1. 标题

· A Practical Plateau Lake Extraction Algorithm Combining Novel Statistical Features and Kullback-Leibler Distance Using Synthetic Aperture Radar Imagery

· 一种综合SAR图像统计特征和Kullback-Leibler距离的高原湖泊提取方法

2. 成果信息

X. Zhou, Z. Zhang, Q. Chen and X. Liu, "A Practical Plateau Lake Extraction Algorithm Combining Novel Statistical Features and Kullback–Leibler Distance Using Synthetic Aperture Radar Imagery," in IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 13, pp. 4702-4713, 2020, doi: 10.1109/JSTARS.2020.3016349.

本课题由国家自然科学基金（批准号：41471355、41801348）资助

3. 成果团队成员

· 周欣（第一作者），硕士研究生，154.com皇冠，主要从事青藏高原冻土区应用，SAR图像信息提取等方面的研究。

· 张正加：博士，154.com皇冠，助理研究员，主要从事InSAR算法及在滑坡、矿区地表沉降、青藏高原冻土工程应用等方面的研究。

· 陈启浩：博士，154.com皇冠，副教授，主要从事雷达图像处理及其灾害调查评估、城市规划、环境监测应用方面的研究。

· 刘修国（通讯作者）：博士，154.com皇冠，教授，主要从事遥感信息提取及其地学应用、地学大数据建模及可视化分析等方面的研究。联系邮箱（Liuxg318@163.com）

4. 成果介绍

· 与一般的湖泊提取相比，高原湖泊提取由于所处的地理环境恶劣，利用合成孔径雷达（SAR）图像进行湖泊提取容易受到风致水波，干沙，湿雪和地形阴影等的影响，从而造成结果中的虚警和误分。本文提出了一种实用的高原湖泊提取算法，该算法综合了新提出统计特征和Kullback-Leibler统计距离（KLD）。首先，针对高原湖泊水面多变的情况，基于广义伽马分布统计模型提出了一种SAR图像杂波的数学描述对象化广义伽玛分布（OGΓD）特征，通过利用空间上下文信息实现大尺度的特征描述。其次，利用随机森林分类器训练并预测包括常规纹理特征和OGΓD特征在内的多特征集，并输出初始分类结果。最后，利用KLD后处理进一步抑制初始湖泊提取结果中的误分和虚警。利用Sentinel-1 SAR数据的实验结果表明，本文提出的算法性能优于其他最新算法，在保持0.32％的虚警率的同时，总体精度可达99.54％。

图1 方法流程图

· 基于随机森林的特征重要性评价显示，所提出的OGΓD在所有特征中对结果的贡献最大，无论是基于单极化图像还是多极化图像。

图2 特征重要性评价

图3湖泊提取结果展示

· 本文所使用的广义伽马分布统计模型能够同时实现均质和异质区的SAR图像杂波建模，结合自适应多尺度分割，能够实现无人工干预的特征提取；其次，所使用的随机森林分类器对参数不敏感，也增加了算法的鲁棒性；另外，本文算法样本量需求低，对样本不敏感。综合以上，本方法的重要特征在于鲁棒、实用，能够有效应用于大范围的高原湖泊提取和监测应用。