本发明涉及洪水检测领域，更具体地，涉及一种基于雷达遥感的无先验知识支撑的洪水检测方法及系统。
背景技术：
1、洪涝灾害是世界上发生最频繁、影响最严重的自然灾害之一，对人民生产生活、经济发展、以及生态系统造成了巨大的冲击。目前全球超过三分之一的陆地表面以及82％的人口面临不同程度的洪涝风险。洪涝灾害通常具有影响范围大、突发性强的特点。雷达遥感技术具有穿云透雾、不受天气状况影响的特点，可以全天时全天候观测地表，因此在洪涝灾害监测研究中具有重要价值。现有基于雷达遥感的洪水检测方法通常包括阈值法、变化检测法、深度学习法或聚类分析法。然而已有这些方法均需要先验知识的支持，即在进行洪水检测前需要提前确定洪水发生的位置或大概位置，以及洪水期影像与非洪水期影像。这些方法只能用于检测已知的洪水事件，无法用于对历史洪水事件的挖掘；其次，已有方法无法区分洪水和常年水体、季节性水体、以及类水体，会将正常水体及类水体也判定为洪水从而影响最终的检测效果。
2、现有技术公开了一种基于软融合策略的轻量化洪水检测方法和装置，所述方法包括：获取当前时序卫星遥感图像，利用轻量化洪水检测神经网络对当前时序卫星遥感图像进行处理，得到洪水区域的概率矩阵，基于洪水区域的概率矩阵得到当前时序卫星遥感图像的初步检测结果，并确定当前时序卫星遥感图像的加权约束概率矩阵；根据历史时序卫星遥感图像的洪水检测结果确定短期记忆和长期记忆；利用最大类间方差算法，按照自适应加权因子将短期记忆、长期记忆和当前时序卫星遥感图像的加权约束概率矩阵进行融合计算，得到当前时序卫星遥感图像的最终洪水检测结果。且该方法需要提前得知洪水区域图像才能利用轻量化洪水检测神经网络对当前时序卫星遥感图像进行处理，得到洪水区域的概率矩阵。该方法需要根据先验知识进行预先工作，并且该方法依旧无法区分洪水和常年水体、季节性水体、以及类水体，会将常年水体、季节性水体、以及类水体也判定为洪水从而影响最终的检测效果。
技术实现思路
1、本发明的目的在于公开检测效果更好，无需先验知识的一种基于雷达遥感的无先验知识支撑的洪水检测方法及系统。
2、为了实现上述目的，本发明提供一种基于雷达遥感的无先验知识支撑的洪水检测方法及系统，包括：
3、s1：获取待检测影像以及历史雷达遥感影像，对待检测影像以及历史雷达遥感影像进行预处理，得到处理后待检测影像以及处理后历史影像；
4、s2：根据处理后待检测影像以及处理后历史影像构建非洪水参考影像及标准方差影像；
5、s3：根据处理后待检测影像、非洪水参考影像、以及标准方差影像获取潜在洪水图层；
6、s4：构建常年水体与类水体参考图层以及季节性水体与类水体参考图层；
7、s5：根据常年水体与类水体参考图层以及季节性水体与类水体参考图层，在潜在洪水图层中排除常年水体与类水体、季节性水体与类水体得到最终洪水范围。
8、进一步地，在步骤s1中，雷达遥感影像为sentinel-1雷达遥感影像。
9、进一步地，对待检测影像以及历史雷达遥感影像进行预处理，得到处理后待检测影像以及处理后历史影像包括：
10、热噪声去除：采用滤波信号处理技术，去除或减弱热噪声，改善sentinel-1数据的清晰度和可解释性；
11、轨道校正：通过精密卫星轨道数据对长时间序列的sentinel-1数据进行修正，得到修正后长时间序列的sentinel-1数据；
12、辐射定标：将sentinel-1数据的亮度值dn相对于标准截面积进行定标，转化成后向散射系数；
13、去条带：去除sentinel-1数据中相邻的脉冲带之间无信号细小的黑色条带；
14、多视：提高sentinel-1数据中的数据辐射分辨率；
15、地形校正：主要包括地理编码和地形辐射校正，将sentinel-1数据转换为实际坐标信息，并且消除地形对sentinel-1数据的影响。
16、进一步地，根据处理后待检测影像以及处理后历史影像构建非洪水参考影像及标准方差影像包括：根据处理后历史影像中过去三年中每一年中的m-1月、m月、m+1月共9个月的处理后历史影像计算得到时间序列雷达影像中值，并将时间序列雷达影像中值作为非洪水参考影像，其中m为待检测影像所在月份；
17、基于这9个月的处理后历史影像计算标准方差影像：
18、
19、其中s为像元标准方差，n为影像数，为像元i在整个影像集的均值，ii为像元i在第i个影像上的影像值。
20、进一步地，在步骤s3中，根据处理后待检测影像、非洪水参考影像、以及标准方差影像获取潜在洪水图层包括：计算处理后待检测影像与非洪水参考影像的差值，得到差值影像，然后计算差值影像与标准方差影像的比值；在处理后待检测影像上识别后向散射强度低于设定水体阈值的像元，并在这些像元上判断差值影像与标准方差影像的比值是否低于变化阈值，若高于则不进行任何处理，若低于则将该像元视为潜在洪水像元：
21、
22、pf为潜在洪水判断标志，ii为像元i在第i个影像上的影像值，imedian在像元i在整个影像集上的中值，s为像元i在整个影像集上的标准方差。
23、进一步地，水体阈值为经验阈值。
24、进一步地，在步骤s4中，构建常年水体与类水体参考图层包括：将处理后历史影像中与待检测影像对应的当年影像后向散射低于设定水体阈值高于80％概率的像元定义为常年水体与类水体像元:
25、pw＝(pi>0.8)
26、pw为永久性水体或者常年水体，pi为像元i在当年的水体概率。
27、进一步地，在步骤s4中，构建季节性水体与类水体参考图层包括：根据处理后历史影像中过去三年中每一年中的m-1月、m月、m+1月，共9个月的处理后历史影像的水体概率为1的像元定义为季节性水体与类水体像元，其中m为待检测影像所在月份；
28、sw＝(p1i＝1)&(p2i＝1)&(p3i＝1)
29、sw为季节性水体，p1i，p2i，p3i分别为像元i在第1，2，3年的水体概率。
30、进一步地，在步骤s5中，根据常年水体与类水体参考图层以及季节性水体与类水体参考图层，在潜在洪水图层中排除常年水体与类水体、季节性水体与类水体得到最终洪水范围包括：掩膜非洪水区域确定洪水范围：
31、在步骤s3获得的潜在洪水图层基础上，去除常年水体与类水体，然后再去除季节性水体与类水体，确定洪水范围；
32、f＝pf-pw-sw
33、其中，f为洪水范围，pf为潜在洪水像元，pw为常年水体与类水体，sw为季节性水体与类水体。
34、此外本发明提供一种基于雷达遥感的无先验知识支撑的洪水检测系统，包括：
35、获取模块：获取待检测影像以及历史雷达遥感影像，对待检测影像以及历史雷达遥感影像进行预处理，得到处理后待检测影像以及处理后历史影像；
36、非洪水模块：根据处理后待检测影像以及处理后历史影像构建非洪水参考影像及标准方差影像；
37、潜在洪水模块：根据处理后待检测影像、非洪水参考影像、以及标准方差影像获取潜在洪水图层；
38、其余水体模块：构建常年水体与类水体参考图层以及季节性水体与类水体参考图层；
39、洪水确定模块：根据常年水体与类水体参考图层以及季节性水体与类水体参考图层，在潜在洪水图层中排除常年水体与类水体、季节性水体与类水体得到最终洪水范围。
40、与现有技术相比，本发明技术方案的有益效果是：
41、本发明根据处理后待检测影像以及处理后历史影像构建非洪水参考影像及标准方差影像；然后根据处理后待检测影像、非洪水参考影像、以及标准方差影像获取潜在洪水图层，因此并不需要提前得知哪些日期或者地方的影像为洪水影像，不需先验知识，使得本发明的洪水检测更为简易。
42、本发明构建常年水体与类水体参考图层以及季节性水体与类水体参考图层；从而排除了常年水体与类水体以及季节性水体与类水体对最后洪水检测的影响，从而提高了洪水检测效果。
1.一种基于雷达遥感的无先验知识支撑的洪水检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于雷达遥感的无先验知识支撑的洪水检测方法，其特征在于，在步骤s1中，雷达遥感影像为sentinel-1雷达遥感影像。
3.根据权利要求2所述的一种基于雷达遥感的无先验知识支撑的洪水检测方法，其特征在于，对待检测影像以及历史雷达遥感影像进行预处理，得到处理后待检测影像以及处理后历史影像包括：
4.根据权利要求1所述的一种基于雷达遥感的无先验知识支撑的洪水检测方法，其特征在于，根据处理后待检测影像以及处理后历史影像构建非洪水参考影像及标准方差影像包括：根据处理后历史影像中过去三年中每一年中的m-1月、m月、m+1月共9个月的处理后历史影像计算得到时间序列雷达影像中值，并将时间序列雷达影像中值作为非洪水参考影像，其中m为待检测影像所在月份；
5.根据权利要求4所述的一种基于雷达遥感的无先验知识支撑的洪水检测方法，其特征在于，在步骤s3中，根据处理后待检测影像、非洪水参考影像、以及标准方差影像获取潜在洪水图层包括：计算处理后待检测影像与非洪水参考影像的差值，得到差值影像，然后计算差值影像与标准方差影像的比值；在处理后待检测影像上识别后向散射强度低于设定水体阈值的像元，并在这些像元上判断差值影像与标准方差影像的比值是否低于变化阈值，若高于则不进行任何处理，若低于则将该像元视为潜在洪水像元：
6.根据权利要求5所述的一种基于雷达遥感的无先验知识支撑的洪水检测方法，其特征在于，水体阈值为经验阈值。
7.根据权利要求1所述的一种基于雷达遥感的无先验知识支撑的洪水检测方法，其特征在于，在步骤s4中，构建常年水体与类水体参考图层包括：将处理后历史影像中与待检测影像对应的当年影像后向散射低于设定水体阈值高于80％概率的像元定义为常年水体与类水体像元:
8.根据权利要求1所述的一种基于雷达遥感的无先验知识支撑的洪水检测方法，其特征在于，在步骤s4中，构建季节性水体与类水体参考图层包括：根据处理后历史影像中过去三年中每一年中的m-1月、m月、m+1月，共9个月的处理后历史影像的水体概率为1的像元定义为季节性水体与类水体像元，其中m为待检测影像所在月份；
9.根据权利要求1所述的一种基于雷达遥感的无先验知识支撑的洪水检测方法，其特征在于，在步骤s5中，根据常年水体与类水体参考图层以及季节性水体与类水体参考图层，在潜在洪水图层中排除常年水体与类水体、季节性水体与类水体得到最终洪水范围包括：掩膜非洪水区域确定洪水范围：
10.一种基于雷达遥感的无先验知识支撑的洪水检测系统，其特征在于，包括：
