像元类间差异较明显。样区4、5、6水体占比较大（大于20%），原始图像像元直方图存在明显双峰，但双峰间谷底范围狭窄并存在大量像元，而双极化运算图像像元直方图双峰谷底宽阔且像元数较少，易于区分水体和非水体信息。

样区1、2、3水体占比小于10%，原始Sentinel-1影像直方图双峰特征不明显，Otsu算法误提取的现象非常严重，存在大量植被、裸地等地物被误提取为水体，水体与非水体信息混淆在一起而难以区分（图6）。但本文方法能提取出主要的水体轮廓，也能实现对细小河流和水塘的有效提取，水体提取效果明显优于Otsu算法。样区4、5、6中水体主要为宽阔的河道和大面积的湖泊，也存在一些细小水体，原始Sentinel-1影像双峰形态显著。此时两种方法均能较好的提取出主要水体，但Otsu算法误提取现象相对严重，存在部分农田、裸地被提取为水体，同时离散的噪声点较多，而本文方法提取出的水体信息较为纯净且准确性较高。综上，影像中水体占比较大，Otsu算法能有较好的提取效果。影像中水体占比较小时，直方图主要呈现出单峰形态，双峰特征不显著，Otsu算法不能有效提取出水体。而本文方法均能有效提取出水体信息，在提取出主要水体边界的同时也能较好地抑制噪声。

本文方法以及基于VV和VH极化Otsu算法的P、R和F1指标如表1所示，可以看出，对于Otsu算法，采用VH极化影像结果要优于VV极化影像，而本文方法在查准率和综合性能上均优于传统Otsu算法。对于水体占比小于10%的样区1、2、3，本文方法查准率和综合指标分别高于Otsu算法29.07%—61.55%、15.52%—56.33%，水体占比约2%的样区1综合精度提升最为显著，较Otsu算法提升约56%；随着水体占比增加导致二分难度下降，Otsu算法提取精度迅速提高，对于水体占比大于20%的样区4、5、6，本文方法查准率和综合指标仍分别高于Otsu算法1.92%—21.84%、0.25%—10.12%。

表1   不同方法提取的水体精度评价表

Table1  Accuracy evalution table of water extracted by different methods

样区P/%PR/%F1/%
本文方法Otsu本文方法Otsu本文方法Otsu
VVVHVVVHVVVH
样区168.476.927.2470.1292.1287.5769.2812.9513.37
样区287.7517.3551.9175.4588.8884.7081.1429.0464.37
样区382.0546.1152.9881.4487.0088.2881.7460.2866.22
样区490.2468.4085.2584.5088.4988.3087.2877.1686.75
样区594.7390.5788.7290.8091.9594.2092.7291.2591.37
样区697.8095.8895.8895.4496.2596.8396.6096.0796.35

新窗口打开| 下载CSV


不同样区Otsu算法查全率始终较高，这是因为对于双极化影像Otsu算法误提取现象相对严重，对真实水体进行了过饱和覆盖，也导致相对较低的查准率，特别在水体占比小于10%的样区1、2、3，双极化影像查全率与查准率之差均大于30%，最大高达85.2%，表明在水体占比较小情况下，Otsu算法存在大量非水体地物被提取为水体的现象，难以提取出真实水体，准确性较低。本文方法较Otsu算法在水体占比较小时水体提取精度提升显著；水体占比较大时也有明显提升，且提取精度受水体占比影响较小，均能有效提取出水体信息。

5 结 论

研究基于Otsu算法，提出了一种适用于Sentinel-1 SAR的双极化数据的水体提取新方法，结合时间接近的光学影像进行精度评定得出主要结论：

（1）双极化数据运算方法能扩大水体和非水体像元间的类间差异、压缩离散非水体像元灰度范围，优化影像像元分布特征，相比于采用单一VV或VH极化影像，更有助于Otsu算法获得更准确的水体分割阈值，适用性强。

（2）由于交叉极化以体散射为主，水体类内方差较小，直方图双峰特征相对显著，应用Otsu算法，VH极化影像结果优于VV极化影像。

（3）基于光学参考影像的分析，本文方法水体提取结果优于传统Otsu算法，适用性强并表现出较好的噪声抑制特性。

由于C波段雷达信号固有的散射特性，水体表面船只等高反射目标、部分浅水渗透的地物以及水田会影响水体信息提取的精度，在今后的研究中应结合更多相关图像特征信息，实现水体信息的连续和高精度提取。

参考文献

Zhou Peng， Xie Yuanli， Jiang Guangxin，et al.

Advances on water body information extraction from remote sensing imagery

［J］. Remote Sensing Information，2020，35（5）：9-18.

[本文引用: 1]

周鹏，谢元礼，蒋广鑫，等.

遥感影像水体信息提取研究进展

［J］. 遥感信息，2020，35（5）：9-18.

[本文引用: 1]

Chen Lingyan， Liu Zhi， Zhang Hong.

SAR image water extraction based on scattering characteristics

［J］. Remote Sensing Technology and Application，2014，29（6）：963-969.

[本文引用: 3]

陈玲艳，刘智，张红.

基于水体散射特性的SAR图像水体检测

［J］. 遥感技术与应用，2014，29（6）：963-969.

[本文引用: 3]

Sun Yayong， Huang Shifeng， Li Jiren，et al.

The downstream flood monitoring application of myanmar irrawaddy river based on sentinel-1A SAR

［J］. Remote Sensing Technology and Application，2017，32（2）：282-288.

[本文引用: 1]

孙亚勇，黄诗峰，李纪人，等.

Sentinel-1A SAR数据在缅甸伊洛瓦底江下游区洪水监测中的应用

［J］. 遥感技术与应用，2017，32（2）：282-288.

[本文引用: 1]

Su Longfei， Li Zhenxuan， Gao Fei，et al.

A review of remote sensing image water extraction

［J］. Remote Sensing for Land and Resources，2021，33（1） ：9-19.

[本文引用: 1]

苏龙飞，李振轩，高飞，等.

遥感影像水体提取研究综述

［J］. 国土资源遥感，2021，33（1）：9-19.］

[本文引用: 1]

An Chengjin， Niu Zhaodong， Li Zhijun，et al.

Otsu threshold comparison and SAR water segmentation result analysis

［J］. Journal of Electronics & Information Technology，2010，32（9）：2215-2219.

[本文引用: 2]

安成锦，牛照东，李志军，等.

典型Otsu算法阈值比较及其SAR图像水域分割性能分析

［J］. 电子与信息学报，2010，32（9）：2215-2219.

[本文引用: 2]

Deng Ying， Zhang Hong， Wang Chao，et al.

An object-oriented water extraction method based on texture and polarimetric decomposition feature

［J］. Remote Sensing Technology and Application，2016，31（4）：714-723.

[本文引用: 1]

邓滢，张红，王超，等.

结合纹理与极化分解的面向对象极化SAR水体提取方法

［J］. 遥感技术与应用，2016，31（4）：714-723.

[本文引用: 1]

Guo Xin， Zhao Yindi.

Floodinundation monitoring in Ningxiang of Hunan province based on Sentinel-1A SAR

［J］. Remote Sensing Technology and Application，2018，33（4）：646-656.

[本文引用: 2]

郭欣，赵银娣.

基于Sentinel-1A SAR的湖南省宁乡市洪水淹没监测

［J］. 遥感技术与应用，2018，33（4）：646-656.

[本文引用: 2]

Li Jianfeng， Zhang Zongke， Wei Xianhu，et al.

Research on quick extraction model of flood inundation range

［J］. Journal of Irrigation and Drainage，2021，40（S1）：26-32.

[本文引用: 1]

李健锋，张宗科，魏显虎，等.

洪水淹没范围快速提取模型研究

［J］. 灌溉排水学报，2021，40（）：26-32.

[本文引用: 1]

Lee S U， Chung S Y， Park R H.

A comparative performance study of several global thresholding techniques for segmentation

［J］. Computer Vision，Graphics，and Image Processing，1990，51（2）：171-191.

[本文引用: 1]

Zhu Jun， Wang Shixi， Ji Kefeng，et al.

Improved 2D Otsu algorithm for SAR images

［J］. Journal of Image and Graphics，2009，14（1）：14-18.

[本文引用: 1]

朱俊，王世唏，计科峰，等.

一种适用于SAR图像的2维Otsu改进算法

［J］. 中国图象图形学报，2009，14（1）：14-18.

[本文引用: 1]

Yang Cunjian， Wei Yiming， Wang Siyuan，et al.

Extracting the flood extent from SAR imagery on basis of DEM

［J］. Journal of Natural Disasters，2002，21（3）：121-125.

[本文引用: 2]

杨存建，魏一鸣，王思远，等.

基于DEM的SAR图像洪水水体的提取

［J］. 自然灾害学报，2002，21（3）：121-125.

[本文引用: 2]

Li Yü， Yang Yun， Zhao Quanhua.

Waterbody extraction from SAR imagery based on improved speckle reducing anisotropic diffusion and maximum between-cluster variance

［J］.Journal of Geo-information Science，2019，21（6）：907-917.

[本文引用: 1]

李玉，杨蕴，赵泉华.

结合改进的降斑各向异性扩散和最大类间方差的SAR图像水体提取

［J］.地球信息科学学报，2019，21（6）：907-917.

[本文引用: 1]

Jin Xiaojun， Cai Anni， Sun Jing’ao.

Image segmentation based on 2D maximum between-cluster variance

［J］. Journal on Communications，2001，22（4）：71-76.

[本文引用: 1]

景晓军，蔡安妮，孙景鳌.

一种基于二维最大类间方差的图像分割算法

［J］. 通信学报，2001，22（4）：71-76.

[本文引用: 1]

Fan Jiulun， Zhao Feng， Zhang Xuefeng.

Recursive algorithm for three-dimensional Otsu's thresholding segmentation method

［J］. Acta Electronica Sinica，2007，35（7）：1398-1402.

[本文引用: 1]

范九伦，赵凤，张雪峰.

三维Otsu阈值分割方法的递推算法

［J］. 电子学报，2007，35（7）：1398-1402.

[本文引用: 1]

Yang Jinlong， Zhang Guangnan， Li Shuzhong，et al.

Study of image segmentation algorithm based on two-dimensional histogram

［J］. Laser & Infrared，2008，38（4）：400-403.

[本文引用: 1]

杨金龙，张光南，厉树忠，等.

基于二维直方图的图像分割算法研究

［J］. 激光与红外，2008，38（4）：400-403.

[本文引用: 1]

Li Zhihui， Chen Xiuwan， Luo Peng，et al.

A hybrid thresholding method for water extraction in envisat image

［J］. Remote Sensing Information，2013，28（2）：62-65，69.

[本文引用: 1]

李智慧，陈秀万，罗鹏，等.

基于混合阈值法的Envisat影像水体提取

［J］. 遥感信息，2013，28（2）：62-65，69.

[本文引用: 1]

Niharika E， Adeeba H， Krishna A S R，et al.

K-means based noisy SAR image segmentation using median filtering and otsu method

［C］∥2017 International Conference on IoT and Application. IEEE，2017.

[本文引用: 1]

Guo Zhengwei， Wang Le， Song Guolei.

SAR image land and water segmentation algorithm based on hybrid fuzzy

［J］. Remote Sensing for Land & Resources，2018，30（4）：62-67.

[本文引用: 1]

郭拯危，王乐，宋国磊.

基于混合模糊的SAR图像水陆分割算法

［J］. 国土资源遥感，2018，30（4）：62-67.

[本文引用: 1]

Otsu N.

A threshold selection method from Gray-Level histogram

［J］. IEEE Transactions on Systems，Man，and Cybernetics，1979，9 （1）：62-66.

[本文引用: 1]

Liu Kang.

Advanced methods for building height extraction from high resolution SAR images

［D］. Wuhan：Wuhan University，2012.

[本文引用: 1]

刘康.

基于高分辨率SAR影像提取建筑物高度的研究

［D］. 武汉：武汉大学，2012.

[本文引用: 1]

Luan Yüjie， Guo Jinyun， Gao Yonggang，et al.

Remote sensing monitoring of flood and disaster analysis in Shouguang in 2018 from Sentinel-1B SAR data

［J］. Journal of Natural Disasters，2021，30（2）：168-175.

[本文引用: 1]

栾玉洁，郭金运，高永刚，等.

基于Sentinel-1B SAR数据的2018年寿光洪水遥感监测及灾害分析

［J］. 自然灾害学报，2021，30（2）：168-175.

[本文引用: 1]

Wang Jingming， Wang Shixin， Wang Futao，et al.

Flood inundation region extraction method based on Sentinel-1 SAR data

［J］. Journal of Catastrophology，2021，36（4）： 214-220.

[本文引用: 1]

王敬明，王世新，王福涛，等.

基于Sentinel-1 SAR数据洪水淹没提取方法研究

［J］. 灾害学，2021，36（4）：214-220.

[本文引用: 1]

Wang Ming， Liu Zhengjia， Chen Yuanyan.

Comparsions of image cloud detection effect based on Sentinel-2 bands/products

［J］. Remote Sensing Technology and Application，2020，35（5）：1167-1177.

王明，刘正佳，陈元琰.

基于Sentinel-2波段/产品的图像云检测效果对比研究

［J］. 遥感技术与应用，2020，35（5）：1167-1177.

Chen Zhiguo.

Flooded area classification by high-resolution SAR images

［D］. Wuhan：Wuhan University，2017.

[本文引用: 2]

陈志国.

高分辨率SAR卫星影像洪水区域提取应用研究

［D］. 武汉：武汉大学，2017.

[本文引用: 2]

/

〈 〉