SAR图像上水体和居民地信息的提取在实际应用中具有重要的意义。为了更好地提取SAR图像上水体 和居民地，以单波段单极化Radarsat—l SAR图像为研究对象，首先利用半变异函数分析样本图像的结构特性来确定 纹理信息提取的最佳参数；然后，在此基础上基于灰度共生矩阵计算SAR图像均值、角二阶矩和熵3种纹理测度， 建立了适于图像分类的多维特征空间，从而有效地增强了水体和居民地信息；最后通过样本采集，使用支持向量机 分类器进行水体和居民地信息提取，并采用近期归一化植被指数(NDVI)数据和分类结果

合成孔径雷达, 是一种主动式微波传感器, 能够全天时、全天候对地观测, 而传统的光学遥感方式对空气能见度要求很高, 特别在灾害性天气时具有独特的优势。所以在洪涝灾害应急测绘保障方面, 发挥着不可替代的重要作用。从影像中识别提取所需的地物地形要素, 人工的识别操作无疑是最准确的, 但也是最慢的。在灾害面前, 时间就是生命、时间就是财产, 计算机程序自动识别和提取要素是最快捷的, 比传统手工提取更快捷, 能够在第一时间为了解灾情、抗灾救灾、灾后重建提供数据基础。本文以影像水域提取为切入点, 抛砖引玉

水体是合成孔径雷达(SAR)图像解译的一类重要内容。针对含水体的SAR图像的成像特点, 给出了一种基于轮廓的配准方法。首先, 提出了融合观测图像局部统计信息的自适应权马尔科夫随机场 (MRF)分割模型, 以分割SAR图像水体目标并提取其精确轮廓。然后, 提出了轮廓匹配的非均匀高斯混合模型(GMM), 该模型能融合轮廓上点的位置信息和以轮廓点为中心的窗口的灰度相似性信息。最后, 对含水体目标的SAR图像进行配准实验。结果显示所提出的MRF分割模型能精确地定位目标边缘并保持图像的细节, 轮廓匹配的非