基于模糊理论的SAR图像海面油膜识别

合成孔径雷达(SAR)已成为检测海洋表面油膜的重要手段之一。本文应用模式识别领域中的模糊逻辑理论,在SAR海上溢油图像中选择33个图像特征进行分析,根据方差分析方法和模糊理论的特点筛选出其中的4个特征参量,建立区分海面溢油与疑似溢油的检测模型。通过对27个测试样本试验,有效识别率达到83%。说明本论文采用的方法对于区分溢油和疑似溢油可行,对业务化海洋遥感溢油检测具有参考价值。     

基于面向对象和模糊逻辑的SAR溢油检测算法

星载合成孔径雷达(Synthetic Aperture Radar,SAR)具有全天时、全天候的工作能力,已被众多学者认为是非常适合探测海面溢油污染的遥感器。然而在SAR影像中经常出现"类油膜"现象,这严重干扰了SAR溢油检测的精度。因此,如何有效区分SAR影像中的油膜和类油膜,对提升溢油检测精度具有重要意义。本文利用面向对象图像分析的方法,从20景ENVISAT ASAR影像中提取了较多的溢油和类油膜样本,对其基于对象的形状、物理和纹理特征进行了综合分析,找出了适合区分溢油和类油膜的特征量。利用特征分析的结论,本文建立了一种基于模糊逻辑的溢油检测算法。该算法可以有效区分SAR影像中的溢油和类油膜,还可以给出暗斑被判定为溢油的概率。溢油检测实验说明,本文方法能够得到令人满意的效果。     

基于SAR图像的海洋锋检测方法

海洋锋区中存在温度等海洋环境参数的跃变,影响声波在海洋中的传播,从而影响各种水声设备的使用,确定海洋锋的高精度位置在渔业和军事方面具有重要的应用价值,但目前大多数海洋锋检测技术难以实现全天时全天候高精度的海洋锋位置检测。文中简要介绍了利用遥感数据检测海洋锋的主要方法,理论分析了基于合成孔径雷达(SAR)图像的海洋锋检测方法的可行性。利用ENVISAT卫星搭载的合成孔径雷达(ASAR)图像,对海南岛东部海洋锋进行了检测,检测结果表明基于SAR的海洋锋检测方法能很好地保留锋线细节信息。对比红外融合SST数据海洋锋检测结果,证明了该方法的有效性。最后总结出基于SAR图像的检测方法的优势,该方法为现有基于红外SST数据的海洋锋检测方法提供了参考补充。     

合成孔径雷达图像中海洋内波的特征检测

海洋内波在合成孔径雷达(SAR)图像中具有特定纹理分布,因此可以根据海洋内波SAR图像的纹理分布特性,进行内波海面特征检测。利用功率谱对具有不同纹理特征的SAR图像进行分析,并对特征进行分类统计得出内波的功率谱特征。在海洋内波区域,利用多孔小波变换及多尺度融合提取海洋内波特征,在此基础上对波-流散射系数进行提取。提出了"内波特征的功率谱特征-多孔小波综合检测算法",为海洋内波参数反演奠定了基础。     

基于特征选取及广义傅立叶分形的SAR图像海洋溢油检测算法

针对海上溢油SAR图像中油膜与类油膜的识别问题,提出了一种结合傅立叶分形与特征提取的检测算法。由于分形特征可以具有无穷多的细节,并在不同的研究尺度存在自仿射特性。这与油膜及类油膜表面的几何形貌特征非常吻合。该算法通过计算样本的傅立叶分形特征,组成油膜与类油膜的特征空间。然后,应用基于差分进化的特征选取方法将利于分类的重要特征值筛选出来。再利用重要特征值对原有样本进行分类。实验表明,经特征选取的分形特征向量能够以100%的准确率将两类样本区分开。该算法在选取重要特征的同时实现了对高维特征空间降维的目的,该思想可以应用于其他的基于高维特征的识别系统中,具有普遍的适用性。     

一种增强型YOLOv3的合成孔径雷达(SAR)舰船检测方法

近年来,海战场成为现代战争的主要作战区域之一,舰船目标逐渐成为海上重点监测对象,能否快速准确地识别海战场舰船目标的战术意图,给指挥员的决策提供必要的支持,这关系到一场海上战役的成败.随着合成孔径雷达(synthetic aperture radar,SAR)成像技术的不断发展,大量SAR图像可用于舰船目标检测与识别.利用SAR图像进行舰船目标检测与识别,已经成为重要的海洋应用之一.针对传统SAR图像舰船检测方法准确率较低的问题,本文在YOLOv3的基础上,结合感受野(receptive field block,RFB)模块,提出一种增强型的SAR舰船检测方法.该方法在最近公开的SAR图像舰船检测数据集上平均准确率值达到了91.50％,与原YOLOv3相比提高了0.92％.实验结果充分表明本文提出的算法在SAR舰船的检测中具有较好的检测效果.     

基于简缩极化SAR的溢油检测与分类方法

针对简缩极化SAR在海上溢油的检测与分类应用开展研究,利用欧式距离全面分析了简缩极化SAR的36种极化特征在溢油检测与油膜分类中的性能,发现简缩极化特征中的奇次散射系数的溢油检测性能最好,简缩极化熵的疑似溢油鉴别性能最好.在此基础上,提出了结合二叉树原理的简缩极化SAR溢油检测与油膜分类算法,并分析了RADARSAT-...     

基于SAR极化比和纹理特征的海面溢油识别方法

针对海洋表面SAR影像的特点,采用基于灰度共生矩阵的纹理特征方法是提取海面溢油信息的常用方法,但实际海洋表面复杂的信息使得SAR图像上产生类似溢油现象的暗斑区域,这导致在利用纹理特征方法提取溢油信息时存在虚警率,降低了溢油信息的提取精度。基于RADARSAT-2 SAR四极化影像,本文提出基于SAR极化比影像的纹理特征识别方法对海面油膜进行识别提取。结果显示,基于SAR极化比影像的纹理特征识别方法可以有效且准确地提取海面溢油信息,相比于VV极化影像的纹理特征识别方法,溢油监测过程中的虚警率降低了17.96%,溢油监测总体精度达到96.83%。     

基于GLCM的SAR溢油纹理特征分析

溢油对海洋生态环境造成巨大的危害,溢油遥感监测已成为海洋遥感监测的主要内容,但由于在SAR图像上溢油的表现和其它海洋现象类似,难以区分油膜与类油膜,给遥感监测带来困难。本文以Envisat-ASAR为数据源,选择南海为例,采用GLCM方法对溢油的SAR纹理进行分析,计算海水与溢油的GLCM特征值,结果表明:采用变化、均值等特征对溢油的SAR纹理有很好的表现,从而为溢油信息的提取提供基础。     

基于HAC的溢油SAR图像分割算法

图像分割是SAR溢油检测中的关键步骤,但由于SAR影像中存在斑点噪声,使得一般的图像分割算法难以收到理想的效果,严重影响溢油检测的精度.发展一种基于凝聚层次聚类(Hierarchical Agglomerative Clustering,HAC)的溢油SAR图像分割算法.该算法利用多尺度分割的思想,能够有效保持SAR影像中溢油斑块的形状特征,并能减少细碎斑块的产生.利用2010年墨西哥湾的Envisat ASAR影像开展了溢油SAR图像分割实验,并将该算法和Canny边缘检测、OTSU阈值分割、FCM分割、水平集分割等方法进行了对比.结果显示,HAC方法可以有效减少细碎斑块的产生,有助于提高SAR溢油检测的精度.