本發(fā)明涉及合成孔徑雷達(dá)探測技術(shù)領(lǐng)域，特別涉及一種基于遞歸otsu算法的sar圖像水域自動檢測方法，即基于遞歸最大類間方差(otsu)算法的sar圖像水域自動檢測方法，適用于自適應(yīng)提取sar圖像中的水域部分，進(jìn)而完成對水體動態(tài)變化的實(shí)時(shí)監(jiān)測。

背景技術(shù)：

合成孔徑雷達(dá)(syntheticapertureradar,sar)因全天候、全天時(shí)的監(jiān)測能力，得到了廣泛的應(yīng)用。至今，世界各國已成功發(fā)射多顆先進(jìn)的星載sra衛(wèi)星，如alos-2、radarsat-2,、cosmo-skymed、terrasar-x、sentinel-1a/b以及高分三號等，它們?yōu)楹铣煽讖嚼走_(dá)各項(xiàng)應(yīng)用提供了有效的數(shù)據(jù)支持。

sar圖像中含有水域、植被區(qū)、城區(qū)等區(qū)域，在對sar圖像分類的過程中，可以對水域進(jìn)行單獨(dú)檢測，而且水域檢測結(jié)果作為數(shù)字高程模型(dem)編輯過程中的補(bǔ)充信息，也可用于監(jiān)測自然災(zāi)害(洪水等)以及水資源(如湖泊，河流等)的分布變化。

t.hahmann等人在文章“automaticextractionofwaterbodiesfromterrasar-xdata”中使用基于閾值的檢測方法進(jìn)行水域提取，即將sar圖像中的后向散射系數(shù)值小于或等于給定閾值的像素標(biāo)記為水域；基于閾值的檢測方法具有較快的檢測速度，因而非常適合于大規(guī)模數(shù)據(jù)的批量處理；但是，基于閾值的檢測方法仍然存在以下問題：在一般情況下，由于鏡面散射的原因，水域的后向散射系數(shù)較低；但是，當(dāng)水體受環(huán)境(如風(fēng)速、降水等)影響而表面有起伏時(shí)，水域的后向散射系數(shù)也會有所提高，這意味著，當(dāng)利用不同時(shí)刻錄取的sar圖像數(shù)據(jù)進(jìn)行水域檢測時(shí)，不同的sar圖像的水域檢測閾值需要單獨(dú)確定；當(dāng)批量處理不同的sar圖像數(shù)據(jù)時(shí)，水域檢測閾值的確定將耗費(fèi)大量的時(shí)間，嚴(yán)重降低批量處理多幅sar圖像數(shù)據(jù)的效率。

針對以上問題，a.wendleder等人在文章“tandem-xwaterindicationmask:generationandfirstevaluationresults”中提出通過設(shè)置高低兩個(gè)閾值的方式解決不同環(huán)境情況下的水域檢測問題，最后將高低兩個(gè)閾值各自得到的水域檢測結(jié)果進(jìn)行有效融合以獲得最終的結(jié)果。但是，文中高低兩個(gè)閾值的獲取，是在分析全球大約1700幅sar圖像的基礎(chǔ)上，通過統(tǒng)計(jì)方法得到的，缺乏客觀性。

目前，針對sar圖像水域檢測中批量高效的處理需求，基于閾值的檢測方法不失為一種好的選擇，但卻無法實(shí)現(xiàn)sar圖像水域檢測的高效和自動處理。

技術(shù)實(shí)現(xiàn)要素：

針對上述現(xiàn)有技術(shù)存在的不足，本發(fā)明提出了一種基于遞歸otsu算法的sar圖像水域自動檢測方法，即基于遞歸最大類間方差(otsu)算法的sar圖像水域自動檢測方法，該種基于遞歸otsu算法的sar圖像水域自動檢測方法對sar圖像的功率信息遞歸使用otsu算法，能夠自適應(yīng)得到sar圖像對應(yīng)的閾值。

為達(dá)到上述目的，本發(fā)明的實(shí)施例采用如下技術(shù)方案予以實(shí)現(xiàn)。

一種基于遞歸otsu算法的sar圖像水域自動檢測方法，包括以下步驟：

步驟1，獲取sar圖像功率數(shù)據(jù)，并對所述sar圖像功率數(shù)據(jù)進(jìn)行相干斑濾波，得到相干斑濾波后的sar圖像數(shù)據(jù)；所述sar圖像功率數(shù)據(jù)和相干斑濾波后的sar圖像數(shù)據(jù)分別為m×p維矩陣，m、p分別為大于0的正整數(shù)；

步驟2，對相干斑濾波后的sar圖像數(shù)據(jù)進(jìn)行歸一化，得到歸一化后的sar圖像數(shù)據(jù)；

步驟3，對歸一化后的sar圖像數(shù)據(jù)進(jìn)行灰度化，得到sar灰度圖像；

步驟4，對sar灰度圖像進(jìn)行閾值估計(jì)，進(jìn)而確定sar灰度圖像中的最優(yōu)閾值t；

步驟5，構(gòu)造與sar圖像功率數(shù)據(jù)同樣大小的矩陣，記為標(biāo)記矩陣；然后根據(jù)sar灰度圖像中的最優(yōu)閾值t，得到sar圖像功率數(shù)據(jù)對應(yīng)的二值化標(biāo)記矩陣；最后對sar圖像功率數(shù)據(jù)對應(yīng)的二值化標(biāo)記矩陣進(jìn)行形態(tài)學(xué)處理，進(jìn)而得到sar圖像功率數(shù)據(jù)的水域檢測標(biāo)記圖。

本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn)：本發(fā)明對于大多數(shù)sar圖像進(jìn)行水域檢測時(shí)，都能自動的選取閾值，而且檢測結(jié)果的正確性較高，具有很好的自動性和魯棒性。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明的一種基于遞歸otsu算法的sar圖像水域自動檢測方法流程圖；

圖2為terrasar-x錄取的西安某區(qū)域(覆蓋灃河區(qū)域)的未經(jīng)相干斑濾波的sar圖像功率圖；

圖3為對圖2依次進(jìn)行相干斑濾波和灰度化后得到的結(jié)果示意圖；

圖4為本發(fā)明實(shí)施例進(jìn)行初步水域檢測的結(jié)果圖；

圖5為形態(tài)學(xué)處理后的水域檢測結(jié)果圖；

圖6為西安地區(qū)sar圖像中對應(yīng)的水域區(qū)域參考圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

參照圖1，為本發(fā)明的一種基于遞歸otsu算法的sar圖像水域自動檢測方法流程圖；其中所述基于遞歸otsu算法的sar圖像水域自動檢測方法，包括以下步驟：

步驟1，獲取sar圖像功率數(shù)據(jù)，并對所述sar圖像功率數(shù)據(jù)進(jìn)行相干斑濾波，得到相干斑濾波后的sar圖像數(shù)據(jù)；本實(shí)施例采用lee濾波方法，選取n×n的濾波窗口對所述sar圖像數(shù)據(jù)進(jìn)行相干斑濾波，n為大于0的奇數(shù)，本實(shí)施例中n取值為7，所述sar圖像功率數(shù)據(jù)和相干斑濾波后的sar圖像數(shù)據(jù)分別為m×p維矩陣，m、p分別為大于0的正整數(shù)。

步驟2，sar圖像數(shù)據(jù)歸一化。若是直接利用相干斑濾波后的sar圖像數(shù)據(jù)中所有像素點(diǎn)值中的最大值對該相干斑濾波后的sar圖像數(shù)據(jù)進(jìn)行歸一化，則可能會造成相干斑濾波后的sar圖像數(shù)據(jù)中的水域區(qū)域與背景之間的對比度嚴(yán)重下降，從而影響后續(xù)的算法性能；為了避免這種情況，提高相干斑濾波后的sar圖像數(shù)據(jù)中水域區(qū)域與背景之間的對比度，本發(fā)明對相干斑濾波后的sar圖像數(shù)據(jù)進(jìn)行歸一化，其子步驟如下：

2.1計(jì)算相干斑濾波后的sar圖像數(shù)據(jù)的第90百分位數(shù)，即將相干斑濾波后的sar圖像數(shù)據(jù)按照像素點(diǎn)值進(jìn)行從小到大排序，得到從小到大排序后的m×p個(gè)數(shù)據(jù)，并從小到大排序后的m×p個(gè)數(shù)據(jù)中選取位置處的像素點(diǎn)值，記為參考像素點(diǎn)值z90；表示向上取整。

2.2將相干斑濾波后的sar圖像數(shù)據(jù)中所有大于參考像素點(diǎn)值z90的像素點(diǎn)值分別用z90代替，其余小于或等于參考像素點(diǎn)值z90的像素點(diǎn)值保持不變，進(jìn)而得到修改后的sar圖像數(shù)據(jù)。

2.3對修改后的sar圖像數(shù)據(jù)進(jìn)行歸一化，即將修改后的sar圖像數(shù)據(jù)中所有像素點(diǎn)的值分別除以z90，進(jìn)而得到歸一化后的sar圖像數(shù)據(jù)，所述歸一化后的sar圖像數(shù)據(jù)中每一個(gè)像素點(diǎn)的值為0到1之間的數(shù)據(jù)。

通過上述步驟，本發(fā)明可完成相干斑濾波后的sar圖像數(shù)據(jù)的歸一化。

步驟3，相干斑濾波后的sar圖像數(shù)據(jù)的灰度化，所述相干斑濾波后的sar圖像數(shù)據(jù)的灰度化是將歸一化后的sar圖像數(shù)據(jù)中每一個(gè)像素點(diǎn)的值分別從0到1之間擴(kuò)展為0到l之間，進(jìn)而得到sar灰度圖像，所述sar灰度圖像的最大灰度級為l，l為大于0的正整數(shù)，其子步驟為：

3.1將歸一化后的sar圖像數(shù)據(jù)中所有像素點(diǎn)的值分別乘以l，得到擴(kuò)展后的sar圖像數(shù)據(jù)，所述擴(kuò)展后的sar圖像數(shù)據(jù)中每個(gè)像素點(diǎn)的值域范圍分別在0和l之間，l表示sar灰度圖像中的最大灰度級，本實(shí)施例中l(wèi)取值為255。

3.2對擴(kuò)展后的sar圖像數(shù)據(jù)中所有像素點(diǎn)的值分別進(jìn)行取整操作，此處取整操作為四舍五入操作，使得擴(kuò)展后的sar圖像數(shù)據(jù)中所有像素點(diǎn)的值均為整數(shù)；進(jìn)而得到sar灰度圖像，所述sar灰度圖像的最大灰度級為l。

通過上述步驟，本方案可完成歸一化后的sar圖像數(shù)據(jù)的灰度化，從而得到sar灰度圖像，所述sar灰度圖像的最大灰度級為255。

下面結(jié)合實(shí)測數(shù)據(jù)實(shí)驗(yàn)對本發(fā)明的效果做進(jìn)一步的說明：圖2為terrasar-x錄取的西安某區(qū)域(覆蓋灃河區(qū)域)的未經(jīng)相干斑濾波的sar圖像功率圖，圖3為對圖2依次進(jìn)行相干斑濾波和灰度化后得到的結(jié)果示意圖；將圖2和圖3進(jìn)行對比可以發(fā)現(xiàn)：相干斑濾波后的sar圖像數(shù)據(jù)中的噪聲得到了較好的去除；在不影響水域區(qū)域與背景的對比度的情況下，對sar圖像數(shù)據(jù)依次進(jìn)行了歸一化和灰度化。

步驟4，利用遞歸的otsu閾值估計(jì)算法對sar灰度圖像進(jìn)行閾值估計(jì)；當(dāng)sar灰度圖像中的水域區(qū)域面積大于sar灰度圖像面積的30％時(shí)，標(biāo)準(zhǔn)的otsu閾值估計(jì)算法具有良好的閾值分割性能，但是當(dāng)sar灰度圖像中的水域區(qū)域面積小于sar灰度圖像面積的10％時(shí)，標(biāo)準(zhǔn)的otsu閾值估計(jì)算法性能迅速下降。一般來說，sar圖像功率數(shù)據(jù)中的低功率區(qū)域面積總是遠(yuǎn)遠(yuǎn)小于較高功率區(qū)域面積，因而在這種情況下，利用標(biāo)準(zhǔn)的otsu閾值估計(jì)算法很難得到最優(yōu)閾值。

為了克服上述情況，本發(fā)明實(shí)施例引入遞歸的otsu閾值估計(jì)算法來確定最優(yōu)閾值；所述遞歸的otsu閾值估計(jì)算法的關(guān)鍵思想為：根據(jù)標(biāo)準(zhǔn)的otsu閾值估計(jì)算法得到閾值，移除sar灰度圖像中灰度值高于閾值的所有像素點(diǎn)，然后利用sar灰度圖像中灰度值小于或等于閾值的剩余像素點(diǎn)，以及標(biāo)準(zhǔn)的otsu閾值估計(jì)算法重新估計(jì)閾值；不斷重復(fù)進(jìn)行上述過程直至達(dá)到終止條件，進(jìn)而得到sar灰度圖像中的最優(yōu)閾值。

4.1初始化：令目標(biāo)區(qū)域表示sar灰度圖像中的水域區(qū)域，背景區(qū)域表示sar灰度圖像中的非水域區(qū)域；令otsu(a,b)表示利用sar灰度圖像中灰度值范圍在a和b之間的所有像素點(diǎn)以及標(biāo)準(zhǔn)的otsu閾值估計(jì)算法進(jìn)行閾值估計(jì)得到的閾值，本實(shí)施例中a取值為0，b的初值為l；分別令k表示第k次遞歸，k的初始值為1，令tk表示第k次遞歸后利用sar灰度圖像中灰度值范圍在0和tk-1之間的所有像素點(diǎn)以及標(biāo)準(zhǔn)的otsu閾值估計(jì)算法進(jìn)行閾值估計(jì)得到的閾值，且t0＝l，l表示sar灰度圖像中的最大灰度級，本實(shí)施例中l(wèi)取值為255；令t1表示第1次遞歸后利用sar灰度圖像中灰度值范圍在0和l之間的所有像素點(diǎn)以及標(biāo)準(zhǔn)的otsu閾值估計(jì)算法進(jìn)行閾值估計(jì)得到的閾值，t1和tk的定義表達(dá)分別為：

t1＝otsu(0,255)

tk＝otsu(0,tk-1)

其中，tk-1表示第k-1次遞歸后利用sar灰度圖像中灰度值范圍在0和tk-2之間的所有像素點(diǎn)以及標(biāo)準(zhǔn)的otsu閾值估計(jì)算法進(jìn)行閾值估計(jì)得到的閾值。

4.2計(jì)算第k次遞歸后利用sar灰度圖像中灰度值在0和tk-1之間的所有像素點(diǎn)以及標(biāo)準(zhǔn)的otsu閾值估計(jì)算法進(jìn)行閾值估計(jì)得到的閾值tk，其過程如下：

4.2.1計(jì)算灰度值i在sar灰度圖像中灰度值范圍為{0,...,tk-1}的像素點(diǎn)中出現(xiàn)的概率pi，i∈{0,...,tk-1}。

4.2.2當(dāng)令tk表示第k次遞歸后利用sar灰度圖像中灰度值范圍在0和tk-1之間的所有像素點(diǎn)以及標(biāo)準(zhǔn)的otsu閾值估計(jì)算法進(jìn)行閾值估計(jì)得到的閾值時(shí)，閾值的選取范圍為{0,...,tk-1}；令待估計(jì)的閾值為t，并分別將sar灰度圖像中灰度值小于或等于t的所有像素點(diǎn)作為目標(biāo)區(qū)域中的像素點(diǎn)，將sar灰度圖像中灰度值大于t的所有像素點(diǎn)作為背景區(qū)域中的像素點(diǎn)；t的初始值為0。

4.2.3分別計(jì)算待估計(jì)的閾值為t時(shí)目標(biāo)區(qū)域在sar灰度圖像中灰度范圍為{0,...,tk-1}的像素點(diǎn)中出現(xiàn)的概率ω0(t)、待估計(jì)的閾值為t時(shí)背景區(qū)域在sar灰度圖像中灰度范圍為{0,...,tk-1}的像素點(diǎn)中出現(xiàn)的概率ω1(t)、待估計(jì)的閾值為t時(shí)目標(biāo)區(qū)域的平均灰度值μ0(t)和待估計(jì)的閾值為t時(shí)背景區(qū)域的平均灰度值μ1(t)，其計(jì)算公式分別為：

其中，i'∈{0,...,t}，pi'表示灰度值i'在sar灰度圖像中灰度值范圍為{0,...,tk-1}的像素點(diǎn)中出現(xiàn)的概率，i″∈{t+1,...,tk-1}，pi″表示灰度值i″在sar灰度圖像中灰度值范圍為{0,...,tk-1}的像素點(diǎn)中出現(xiàn)的概率。

進(jìn)而計(jì)算待估計(jì)的閾值為t時(shí)sar灰度圖像中目標(biāo)區(qū)域與背景區(qū)域間的類間方差

4.2.4令t分別取0至tk-1，重復(fù)執(zhí)行4.2.3，進(jìn)而分別得到待估計(jì)的閾值為0時(shí)sar灰度圖像中目標(biāo)與背景間的類間方差至待估計(jì)的閾值為tk-1時(shí)sar灰度圖像中目標(biāo)區(qū)域與背景區(qū)域間的類間方差記為sar灰度圖像中的tk-1+1個(gè)類間方差

將sar灰度圖像中的tk-1+1個(gè)類間方差取得最大值時(shí)對應(yīng)的待估計(jì)的閾值，作為第k次遞歸后利用sar灰度圖像中灰度值范圍在0和tk-1之間的所有像素點(diǎn)以及標(biāo)準(zhǔn)的otsu閾值估計(jì)算法進(jìn)行閾值估計(jì)得到的閾值tk，其計(jì)算表達(dá)式為：

其中，arg表示取最大值時(shí)對應(yīng)的參數(shù)值。

4.3隨著遞歸次數(shù)的增加，與sar灰度圖像中剩余像素里的背景區(qū)域面積相比，目標(biāo)區(qū)域的面積不斷的增加，因而sar灰度圖像中的最優(yōu)閾值從集合中選取，下標(biāo)為遞歸終止時(shí)對應(yīng)遞歸次數(shù)；遞歸的otsu閾值估計(jì)算法主要面臨兩個(gè)問題：一個(gè)問題是何時(shí)停止遞歸過程；一般而言，當(dāng)兩次連續(xù)的遞歸過程之間的閾值變化小于設(shè)定的閾值d時(shí)，即如果|tk-tk-1|≥d，則令k加1，返回4.2。

當(dāng)兩次連續(xù)的遞歸過程之間的閾值變化小于設(shè)定的閾值d時(shí)，即如果|tk-tk-1|<d，則終止遞歸，并將遞歸停止時(shí)對應(yīng)的第k次遞歸后利用sar灰度圖像中灰度值范圍在0和tk-1之間的所有像素點(diǎn)以及標(biāo)準(zhǔn)的otsu閾值估計(jì)算法進(jìn)行閾值估計(jì)得到的閾值，記為遞歸終止閾值下標(biāo)為遞歸終止時(shí)對應(yīng)遞歸次數(shù)，此時(shí)意味著遞歸過程已十分的穩(wěn)定，且遞歸終止時(shí)對應(yīng)得到個(gè)閾值，記為分別為遞歸終止前對應(yīng)得到的個(gè)閾值，tn表示遞歸停止前得到的第n個(gè)閾值；本實(shí)施例中d＝3；第二個(gè)問題是如何從集合中確定sar灰度圖像中的最優(yōu)閾值。

4.4為了解決第二個(gè)問題，引入歸一化的類間方差，使得每次遞歸過程中的閾值分割性能具有可比性；令η(tn)表示遞歸停止前得到第n個(gè)閾值tn時(shí)對應(yīng)的歸一化類間方差，其表達(dá)式為：

其中，當(dāng)閾值為tn時(shí)，在sar灰度圖像中，只考慮像素點(diǎn)的灰度值在0和tn-1之間的所有像素點(diǎn)，將0和tn-1之間的像素點(diǎn)灰度值小于或等于tn的所有像素點(diǎn)設(shè)為目標(biāo)區(qū)域，其余為背景區(qū)域；表示閾值為tn時(shí)sar灰度圖像中目標(biāo)區(qū)域與背景區(qū)域間的類間方差，表示sar灰度圖像中灰度值范圍在0和tn-1之間的所有像素點(diǎn)的總方差，其有如下定義

其中，表示灰度值在sar灰度圖像中灰度值范圍為{0,...,tn}的像素點(diǎn)中出現(xiàn)的概率，μt表示sar圖像灰度圖中灰度值在0和tn-1之間的所有像素點(diǎn)的平均灰度值。

4.5令n分別取1至重復(fù)執(zhí)行4.4，進(jìn)而分別得到遞歸停止前得到第1個(gè)閾值t1時(shí)對應(yīng)的歸一化類間方差η(t1)至遞歸終止時(shí)得到第個(gè)閾值時(shí)對應(yīng)的歸一化類間方差記為個(gè)歸一化類間方差η，

需要注意的是，上式中灰度值在sar灰度圖像中灰度值范圍為{0,...,tn-1}的像素點(diǎn)中出現(xiàn)的概率在每次遞歸過程中已經(jīng)被更新。一般而言，當(dāng)目標(biāo)區(qū)域(水域)和背景區(qū)域(除水域外的其他區(qū)域)面積相當(dāng)時(shí)，標(biāo)準(zhǔn)的otsu閾值估計(jì)算法具有良好的性能，且歸一化類間方差可達(dá)到最大值。

4.6由于在遞歸的過程中sar灰度圖像中目標(biāo)區(qū)域與背景區(qū)域間的差異越來越小，甚至到最后僅剩下目標(biāo)區(qū)域，因此歸一化類間方差持續(xù)下降；因此根據(jù)所述個(gè)歸一化類間方差η，利用下述準(zhǔn)則確定sar灰度圖像中的最優(yōu)閾值t：

其中，argmax{η}表示η取最大值時(shí)對應(yīng)的參數(shù)值。

通過上述操作發(fā)現(xiàn)，利用遞歸的otsu閾值估計(jì)算法完成閾值的精確估計(jì)，其在處理小面積目標(biāo)圖像時(shí)仍然具有良好的估計(jì)性能。

步驟5，構(gòu)造與sar圖像功率數(shù)據(jù)同樣大小的矩陣，記為標(biāo)記矩陣；然后根據(jù)sar灰度圖像中的最優(yōu)閾值t對sar圖像功率數(shù)據(jù)進(jìn)行水域區(qū)域檢測，將小于或等于最優(yōu)閾值t的所有像素點(diǎn)分別標(biāo)記為水域區(qū)域，并分別在對應(yīng)標(biāo)記矩陣中的相應(yīng)位置處標(biāo)記為1；將大于最優(yōu)閾值t的剩余像素點(diǎn)分別標(biāo)記為背景區(qū)域，并分別在對應(yīng)標(biāo)記矩陣中的相應(yīng)位置處標(biāo)記為0；進(jìn)而得到sar圖像功率數(shù)據(jù)對應(yīng)的二值化標(biāo)記矩陣；最后對sar圖像功率數(shù)據(jù)對應(yīng)的二值化標(biāo)記矩陣進(jìn)行形態(tài)學(xué)處理，得到sar圖像功率數(shù)據(jù)的水域檢測標(biāo)記圖。

具體地，得到sar圖像功率數(shù)據(jù)的水域檢測標(biāo)記圖即水域檢測完成，然后計(jì)算水域檢測完成后其檢測結(jié)果的完整性和正確性。

參照圖4和圖5，圖4為本發(fā)明實(shí)施例進(jìn)行初步水域檢測的結(jié)果圖；圖5為形態(tài)學(xué)處理后的水域檢測結(jié)果圖；分別令a1表示使用本發(fā)明方法檢測到的水域區(qū)域面積與事先設(shè)定的參考水域區(qū)域面積的交集,令a2表示事先設(shè)定的參考水域區(qū)域面積,令a3表示使用本發(fā)明方法檢測到的水域區(qū)域面積，本實(shí)施例中事先設(shè)定的參考水域區(qū)域面積如圖6所示，圖6為西安地區(qū)sar圖像中對應(yīng)的水域區(qū)域參考圖；令pcom為水域區(qū)域檢測結(jié)果的完整性參數(shù)，pcor為水域區(qū)域檢測結(jié)果的正確性參數(shù)，其表達(dá)式分別為：

計(jì)算本發(fā)明在實(shí)施例中水域區(qū)域檢測結(jié)果的正確性參數(shù)為85.5％，水域區(qū)域檢測結(jié)果的完整性參數(shù)為77.1％，實(shí)驗(yàn)結(jié)果顯示本發(fā)明方法在水域檢測時(shí)有較好的檢測效果。

以上所述，僅為本發(fā)明的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)以所述權(quán)利要求的保護(hù)范圍為準(zhǔn)。