一种自动特征提取的SAR图像水华识别方法

戚雯雯 孙梦伟 徐冰冰

摘  要： 针对SAR图像水华识别中人工提取特征效率低的问题，提出了一种自动特征提取识别方法。该方法应用改进的K-means算法提取SAR图像暗斑，利用数据增强算法扩充暗斑图像集，并基于对水华暗斑图像特征的深入分析对DenseNet网络结构进行改进，以实现对水华暗斑与非水华暗斑更有效地识别区分。以太湖数据集作为实验数据，该方法获得了87.30%的总体精度，这一结果表明自动特征提取识别方法对于SAR图像水华识别的有效性。

关键词： 水华识别; SAR图像; 改进的DenseNet; 自动特征提取; SAR信息提取

中图分类号：TP751          文献标识码：A     文章编号：1006-8228（2021）04-60-05

Abstract： To solve the low efficiency of manual feature extraction in the Synthetic Aperture Radar （SAR） image algae bloom discrimination， an automatic feature extraction and recognition method is proposed. This method uses an improved K-means algorithm to extract dark spots in SAR images and uses a data enhancement algorithm to expand the dark spot image set. Based on the in-depth analysis of the image features of algae bloom dark spots， the DenseNet network structure is improved to achieve the discrimination of algae bloom and non-algae bloom dark spots more effectively. The method obtained an overall accuracy of 87.30% using the Taihu Lake dataset as the experimental data. This result shows the effectiveness of the automatic feature extraction and recognition method for algae bloom discrimination in SAR images.

Key words： algae bloom discrimination; SAR image; improved DenseNet; automatic feature extraction; SAR information extraction

0 引言

水華是湖泊富营养化，水体中藻类大量繁殖生长而导致的水体污染现象[1]。传统的水华监测识别方法通常为实地采样和布点，费时费力，难以准确地反映水华的空间分布情况。随着科技的发展，卫星遥感技术在环境监测领域发挥着越来越重要的作用。合成孔径雷达（Synthetic Aperture Radar， SAR）是一种主动式的微波成像传感器，在多云多雨的天气下也能进行有效的对地观测。由于其不可替代的优势，SAR图像已成为水环境遥感监测应用中重要的数据来源。

水华在湖面上通常以绿色油膜状物质存在[2]。油膜状物质对水面波纹起平滑作用，当SAR发射的电磁波入射到水面时，会大幅降低SAR接收到的后向散射回波信号，因此水华区域在SAR图像中以低灰度的暗斑形式呈现。但是，当水面处于低风速（小于3.2m/s）状态时[3]，同样会形成类似于水华的暗斑区域。……