时效性是自然灾害应急监测的关键，如何充分发挥卫星遥感的洪灾监测时效性优势，实现近实时的洪水提取仍然面临诸多挑战。联合灾前和灾后的光学和SAR遥感影像可以在云雨天气下准确监测洪水分布情况，现有方法主要集中在单时相SAR影像的水体范围提取算法研究，洪水范围提取精度取决于单时相SAR影像水体提取精度，导致洪水范围提取结果存在误差累积问题。同时，由于SAR和光学卫星遥感的成像原理不同，通用双时相影像变化检测算法无法满足异源遥感影像的洪水范围检测需求。
针对光学/SAR卫星影像之间特征空间存在差异以及训练样本不完备导致异源影像洪水范围检测困难的问题，眭海刚教授课题组提出了一种顾及特征空间差异的光学/SAR影像洪水范围检测方法。该方法基于孪生网络Siamese Network框架构建异源影像洪水范围提取网络H-FIENet，分别将预训练的光学和SAR影像水体提取模型转换为权重不共享的两个特征提取分支，从而实现灾前光学影像和灾后SAR影像的特征空间对齐；利用跨任务迁移策略和少量时空不一致的伪变化样本对H-FIENet模型训练，可以实现光学和SAR双时相卫星影像的洪水范围准确提取，适用于洪灾发生后第一时间联合不同时相的光学和SAR多源卫星影像开展洪灾态势宏观监测。
多源影像洪水监测方法流程
