基于混合损失U-Net的SAR图像渤海海冰检测研究

渤海是我国重要的经济区,海冰灾害严重威胁着人类生产活动。合成孔径雷达具有全天候成像能力,研究渤海区域的SAR图像海冰检测具有重要意义。传统海冰检测方法受限于特征提取方法和建模方式,检测精度有待提升。深度学习具有极强的特征自学习能力,适用于图像检测问题。本文基于深度学习框架U-Net,以Sentinel-1双极化（VV和VH）合成孔径雷达图像为输入信息,设计混合损失函数优化传统U-Net模型,形成了基于混合损失U-Net的渤海海冰检测模型。将本文模型与传统海冰检测方法[脉冲耦合神经网络（PCNN）、马尔科夫随机场（MRF）和分水岭算法]和基于深度卷积神经网络（CNN）的深度学习方法进行了对比。实验结果表明:本文基于混合损失U-Net的海冰检测模型在重叠度、F1分数、精确度和召回率4项度量指标上分别达到了97.567%、98.769%、98.767%和98.771%,检测效果明显优于对比方法;双极化信息输入的检测结果比VV单极化输入的检测结果在F1分数、精确度、召回率和重叠度上分别提高了0.375%、0.111%、0.639%和0.740%;混合损失函数的检测结果比非混合损失函数的检测结果在F1分数、精确度、召回率和重叠度上分别提高了1.129%、0.947%、1.794%和2.231%;模型能对冰水沿线、冰间水道、冰间隙等细节进行有效检测;可应用于渤海区域整幅SAR图像的海冰检测,为海冰监测、海冰变化分析、海冰预报提供技术支撑。     

基于变分水平集方法的海冰信息自动提取

针对目前海冰信息解译时对海冰外缘线及面积信息提取不精确、业务化应用不强问题,提出一种基于分裂Bregman算法的海冰外缘线自动提取方法,并通过遥感影像预处理、算法程序化等工作步骤,将该算法应用到业务化海冰信息解译工作中。方法:分别选取五景中、高空间分辨率的可见光卫星遥感影像,将影像上待提取海冰区域首先进行不规则图像裁剪、图像增强等预处理工作,然后基于变分水平集及快速分裂Bregman投影方法进行了海冰外缘线信息的提取,并对提取出的海冰面积进行量化,最后与传统人工提取海冰信息进行了比较。实验结果表明,基于变分水平集及其快速分裂Bregman算法提取的海冰信息,具有提取的海冰边缘精确、自动化程度高、提取结果稳定可靠等优点。     

基于数学形态学的海岛水边线提取模型

针对遥感影像数据大面积覆盖的特性,利用数学形态学提出了一种多目标海岛水边线的同步提取模型,模型包括:利用K-means算法的海岛区域粗分割;基于灰度膨胀算法的海岛初始轮廓曲线确立;利用水平集算法的海岛水边线优化。以福州海域的多目标海岛水边线提取为例,将本文模型与K-means模型、二值化高斯滤波水平集模型(SBGFRLS)和基于改进水平集的海岛边界快速分割模型(ILSM-IBRS)进行了比较。结果表明,本文模型弥补了K-means模型的过分割现象,其计算耗时较SBGFRLS和ILSM-IBRS模型分别节省了96.16%和86.96%;其迭代次数分别减少了97.07%和90.59%。由此可见,本文模型解决了现有提取模型效率低、过分割等现象,实现了多目标海岛水边线的同步提取,为海岛普查等提供了一种快速提取方法。     

基于遥感数据的渤海海冰面积提取订正模型研究

为了获取准确的海冰信息，利用高空间分辨率和高时间分辨率数据相结合的方法来测算海冰面积，在假设TM海冰面积是比较准确的前提下，用TM海冰面积来订正MODIS和NOAA／AVHRR海冰面积，以提高这两种高时间分辨率遥感资料对海冰面积的判别精度。选取2003年2月5日的TM、MODIS和NOAA／AVHRR数据，在这3个图像上分别选择20个样本，然后进行了海冰面积的线性回归分析，得到的海冰面积提取订正模型。并分别以此两种模型为基础，对2002年12月8日至2003年2月26日和2005年2月1日至2月11日冬季渤海海冰面积进行修正，并将由MODIS和NOAA／AVHRR提取的海冰面积、用模型订正后和国家海洋环境预报中心给出的海冰面积做了详细的比较。结果表明：线性回归可以提高海冰信息的提取精度。此研究为海冰防灾减灾和海冰资源量估算提供依据。     

SAR图像分块CFAR迭代的极地冰山检测

通过迭代CFAR算法，本文发展了一种针对分块SAR图像的冰山检测方法。考虑到滑动窗口运算负担大、计算效率低，首先对SAR图像进行分块，以提取分块内的亮目标冰山。利用高斯模型表征后向散射系数的统计分布，冰山检测阈值可简单地表达为均值和方差的线性组合，将分块内像素逐个比对阈值以检测冰山。考虑到同一场景中尺寸变化大的冰山影响检测精度，以识别的冰山像素做种子执行区域生长，从而提取大尺寸的冰山。针对单个分块迭代上述处理，以降低高斯模型表征分块统计分布的误差，提高冰山检测精度。利用2013年11月22日和29日获取自极地海域的两景RADARSAT-2图像开展验证试验。结果表明，数量多、尺寸变化大并嵌入在海冰等极地常见情形下的冰山，能被文中方法有效识别，选取区域内正确率高达85%以上，且具有良好的运行效率。     

用AMSR数据极化比PSSM算法检测渤海海冰边缘线

利用高级微波扫描辐射计数据和冰间湖信号模拟算法探测渤海海冰,提取海冰外缘线信息。探测的海冰边缘线与Jason-1高度计海冰探测结果和ENVISAT ASAR海冰探测结果做比较,验证了该方法的有效性。     

基于CFOSAT散射计的海冰识别方法研究

中法海洋卫星散射计（CSCAT）丰富的观测几何信息为极地海冰遥感提供了新的机遇。本文提出一种适用于CSCAT的贝叶斯海冰识别算法,不需要构建海冰地球物理模式函数和计算后向散射系数离海冰地球物理模型函数（GMF）的距离,仅利用海面风场反演伴随的最小残差即可构建CSCAT海冰识别模型。研究结果与欧洲气象卫星组织的海冰边缘线产品进行了比较,表明2021年9月南极和北极区域逐日的海冰覆盖面积估计标准差分别为1%和7%,与其他卫星散射计的海冰识别结果基本一致。这种新的海冰识别方法具有模型参数少、处理速度快、检测结果可靠的优点,对卫星地面系统的业务化处理具有重要的借鉴意义。     

保持局域特征的多源海冰图像融合与分类

本文提出一种保持局域特征的多源海冰图像融合方法，并在此基础上进行海冰分类。本文提出的多源海冰图像融合方法包括保持空间局域融合和保持特征局域融合两方面。首先，通过学习得到投影矩阵和相似矩阵。投影矩阵将多源像素进行投影变换，得到保留像素空间局域特性的融合向量。相似矩阵度量像素特征间的相似性，通过拉普拉斯特征分解，得到保留像素特征局域相似性的融合向量。然后，将空间融合向量和特征融合向量进行像素综合，得到融合图像。在此基础上，本文设计一种滑动集成分类方法进行融合图像像素分类。提出的分类方法利用滑动集成的特点，在分类时增强刻画了海冰局域特性。由于本文的保持局域融合框架不仅刻画了海冰在物理空间中的邻接关系，而且考虑不同海冰类型的特征关系，因此其在多源图像（多光谱和合成孔径雷达（SAR）图像）的海冰分类任务中表现优异。实验结果表明本文提出的基于保持局域特征融合的多源海冰图像分类方法有效提升了海冰分类精度。     

基于遥感图像分析的极区海冰漂移研究

对极区的海冰运动进行观测具有重要的意义,卫星遥感技术是目前极区海冰监测的重要手段.星载多光谱仪器和合成孔径雷达(SAR)能够生产高分辨率、宽刈幅、连续的遥感图像,是开展海冰遥感监测的优选载荷.通过对极区遥感图像的分析,可以获取极区海冰漂移运动的资料信息.文中提供了可用于极区海冰漂移研究的遥感资料源,详细介绍了两种基于遥感图像的海冰运动分析方法:相关匹配法与光流算法,以及两种方法的对比;利用文中介绍的遥感资料和分析方法,在两极海区发现了明显的海冰中尺度运动特征.     

基于多时相遥感数据的海岸线自动提取方法

海岸线是海洋的重要组成部分,对于海域管理具有重要意义。本文根据岸线位置确定原理,即将多时相瞬时水边线上边界近似作为海岸线,提出了一种基于多时相水边线的海岸线自动提取方法,该方法应用区域生长与边缘检测相结合的方法提取瞬时水边线,然后采用海岸线自动判别算法进行海岸线的提取。首先计算归一化水体指数（normalized difference water index,NDWI）图像,利用区域生长算法进行海陆分割,得到海陆分割二值图;然后利用Canny边缘检测对海陆分割结果进行边缘检测,得到瞬时水边线;最后利用海岸线自动判别算法得到多时相瞬时水边线上界作为海岸线。本文以马六甲海峡部分海岸作为研究区域,应用多期Landsat 8遥感影像进行了海岸线提取和分析。为验证海岸线提取精度,对获取时间接近高潮时的一景哨兵二号影像进行目视解译得到人工解译的海岸线,与本文提取海岸线进行对比。结果显示,本文算法得到的海岸线平均偏移量和均方根误差分别为21.01 m和21.96 m,能够满足30 m分辨率遥感图像的精度要求,相比采用单景影像提取海岸线,精度有明显提高。     

基于FY-3/MERSI数据的北冰洋流冰自动提取与跟踪方法

北冰洋航路是未来全球航运的重点开拓领域,海冰运动对北冰洋航路开发有重要影响。本文利用风云三号卫星中分辨率光谱成像仪(FY-3/MERSI)数据的特点和优势,研究北冰洋流冰自动提取和运动跟踪的方法。首先在分析流冰灰度分布特征的基础上,提出分区域阈值分割与梯度差分相结合的方法实现块状流冰提取,然后根据块状流冰的多种几何特征匹配同名流冰并计算其运动速度。应用这种方法跟踪2011年6月弗雷姆海峡流冰运动,跟踪结果与美国国家冰雪数据中心提供的极地网格化日均海冰运动矢量整体趋势一致,验证了方法的有效性。这种方法获取各块流冰实际运动速度,可以有效弥补网格化海冰运动平均速度场分布和细节的不足,为北冰洋航路开发提供更详细的流冰运动信息。     

基于Argo浮标的南极海冰范围变化分析

南极海冰的生消冻融与全球气候变化息息相关,多年以来受到国际社会的高度关注。目前已有诸多关于南极海冰范围变化的研究,但大部分是基于卫星遥感影像来展开分析。Argo观测网遍布全球各大洋,为海冰范围研究提供了一种新的思路,即根据浮标GPS点的南部边界推算南极海冰边界,由浮标的年、月累积数据得到南极海冰范围的年际、月际变化规律。对于这种研究思路提出了三种实现方法:(1)绘制专题图,可以清晰直观地看到南极海冰在2—9月间的生消变化情况;(2)利用南极附近浮标GPS点数量占全球比例的变化情况来分析海冰变化规律,在月际变化趋势上与影像数据一致,在年际变化上稍显不足;(3)使用点密度分析方法估计海冰边界,建立基于浮标GPS点密度的海冰-海水分界模型,可得到南极海冰范围变化规律的定量分析结果。浮标数据与影像数据互为补充,可为全球气候变化研究提供更多参考。     

基于Hough变换原理的海冰厚度识别方法

作为主要海冰参数之一的海冰厚度对海冰灾害评估和极地船舶与冰区海洋工程结构设计具有重要意义。采用船侧视频图像对海冰厚度进行自动识别是提取海冰参数的重要方式。本文采用基于Hough变换的机器视觉方法对海冰翻转过程中的表面轮廓线进行识别,从而自动获取海冰厚度参数。根据海冰图像特征制定了图像边缘识别?近似线段识别?海冰轮廓线段组识别的计算流程。在线段组识别过程中,根据海冰的几何特征建立了由夹角、长度及间距参数相关联的3个识别参数所组成的判断条件。为验证方法的可靠性,将该方法用于“雪龙”号第八次北极科考的走航实测数据中,结果表明,3个识别参数均具有最优阈值。当低于最优值时提高阈值可增加有效识别率;而高于最优值时提高阈值则会导致误判率增大,采用最优阈值可使冰厚识别率达到90%以上。因此,采用基于Hough变换的冰厚识别方法可实现对海冰厚度的实时监测。     

基于纹理特征的围填海SAR图像分水岭分割方法

本文提出了一种基于纹理特征的围填海SAR图像分水岭分割方法,首先对机载MiniSAR图像进行灰度共生矩阵纹理滤波,获得纹理特征图像,再对纹理特征图像进行分水岭算法分割,将获得的形态学重建图像进行门限阈值分割,得到最后的二值化分割结果。该方法一方面通过调整灰度共生矩阵纹理滤波的窗口大小,抑制了斑点噪声的影响;另一方面,利用分水岭算法对边缘模糊杂乱图像的优势,提高了围填海信息提取的准确性。实验结果表明,本方法对高分辨率SAR图像围填海监测图像的分割效果良好。     

Research on extracting method of micro-scale remote sensing information combination and application in coastal zone

Due to the need of rapid and sustainable development in China’s coastal zones, the high-resolution information theory using data mining technology becomes an urgent research focus. However, the traditional pixel-based image analysis methods cannot meet the needs of this development trend. The paper attempts to present an information extraction approach in terms of image segmentation based on an object-oriented algorithm for high-resolution remote sensing images. An aim of the author’ research is to establis...     

基于双极化SAR图像的U-Net海冰多分类模型

北极多年冰在近几十年有明显的减少趋势,与北极海冰的厚度、体积和夏季最小海冰范围的减少密切相关。合成孔径雷达(synthetic aperture radar, SAR)具有全天时、全天候成像能力,基于SAR卫星影像的海冰分类对监测北极多年冰具有重要意义。基于深度学习U-Net模型,以SAR图像的双极化信息为模型输入,构建了像素级的海水、一年冰和多年冰多分类模型。与已有SAR图像海冰分类方法(支持向量机、随机森林和卷积神经网络)进行对比,基于双极化SAR图像的U-Net海冰分类模型的准确率、平均重叠度和Kappa系数,分别达到了90.73%、0.831和0.849,优于其他对比模型,分别提升了4.08%～19.04%, 0.063～0.321和0.111～0.335。此外,针对SAR图像水平-垂直极化(horizontal-vertical polarization, HV)有明显的条状热噪声和水平-水平极化(horizontal-horizontal polarization, HH)受入射角效应而亮度不均匀的特点,设计敏感性实验,研究HV噪声、入射角和灰度共生矩阵(gray leve...     

基于GOCI数据渤海海冰厚度算法研究

提出一种基于GOCI数据提取渤海海冰厚度方法并将其应用于2014年-2015年冬季渤海海冰厚度动态变化监测。首先基于高时间分辨率的GOCI数据建立GOCI短波宽带反射率与各波段反射率模型,然后建立海冰厚度与GOCI短波宽带反射率模型,并将此模型应用于渤海海冰厚度监测,最后通过基于MODIS数据、热动力学模型（Lebedev和Zubov模型）反演获得的海冰厚度以及实测海冰厚度数据对实验结果进行验证。实验结果表明：基于GOCI数据建立海冰厚度模型所反演的海冰厚度与基于MODIS数据反演的海冰厚度以及Lebedev和Zubov模型具有较高相关性（R2>0.86）,而且反演结果接近实测数据（RMS为6.82 cm）。     

一种融合纹理特征与NDVI的随机森林海冰精细分类方法

海冰的精准分类对于掌握海冰生长发育状况,保障航海安全等具有重要意义。由于受数据源和分类方法等影响,使得海冰分类精度提高受限。本文面向高空间分辨率的光学遥感影像,提出了一种融合纹理特征和归一化差分植被指数（NDVI）的海冰精准分类方法,运用随机森林分类器构建海冰分类方法。以青岛胶州湾为实验区,高分二号（GF-2）为实验数据,进行了海冰类型提取,并与其他分类方法进行对比。结果显示:针对GF-2高分辨率光学遥感数据,融合纹理特征和NDVI的随机森林方法,相比于传统的随机森林、支持向量机、自动决策树和融合纹理特征的最大似然分类方法,总体分类精度分别提高13.70%、11.60%、19.22%、29.37%。Kappa系数分别提高0.16、0.13、0.22、0.44。相比于融合纹理特征和归一化水指数（NDWI）的随机森林方法,总体分类精度提高了9.67%,Kappa系数提高了0.09。这表明本文构建的海冰分类方法可有效提高海冰分类精度,为海冰的精确分类提供了一种有效的技术手段。