基于海温遥感资料的海洋锋检测方法

介绍了海洋锋的特点和本文选用的资料源,详细研究了海洋锋检测算法,给出了梯度和锋线检测结果,最后分析了东海黑潮锋季节变化规律,为基于海温遥感资料的海洋锋检测方法业务化应用提供参考。     

SAR图像海洋表面油膜检测算法研究

海洋表面油膜对海洋环境影响极大,及时获取海面油膜信息对保护海洋环境具有重要意义.海洋表面油膜检测是合成孔径雷达(SAR)很重要的应用领域之一.总结了传统以及新近提出的SAR图像海洋表面油膜检测4种算法,对每一种算法进行了详细分析说明.文章还通过3幅实际SAR油膜图像,分别从油膜检测的目视效果、运算速度和自动化程度三方面对这4种算法进行了详细的对比研究,最后提出选择SAR图像海洋表面油膜检测算法的原则.     

基于GA-WNN的极化SAR海洋溢油检测方法研究

海洋溢油对海洋生态和人类生活带来严重的影响。由于合成孔径雷达(Synthetic Aperture Radar,SAR)具有全天时全天候的工作能力,在海洋溢油检测中发挥重要作用。目前,极化SAR是SAR探测技术的先进手段。本文利用6个极化特征进行溢油检测,通过对比分析这些特征对不同溢油的检测能力,得出单一极化特征在溢油检测中存在不足。通过J-M特征优选方法,提取出溢油检测识别度较高的特征影像,并利用遗传算法优化的小波神经网络(Genetic Algorithm-Wavelet Neural Network,GA-WNN)进行溢油检测。利用2套Radarsat-2全极化数据进行了方法验证,结果表明,该方法优于其他检测方法,溢油检测精度分别达到90.31%和95.42%。     

SAR图像海洋内波参数自动提取方法

海洋SAR图像由于纹理复杂,目前绝大多数的SAR图像海洋内波处理方式都是通过人工干预在SAR图像上选取一个或多个沿内波传播方向的截面,再依据截面数据的灰度分布求内波波长等参数,这种方法要求操作者有一定的专业知识,且随操作者选取截面的不同,反演得到的内波参数变化较大。依据海洋内波特点,采用二维连续小波变换对海洋SAR图像进行滑动窗扫描,自动找出含有海洋内波的图像区域,再通过椭圆域归一化Radon变换自动反演含有内波区域的内波波长、传播方向等参数。由SAR图像内波参数提取结果可知,提出的SAR图像内波参数自动提取方法,是一种全自动的SAR图像内波参数提取方法,能够较好地定位内波所在的图像区域,自动提取这些区域中的内波参数,且提取的内波传播方向可自动去除180°模糊,可解决海量SAR海洋数据内波参数自动提取的难题。     

一种基于Canny和数学形态学的海洋锋检测方法

MODIS遥感影像中海洋锋呈现明显的弱边缘信息特征。为有效获得海洋锋信息,首先应用调整后的Canny边缘检测算法,获取海洋锋初步检测结果,然后基于数学形态学二值重构及击中击不中算法,对检测出来的海洋锋进行再处理,确保了海洋锋的连续性及定位准确性。试验结果表明了该算法在海洋锋检测上的有效性与实用性。     

基于改进Faster R-CNN模型的SAR图像溢油检测方法

SAR（synthetic aperture radar）图像溢油暗斑准确识别对海上溢油应急工作具有重要的意义。为减少SAR图像特征提取、特征选择过程中人为因素对溢油检测精度的影响,本文将Faster R-CNN卷积神经网络模型引入SAR图像溢油检测并进行了改进。针对溢油暗斑形状多样及SAR图像背景复杂的特点,选用结构一致且实用性强的VGG16卷积网络获取图像特征,并使用软化非极大值抑制算法（Soft-NMS）进行优化。同时基于相同的数据集,提取常用的SAR图像几何特征、灰度特征和纹理特征,构建反向传播（backpropagation,BP）人工神经网络溢油检测方法并与Faster R-CNN方法进行对比。实验结果表明,基于改进Faster-RCNN模型的溢油检测方法溢油检测率达到0.78,且溢油检测虚警率低于0.25,相比BP人工神经网络溢油检测方法样本识别率、溢油检测率分别提高了4%和5%,溢油虚警率降低了5%。     

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。     

多波段海洋内波 SAR 图像特征分析

利用 SIR-C/X-SAR 南海海域多波段数据,分析了海洋内波 SAR 图像特征与雷达波段的关系.对上升型和下降型的海洋内波 SAR 图像,内波图像特征在 X 波段最为明显,C 波段次之,L 波段最弱.利用布拉格共振散射理论分析了内波图像特征在不同波段存在差异的原因.基于 M4S 海面微波成像仿真软件,模拟分析了不同波段的海洋内波 SAR 图像特征,模拟分析结果与数据分析结果吻合较好.     

基于Radon变换的SAR图像船迹检测研究

给出了一种检测星载(合成孔径雷达SAR)图像中舰船尾迹的方法,该方法主要特点是将Radon变换局部化,即在对像素灰度值积分过程中沿着线性特征被分割后的若干短线段进行积分,而非对整张图像进行积分。该方法克服了Radon变换方法的局限性,使尾迹信号在背景噪声较强时依旧能被检测出,并且能检测出相对于整幅图像的尺寸较短小的尾迹。     

融合scSE模块的改进Mask R-CNN海洋锋检测方法

海洋锋是重要的中尺度海洋现象,具有数据量小、目标小、弱边缘等特性。针对实际检测任务中弱边缘、小目标海洋锋的检测精度低、错检及漏检率高等问题,融合scSE (spatial and channel Squeeze&Excitation)空间注意力模块构建了一种改进的Mask R-CNN海洋锋检测模型。该方法首先对Mask R-CNN骨干网络结构进行改进,采用scSE模块引导的ResNet-50网络作为特征提取网络,通过加权策略对图像通道和空间位置进行特征突出,提升网络对重要特征的提取能力;其次,针对海洋锋目标边缘定位不准确的问题,引入IoU boundary loss构建新的Mask损失函数,提高边界检测精度。最后,为验证方法的有效性,从训练数据和实验模型上,分别设计多组对比实验。实验结果表明,相比传统Mask R-CNN、YOLOv3神经网络及现有Mask R-CNN改进网络,本文方法对SST梯度影像数据集上的强、弱海洋锋检测效果最好,定位准确率（IoU,Intersection-over-union））及检测精度（mAP,Mean Average Precision）均达0....     

基于显著性分析的SAR溢油图像中暗斑区域检测方法研究

为了提高合成孔径雷达(synthetic aperture radar,SAR)图像中海上溢油的检测精度,设计了一种图像显著性和均值偏移分割相结合的暗斑检测方法,验证了该方法在SAR溢油图像暗斑识别中的有效性,为溢油区域的准确检测奠定了基础.针对SAR溢油图像中暗斑区域在人类视觉中属于感兴趣区域的特性,利用图像显著性检...     

一种基于小波变换的SAR海洋图像数据增强系统

提出了一种基于小波变换的SAR海洋图像数据增强系统,并进行了试验.本系统包括小波变换、Speckle及Pepper-Salt噪声抑制、船等目标提取、内波提取、目标数统计和图像图形显示放大等功能.该图像增强系统可以对含有常见的高斯噪声及Speckle和Pepper-Salt非高斯噪声的污染图像数据进行增强处理,可对SAR等微波成像传感器数据、光学成像传感器数据进行增强处理,具有广泛的应用前景     

基于形态学的海洋锋形态特征提取

根据形态学梯度理论:不同尺寸的结构元素适合不同空间尺度的特征提取,结构元素尺寸的过大或者过小都会达不到最佳的特征边缘提取效果,从结构元素的尺寸δ与海洋锋横断面宽度γ和海流流幅的空间尺度λ的理论关系图推导中,提出δ,γ和λ的最佳定量关系：δ=γ/2,且δ＜=λ/2,旨在对海洋锋形态特征进行提取。最后,以黑潮和墨西哥湾流为实验数据,进行海洋锋形态特征的自动提取,实验结果表明该定量关系的正确性和有效性。     

卫星SAR图像的海洋大气边界层特征参数的反演

针对中国南海ERS-2／SAR三维对流涡旋图像,分别利用Young的协方差方法和惯性子域方法,反演了对流海洋大气边界层高度、海洋大气边界层垂直对流尺度速度、表面浮力通量、Obukhov长度、稳定性校正后的海面风速和海面风速稳定性校正因子。结果表明,2种反演方法的结果符合较好,在一定程度上说明利用协方差方法和惯性子域方法从卫星SAR图像反演海洋大气边界层参数的有效性。     

一种基于小波阈值的SAR图像降噪方法

由于SAR特殊的相干成像机理导致图像有斑点噪声,使得目标识别和特征提取造成困难。在小波变换阈值降噪法的基础上,提出一种改进的SAR图像降噪方法。先用新的阈值公式对图像进行小波分解,再对小波系数进行更为细致的处理,最后通过逆变换实现图像去噪和重建。实验结果表明,与传统方法相比,本方法更为有效地去除了SAR图像的噪声,并能保持图像的细节特征,有着良好的图像视觉解译效果。     

基于衰落统计特性的SAR图像仿真方法分析

合成孔径雷达(SAR)图像的斑点噪声严重阻碍了其数据的解译和应用,从数学物理的观点描述SAR图像的衰落统计特性,并将仿真结果与真实SAR图像作比较,得出两者具有一致性,最后提出根据SAR图像衰落统计特性的目标检测方法。     

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。     

基于小波分析的海洋锋形态特征提取

遥感影像中海洋锋具有弱边缘(Weak Edge)信息特性,其空间尺度在不同的空间位置存在较大的差异。针对传统边缘算子只能提取某一尺度的海洋锋信息,而损失其他尺度信息不足,本文利用小波多尺度分析特性,探讨了海洋锋信息在各尺度间的分布的继承性,提出最佳尺度确定的算法框架,设计出最佳尺度确定算法的流程,进一步进行海洋锋各尺度信息的提取。最后以海面温度锋-墨西哥湾流为实例进行形态特征提取,并与典型的边缘提取算子效果在信息量、抗干扰性、定位精度、连续性和对比度上进行对比分析。试验结果表明了该算法在提取多尺度的海洋锋信息上的可行性和实用性。     

SAR极化特征图像与σ0图像的海洋内波可视性对比

利用ALOS PALSAR全极化SAR内波图像,对比分析了SAR海洋内波在11种极化特征与后向散射系数(σ⁰) 图像中的可视性。在提取的SAR极化特征图像中,Lambda值的内波特征最为明显,极化熵和极化角次之。与σ⁰图像相比,Lambda值的内波可视性优于同极化的σ⁰图像;对于极化熵和极化角,沿距离向传播的内波可视性优于同极化的σ⁰图像,沿方位向传播的内波可视性略差于同极化的σ⁰图像,两者均优于交叉极化的σ⁰图像。HH/VV极化比、归一化圆极化系数和Bata值的内波特征较弱;HH/HV极化比、VV/VH极化比、Gamma值、Delta值和各向异性指数的内波图像均不清晰,无法识别内波。     

台湾海峡南部的海洋锋

通过近期水文观测,结合卫星遥感和历史水文资料,对台湾海峡南部海域的海洋锋现象进行了整体分析。结果表明,由于多种水系在此交汇,台湾海峡南部冬、夏季匀有明显锋面发育。受季风气候影响,锋面发育有显著的季节差异。夏季影响本海区的水系主要有韩江冲淡水、上升流、南海水、和黑潮水等。它们的交汇形成了韩江冲淡水羽状锋、台湾浅滩上升流锋、黑潮锋、以及陆架／陆坡锋等的三维锋结构。韩江冲淡水和上升汉对夏季海崃南部浅海峰