626SWOT背景下大陆水体提取的多时间和多传感器数据使命P a r is奥林匹克技术研究所博士由EEATE LEcomP AR是Ecoledocto rale n○ 626Ecole doctorale de P a r is奥林匹克技术研究所Specialit e由doctor at：图片2022年1月 11日，在Alaiseau的一个房间里，你会感觉到自己和货舱。NICOLAS G.阿斯尼尔评审团组成：休·塔尔博特Prof esseur，Centr aleSupelec（视觉中心）Pr sident阿卜杜勒拉赫曼M. AttoConference，Univ ersit e SavoieMontBlanc，（列表）Rappor teurRe n Garello大西洋IMT（Lab-STICC）Rappor teur的专业服务莱昂内尔·邦布伦波尔多大学（IMS）考试员西尔维·勒赫加·拉特你是谁，你是谁？弗洛伦斯·图平[00：01：26][01：27][01：28][01：29][02：29][ 03：29][04：29][05：29][06：29][07：29][08：29][09：29][09：29][09：29][09：29]洛伊克·丹尼斯圣艾蒂安大学（LHC）Confe rences硕士，罗杰·福尔托夫特Ingenieur，国家空间研究中心，我是一个大男孩Ingenieur，CSGroupFr ance我不活着NNT编号：2022IPPAT0023致我母亲4谢谢你首先，我要我还要感谢由M. Hugues Talbot，他同意特别感谢报告员：Abdourrahmane Atto和M.勒内·加雷洛（René Garello），他们同意适应有限的时间表来准备他们的报告，并从很远的地方来参加我的我特别要感谢我的主管，我知道我欠他们很多：弗洛伦斯·图平，感谢她所有的建议，感谢她的可用性，感谢她能够在她的管理中调和要求和仁慈Loïc Denis，感谢他的许多总是辉煌的想法，他的乐观和善良。还要感谢Roger Fjørtoft，他为我找不到更好的专家了。你对细节的关注也使我对这份手稿有了很大的改进。最后，感谢弗雷德里克·列日，他尽了一切努力使论文在最好的条件下进行，并我的大部分论文工作都是在巴黎电信IDS部门的IMAGES团队完成的。 我想感谢行政人员的帮助和可用性。当然，也要感谢团队中的教师研究人员：Jean-Marie，我与他进行了一些令人兴奋的讨论，并试图向我传达他对Meijer、Christophe1、Pietro和Saïd的工作充满热情，我与他们有很多共同点。我喜欢开玩笑2，亨利的建议和帮助，当我向Michel、Yann、Isabelle、Kiwon、Amal、Tamy、Jean-Marc和Alasdair讲述了这一领域的真相，在我也很幸运地遇到了许多博士生、博士后和实习生，没有他们，这些年的论文就不会如此丰富。感谢Clément、Ivan、Sylvain和NicolasG3，他们欢迎我加入球队，感谢Mateus和他无限的能量，感谢Emanuele 4，他在我之后不久加入了球队，我有机会和他一起参加比赛。1问我是 一 个 很 好 的 例 子 ， 问 我 是 一 个 很 好 的 例 子 ， 问 我 是 一 个 很 好 的 例 子 。2和抱怨，有时，太。3问你是一个人，是一个人。4我强烈推荐作为办公室的邻居和咖啡或烹饪方法的供应商去噪音。6我在德国的一个雷达暑期学校安托万和香利，我也和他们在巴罗街共用一间办公室。还要感谢陈光6号、亚瑟7号、阿莱西奥、巴斯蒂安、科朗廷、尼古拉斯C号、埃利、拉斐尔、马西斯、伊内斯8号、佐伊8号、贾马可、克洛伊、皮耶里克、纪尧姆、佛罗伦萨、拉西姆、格维尔赫姆和其他所有人。我很高兴能见到你，我希望很快有机会见到你。我祝愿所有尚未答辩的博士生在论文结束时好运无论如何，我知道当我到达实验室时，我很幸运地被选为IDS部门董事会的博士生代表，这对我来说是一次非常有益的经历。我要感谢其成员，特别是Gael。在CS集团方面，我想感谢弗雷德里克，当然，但也感谢所有那些我能够与之交谈的人，无论是在远处还是在我访问图卢兹期间。我特别想到的是Kevin、Lucie10、Cécile和Manon11、Luc，没有他们，我在法国国家空间研究中心，我也有机会在非常好的气氛中与充满激情的人一起工作。感谢Roger、Damien、Emmanuelle、Claire、Nadine、Céline、Santiago、Thierry12，以及我在法国国家空间研究中心罕见的任务中有机会见到的所有人。J’en garde我有着非常美好的回忆，并期待着在我的论文结束时能够在这个框架内工作。更广泛地说，还要感谢SWOT的科学团队和算法开发团队的成员。多亏了他们，我才能更好地理解我的论文所处的背景。特别感谢SERTIT的Hervé Yésou，他为除了我的论文之外，我还要感谢我很久以前在夏多布里昂或最近在卡尚遇到的所有人，他们在这三年里一直在我身边。最后，我要感谢我的家人。 特别感谢我的父母，我的妹妹和感谢玛丽祖母的支持和鼓励。第五章第五章我的意思是，我的意思是，我的意思是，感谢您为我们的SAR会议投入的时间和精力。7问我一个PPTT8我很高兴看到SAR成像的继承是有保证的!9 E tto u rtant，我是一个d e s r a e s d c t o r a n t q u i e n t p a s e m a g i e n o r e a v与T e n s o r r r l o w.10我的儿子，我的儿子。他们和我一样，无疑会长久地记得在巴黎举行的ADT会议。12特别感谢您帮助准备Sentinel-1数据!7本论文由法国国家空间研究中心和法国CS集团资助内容物感谢51导言131.1背景131.2捐款151.2.1由外源性数据库引导的窄河探测1.2.2基于GrabCuts16的湖泊分割方法1.2.3去除时间几何噪声以便于水探测171.3手稿的组织18I SAR遥感和SAR图像水面监测的2 SAR图像212.1合成孔径雷达图像的物理和统计2.1.1SAR图像的采集和合成212.1.2干涉处理232.1.3SAR图像的统计建模242.2SWOT任务332.2.1Karin传感器332.2.2近最低点Ka波段KaRin SAR图像的具体特征2.3哨兵-1383 SAR水探测和水文先验413.1SAR图像中的水探测413.1.1SAR数据的预处理413.1.2正则化分割423.1.3基于边缘的方法433.1.4河流探测的特定方法433.1.5辅助数据指导的水探测433.2SWOT加工和产品443.2.1SWOT处理流水线443.2.2SWOT地表水面积要求453.2.3SWOT46的基线水检测方法3.3早期的水掩模和数据库473.3.1水面具473.3.2河流数据库483.3.3湖泊数据库504 方法学背景524.1马尔可夫随机场524.1.152型的定义4.1.2条件随机字段564.2图像去噪的变分方法564.2.1图像去噪变分方法的一般背景564.2.2用于SAR图像去噪的建议的方法605 使用外源河流数据库61引导5.1引言625.1.1理由625.1.2现有的河流开采665.2拟建河流分割管道665.2.1技术概述665.2.2SAR图像的线性结构探测器685.2.3使用最小成本路径算法精确确定中心线825.2.4使用条件随机场从中心线分割范围875.3实验结果955.3.195号数据集5.3.2指标975.3.3实施和参数985.3.499个结果5.4结论1056 将GrabCut方法应用于SAR图像：从先验多边形106进行湖泊探测6.1从先验多边形106进行湖泊探测的单日期GrabCut方法6.1.1导言1066.1.2原始GrabCut方法1076.1.3建议的迭代方法1086.1.4实验1186.1.5结论1256.2方法127的多时间和多传感器适应6.2.1多时间和多传感器方法1276.32D+T GrabCut SAR图像的时间正则化用于先验掩模内的湖检测1286.3.1介绍。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ...1286.3.2Grabcut方法的时间适应。... ... ... ... ... ... ... ... ... ... ... ... ... ... 1286.3.3实验。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ...1296.4接头SAR和光学图像的2D+T分割。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 1356.4.1介绍。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ...1356.4.2建议的方法。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ...1366.4.3实验。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ...1396.4.4结论。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1407时间几何平均值1427.1引言。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1427.1.1 RABASAR多时去噪。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...143SAR强度的时间几何平均值的统计。... ... ... ... ... ... ... ... ... ... ...1457.2.1 SAR图像统计。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1457.2.2几何平均数的统计。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1467.2.3几何和算术平均值之间的比较... ... ... ... ... ... ... ... ... ...1477.3去噪法。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1527.4实验。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1537.5变更检测申请。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...1567.6应用于一个时间序列内单个SAR图像的基于比率的去噪...1567.7结论。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ...1578结论和观点159附录162Sentinel的VV和VH极化组合163A.1水检测的VV、VH和VVVH比较163A.2VVVH组合的建模166A.2.1简单表达式yVVVH= log（IVVVH）166A.2.2与数值模拟167A.3比较哨兵-1图片168A.4结论169B 比较我们提供的不同图形切割模型170C 文件173中使用的符号D 出版物176E 法文摘要179E.1背景179E.2贡献181E.2.1外生数据引导的细河流检测18111内容E.2.2基于GrabCuts185的湖泊分割方法E.2.3消除几何时间平均值的噪声以便于检测水面E.2.4191年合成12内容详细的英文摘要见第179页附录E。第一章简介1.1上下文湖泊和河流中的地表水分别占地球总水量的0.006%和0.0002%，仅占其非冰川陆地表面的3.7%和0.6%（Verpoorter等人，2001年）。 2014年; Allen和Pavelsky，2018年）。然而，它们在人类面临的一些重大挑战中发挥着关键作用。水是农业、家庭和工业的关键资源。其需求增长速度快于世界人口，其短缺对世界一半以上人口的健康和粮食安全构成威胁（FAO，2020，2020;Mekonnen和Hoekstra，2016）。地表水也是一个直接的威胁，世界上面临洪水风险的人口比例越来越大（Tellman等人，2004年）。2021年），还有一个间接威胁，因为湖泊和水坝是疟疾传播的主要因素（Kibret等人，2021年）。河流和湖泊也是可再生电力生产的关键，因为水力发电的灵活性对电网的稳定性至关重要。然而，在全球范围内，水力发电的经济可行潜力仍有一半未得到开发，更好地了解水系统可以帮助解决这一问题。评估其机会和风险的艰巨任务（IEA，2021年）。此外，在温室气体排放导致全球变暖的背景下，预计水循环将发生重大变化（IPCC，2021年）。因此，我们对水系统的了解必须不断更新。湖泊和河流在温室气体流动中也发挥了长期被低估的作用，特别是CO2、CH 4和NO2（Khalil和Rasmussen，1983年; Beaulieu等人，1999年）。2011年），需要对其表面进行准确的全球评估，以准确评估这些流量。为了应对这些挑战，并鼓励通过谈判解决与水有关的冲突（Bernauer和Böhmelt，2020年），需要有效监测和管理淡水资源，但只有少数发达国家实现了这一目标（联合国水机制，2019年）。2021年）。在这方面，改进水文模型和数据收集至关重要，天基遥感也至关重要，因为它能够在全球范围内获取数据。空间数据141.1. 上下文自可用以来，已用于水文应用。光学和合成孔径雷达（SAR）图像已经实现了水体的全球测绘，例如自1972年以来的陆地卫星和自1991年以来的ERS，以及最近的Sentinel-1和Sentinel-2。合成孔径雷达和光学仪器是并将继续是水文学的宝贵资产，但缺乏评估河流排放量和湖泊蓄水量变化所需的水位信息。像波塞冬系列（TOPEX和Jason卫星）或哨兵-3的SRAL（SAR雷达高度计）这样的最低点高度计提供了粗略的空间尺度的水位信息，并使海洋学发生了革命性的变化。然而，它们的低空间分辨率限制了对大陆水体的水文应用。SWOT（地表水和海洋地形）任务试图突破这一界限，使用一个扫掠高度计，该高度计将通过对在近天底配置中同时采集的一对Ka波段SAR图像进行干涉测量，在高分辨率空间二维网格上测量水位。SWOT还将为海洋学应用提供本论文中未提及的SWOT任务是法国国家空间研究中心（CNES）和美国宇航局喷气推进实验室（JPL）之间的合作，加拿大航天局（CSA）和英国航天局（UKSA）提供了捐助。在当地学术和工业伙伴的支持下，这些任务在这些空间机构之间分配。法国国家空间研究中心负责水探测算法，这是处理SWOT高速率（HR）数据的关键步骤。水检测的基线方法是在SylvainLobry博士期间开发的。在巴黎电信公司（Lobry，2017）与法国国家空间研究中心（CNES）合作，并在法国CS集团的支持下，在模拟图像上进行校准和验证SWOT任务依赖于一种以前从未在天基仪器上使用过的传感器技术。在这种情况下，在信噪比（SNR）方面的性能仍然不确定，这对检测水面和检索其高程的能力产生了影响。这项工作的目的是提供一种可靠的替代水探测方法，即使在基线方法失败的情况下，这种方法也能够探测水面。这种方法是SWOT任务风险缓解行动的一部分，也可能应用于其他SAR传感器。为此，我们重点介绍了三种策略，以使检测更加可靠，稍后将详细介绍：• 外源性指导信息的• 多时间和多传感器方法• 使用先前的去噪步骤除了SWOT任务之外，我们在SAR图像中的水探测方面的工作可以用于其他SAR传感器，如Sentinel-1，它仍然对水文有用，作为SWOT任务的补充：SWOT不会使其他传感器对水文应用不必要。它们将合并为一个数据和服务中心，如CNES即将推出的HYSOPE。数据中心。我们的工作也可能在WiSA干涉测高任务（概念）的背景下有用，该任务可能在其寿命结束后取代SWOT，但具有更低的复杂性和潜在的噪声传感器。151.2. 贡献的贡献贡献（1）：外源性数据库引导的窄河探测这一贡献载于我们的文章（Gasnier等人，2021b）和第5章鉴于全球河流数据库的可用性，我们提出了一个框架检测最关键的窄河，这对于图像中的低信噪比和先前信息中的误差都是鲁棒的。此方法涉及三个步骤：1. 一种新型线性结构探测器（贡献1-A）2. 基于外来信息和线性结构探测器响应的河流中心线重新定位步骤及最小成本路径算法3. 使用新的条件随机场（CRF）模型围绕中心线进行分割（贡献1-B）我们提出的方法被设计为在单通道图像上运行，即SWOT相干功率图像。对于双偏振Sentinel-1图像，它们可以在单偏振通道或通道的像素几何平均值上运行，如附录A中所示。1.2贡献本博士研究的主要贡献与三个主要应用相关：1. 一种以外来河流中心线数据库为指导的窄河鲁棒检测方法。2. 一些改进的方法用于在具有外来形成、多时间数据或来自光学和SAR图像的信息的组合的SAR图像上检测湖泊3. 为了在水探测之前使用去噪步骤，我们研究了SAR图像时间序列的时间几何平均值的使用。1.2.1由外源数据库161.2. 贡献的贡献贡献（1-A）：线性结构检测这一贡献在我们的文章中有所介绍（Gasnier等人，2021 c; Gasnier等人，2021（b）和第5.2.2节提出了一种基于广义可能性比（GLR）。它比较了在两种假设下考虑估计反射率的斑块的可能• H0：没有线性结构• H1：存在线性结构该方法在SAR图像中的实际应用是通过我们提出的优化方法实现的。我们将该方法与（Tupin等人，1998）的线性结构检测器，并显示它导致更少的假阳性检测。贡献（1-B）：用于围绕中心线的这一贡献载于我们的文章（Gasnier等人，2021（b）和第5.2.4节对于拟议的窄河探测框架的最后一步，我们需要在不事先了解陆地和水的反射率的情况下，探测检索到的中心线周围的水面。 我们为此任务提出了一个新的CRF模型。 此新CRF模型它基于4个术语：• 水类和土地类的不同数据项。 对于水，它是使用从中心线像素估计的水反射率从统计模型导出的。对于陆地，由于我们没有关于底切反射率的信息，因此数据项在空间上是均匀的，并且选择了它的值，以便它不会对任何类引入任何偏差。• 防止中心线被归类为土地的中心线• 一个基于不对称CRF的正则化项，旨在说明水比陆地亮（对于SWOT）或比陆地暗（对于Sentinel-1等传统SAR系统）的事实。• 在需要正则化的某些情况下，补偿正则化后果的梯度通量项。1.2.2基于GrabCuts的湖泊为了改进湖泊的检测，特别是小面积或不规则形状的湖泊，我们建议使用每个湖泊的粗边界多边形形式的先验信息，并结合多时间和多传感器数据。要使用粗边界多边形作为输入，171.2. 贡献的贡献一种源自GrabCut方法的方法（Rother等人，2004年）非常受欢迎。对于此任务，我们提出了三种方法：1. GrabCut方法在单日期合成孔径雷达图像中的应用。此方法不使用有关水和陆地反射率的任何先验知识，而是使用粗略的边界多边形作为输入。2. 以前方法的多时间扩展3. 一种处理SAR和光学图像组合时间序列的多时间和多传感器方法。与前两种方法相反，它不使用边界多边形作为输入，而是使用SAR和光学图像中水和陆地类别的先前统计模型贡献（2）：SAR图像中湖泊探测的引导式多时间和多传感器方法此贡献在第6章中介绍。我们将最初提出的用于检测自然RGB图像中任何给定物体的GrabCut方法应用于SAR图像中的水检测。为此，我们调整了用于SAR图像统计的混合模型，并在分割模型中添加了一个通量项，以鼓励检测比背景更暗（对于Sentinel-1或其他传统SAR传感器）或更亮（对于SWOT）的结构。然后，我们将该模型应用于SAR时间序列，并添加了一个时间正则化项，以改善给定日期湖泊边界的定位，同时保持湖泊表面的时间变化。最后，我们提出了一种用于合成孔径雷达和光学图像的组合时间序列的无指导分割方法对于SAR图像，可以使用上述方法确定作为输入的土地和水的统计分布，对于光学图像，可以使用外部聚类方法确定作为输入的土地和水的统计分布（Cordeiro等人， 2021年）。这种无制导方法也可以集成到SAR和光学多颞叶抓取-切割方法的组合中。1.2.3去除时间几何噪声以便于水探测早期去噪声化步骤可以促进水结构的检测。我们在2021年IGARSS会议上发表了论文（Gasnier等人，2021a）关于通过单日期SAR图像的去噪预处理步骤改进窄河探测的初步结果。这种去噪步骤可以从时间序列中的时间信息中获益，并且几何平均值的性质使其适合于该目的，例如通过比率去噪（Zhao等人， 2019年）。181.3. 手稿的组织贡献（3）：时间GeometSAR图像这一贡献载于我们的文章（Gasnier等人，2021（d）和第7节我们研究了时间几何平均值的统计特性，并将其与它的算术对应部分。我们证明了几何平均值在具有瞬态亮点和随时间波动的反射率的情况下占优势。由于时间几何平均值的分布没有封闭形式的表达式，我们提出了一种数值方法来估计时间几何平均值的分布，并在变分框架内使用它来去除几何平均值图像的噪声。我们在一些应用中使用了去噪时间几何平均值，如改变检测或按比率去噪，并表明它在一定程度上改善了去噪结果。与算术平均值相比。图1.1概述了我们在这三种战略中的贡献分布1.3手稿的组织这份手稿分为三部分。在第一部分中，我们在第2章中介绍了一些关于图像的背景信息，在第3章中介绍了水探测问题的背景信息，在第4章中介绍了我们提出的方法的方法学基础。第二部分专门讨论所提出的方法。首先，第5章介绍了窄河引导检测的框架，包括我们提出的线性结构检测器部分5.2.2和第5.2.4节中的CRF模型。然后，我们在第6章中介绍了一种基于GrabCut方法的分割方法，首先在第6.1.3节中介绍了单个图像，然后在第6.1.3节中介绍了一种基于GrabCut方法的分割方法，然后在第6.1.3节中介绍了一种基于GrabCut方法的分割方法。第6.3节中的临时图像堆栈。然后在第6.4节中介绍了结合SAR和光学图像的非引导分割方法。最后，第7章介绍了我们对SAR图像的时间几何平均值去噪的研究，第8章得出了结论并介绍了一些观点。附录A介绍了我们在一些实验中使用的VV和VH通道之间的组合。附录B比较了我们使用的图形切割模型和一些参考方法。附录C总结了本文件中使用的符号，附录D介绍了本博士工作期间发表的出版物191.3. 手稿的组织图1.1-与相关章节相关的一些拟议方法的概述 本文档中未介绍去噪图像中的引导窄河检测，但已在IGARSS 2021会议上介绍。属于《展望》但尚未发表或介绍的方法采用小灰褐色字体。
我的内容管理
展开
