王志豪 李 刚 蒋 骁

(清华大学电子工程系 北京 100084)

1 引言

遥感技术为地理勘探[1]、建筑测绘[2]、植被监测[3]、水域监测[4]、灾区探测[5]等提供了重要的技术支持。在洪灾区域检测中，光学遥感能够提供丰富的光谱信息和较高的图像分辨率，而雷达遥感则具备全天候的洪灾区域检测能力[6]。异质图像融合已经在复Contourlet域得到了实现[7]，因此结合光学遥感数据和雷达遥感数据能实现洪灾区域的全天候、高时效检测[8]。

当前，学者们提出许多基于遥感图像的洪灾区域检测方法。其中，应用人工神经网络和自组织映射网络[9]方法处理洪灾前后的同质SAR图像时能大致区分洪灾区域，但是受到大量相干斑噪声的影响，检测结果仍然存在很高的虚警率。为了结合光学遥感图像和SAR图像的成像优势，一些学者提出了基于异质图像的洪灾区域检测方法，例如像素变换法[10]和特征空间变换法[11]。上述方法对洪灾前的SAR图像和洪灾后的光学图像有良好的检测效果，但是对洪灾前的光学图像和洪灾后的SAR图像的检测效果较差。

针对SAR图像中洪灾区域的检测难点，本文提出了H-FCM算法。该算法的主要贡献如下：

(1) 提出SAR图像的分级聚类模型；

(2) 将洪灾前的近红外波段光学遥感图像中提取出的河流位置融合到洪灾后的SAR图像中，并作为洪灾区域检测的空间约束，进一步提升了检测结果的准确率。

文章结构如下：第2节分析了近年来洪灾区域检测方法的发展和存在的问题。第3节介绍了分级C均值聚类算法Hierarchical Fuzzy C-Means (H-FCM)算法的原理、步骤以及参数设定对算法性能的影响。……