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-...     

用于SAR图像海面溢油自动识别的Bagging-AdaBoost决策树分类器系统

目前应用于SAR图像海面溢油检测的分类器大多为单分类器,其检测率往往难以达到要求。本文引入AdaBoost算法和Bagging算法,内核采用决策树分类器(Decision tree,DT),形成两种分类器系统DT-A(AdaBoost-Decisiontree)和DT-B(Bagging-Decision-tree)。进而提出以AdaBoost分类器系统为内核的Bagging系统DT-AB(Bagging-AdaBoost-Decision-tree)。对1 448个Envisat/ASAR海面暗目标样本进行分类实验,DT-AB分类器系统与DT单分类器相比,溢油暗目标检测率从74%增至83%,错检率从26%降至16%。对4种分类器的检测率、泛化性能和稳定性能进行了比较测试,结果如下:(1)DT-A和DT-B的泛化性能明显优于DT,并且DT-A的泛化性能略优于DT-B;(2)DT-A和DT-B比DT的稳定性能提高一倍以上,DT-B的稳定性能略优于DT-A;(3)DT-AB的泛化性能和稳定性能均优于DT-A和DT-B。因此,DT-AB分类器系统用于卫星SAR图像海面溢油自动识别业务化系统具有应用前景。     

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。     

基于二维激光观测的溢油及其乳化过程散射模式研究进展

合成孔径雷达(SAR)以其高分辨率、能不受雨云影响实施全天时全天候全方位监测,在海面溢油灾害应急监测过程中发挥着越来越重要的作用。溢油是因为海面油膜抑制了毛细波和重力波,在SAR图像上呈暗斑而被识别。然而,海面溢油的乳化过程直接影响SAR对海面溢油后向散射截面的观测精度。本研究以物理海洋学和激光原理以及海面电磁散射理论为基础,通过实验利用激光扫描仪观测海面溢油粗糙度,分别与溢油特征参数、后向散射系数建立对应关系;耦合海面溢油参数与后向散射截面的关系,利用电磁散射数值建模方法,建立海面溢油散射模型,研究海面溢油乳化过程对微波后向散射截面的影响。本项目的研究将为SAR监测海面溢油量、溢油厚度及油品分布格局提供了可能;将进一步揭示海面溢油的散射机制,提高SAR海面监测溢油的精度和能力。     

基于无人机紫外与SAR的溢油遥感监测方法研究

溢油污染不仅会造成巨大的经济损失,而且给生态环境带来难以修复的破坏。准确、高效地监测海面溢油仍是当前亟需解决的问题。紫外传感器对油膜非常敏感,可快速发现,但存在误判;而SAR(SyntheticApertureRadar)溢油探测的精度较高,两者相结合可准确探测溢油。无人机平台可低成本地实现溢油快速应急响应,无人机载SAR和紫外传感器的载荷重量小,可同时集成于无人机上开展联合溢油探测,以满足业务化监测需求,此方面的研究尚未见有相关报道。本文拟研究溢油不同种类、厚度、在不同海洋环境条件下的紫外图像特征和SAR纹理特征、形状特征、散射特征,构建溢油特征数据库,并建立一种基于特征组合的溢油SAR与紫外联合探测方法;在此基础上研究对无人机数据获取模式和控制单元等的改造方案,进而实现溢油SAR和紫外图像的高效获取。     

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%。     

基于多特征多核学习的全极化SAR溢油提取方法

全极化合成孔径雷达(Synthetic Aperture Radar,SAR)数据具有丰富的极化信息,能够提取出大量异构性特征。核学习方法在解决小样本、高维特征分类问题上具有优势,但异构特征对不同核函数具有响应差异。本文利用一种引入先验标签的多核学习方法进行全极化SAR的溢油信息提取,即基于分析结果对特征集进行遴选与组合,分别在每个特征组合中训练得到一个预备层核函数,以新获取的预备层核函数作为新的底层核函数,对全部特征进行学习分类。通过提取与分析溢油和海水的统计特征、物理散射特征和纹理特征,建立溢油全极化SAR特征谱,并利用引入先验标签的多核学习分类器进行溢油提取实验。结果表明,该方法能够利用全极化SAR多维异构特征的互补特性有效提高溢油分类提取精度。     

基于合成孔径雷达影像的海洋溢油纹理特征参数分析

溢油已是当前海洋生态环境破坏的主要因素之一,因此对海洋溢油的检测分析是当前海洋环境保护的一个重要课题。传统的溢油提取仅仅是单独依靠光学影像的光谱信息或者合成孔径雷达(SAR)影像的后向散射系数信息进行提取,这会造成很多同谱异物或者粗糙度相近似的地物错分,因此除了利用传统的影像信息以外,还需结合影像的纹理信息,从而提高溢油提取的精度,减少错分地物的数量。选用2006年渤海地区的三景同轨SAR影像作为数据基础,应用基于灰度共生矩阵的方法对其进行纹理分析。该方法可以很好地对图像区域和表面进行感知并能够从像元的灰度相关性上对纹理特征进行详细描述,因此适合于SAR影像的海洋溢油检测。在纹理分析的过程中有很多的参数需要选择,参数选择的好坏将直接影响最终提取结果的精度。通过对纹理分析过程中的参数进行讨论、实验、选择与验证,最终确定了基于灰度共生矩阵纹理分析中各参数的值,并选择了局部平稳、非相似性、对比度、变化量4个特征量作为溢油提取的纹理特征统计量。将纹理特征与SAR自身的后向散射系数相结合,通过神经网络分类法对其进行分类,并计算出分类精度为80.65%,分类效果良好。由此说明了将影像的传统信息与纹理信息相结合进行溢油提取是一种可行而有效的方法,同时也为后续的海洋溢油检测工作奠定了一定的基础。     

应用极化合成孔径雷达检测海上溢油研究进展

海上溢油给海洋生态环境带来严重的影响,快速准确地探测溢油对于防灾减灾具有重要的意义。利用卫星遥感探测溢油已成为目前主要的检测手段,大多采用合成孔径雷达(SAR)数据,运用图像处理的方法,开展了多种溢油提取算法的研究,取得了较好的结果,但由于海洋的类溢油现象存在,造成提取信息的精度达不到要求。近年来,国内外运用极化SAR数据开展溢油信息提取研究,从极化分解与相位差等角度对溢油特性分析,能有效地区分一些类溢油现象,得到了较理想的结果。分析了应用SAR数据开展溢油信息提取的研究状况,总结了溢油极化SAR探测的研究,指出了目前研究中存在的不足,并提出了今后溢油极化SAR遥感监测的方向。     

基于DRLSE模型的SAR溢油提取方法

为提高海上溢油轮廓SAR提取精度,验证了FCM(Fuzzy C-Means Algorithm)与DRLSE(Distance Regularized Level Set Evolution)模型结合的方法提取SAR溢油信息的有效性;鉴于其无法避免细小噪音的影响以及薄油膜提取效果不好的问题,提出了阈值和DRLSE模型结合的溢油信息提取方法,通过阈值构建溢油区域初始轮廓,克服了图像细小噪声对溢油提取的影响,更有利于提取薄油膜信息,溢油提取精度优于H/A/alpha-Wishart非监督分类方法和FCM与DRLSE模型结合的方法。     

基于SAR卫星遥感的溢油自动识别和预警业务化系统研发与应用

基于SAR卫星遥感技术,研发了海上溢油自动识别和预警业务化系统。系统基于SAR影像自适应阈值分割和分类器增强算法实现了油膜自动识别,并将溢油遥感识别与漂移预测预警有效结合,一方面提高了溢油监测效率和溢油识别准确率,另一方面同时提供溢油识别-预测-预警一体化信息,可为业务化监测系统的运行提供有利支撑。     

海上溢油SAR遥感监测及溢油漂移快速数值预报技术研究

为探讨海上溢油遥感监测与溢油漂移数值模拟技术的联合应用,采用凝聚层次聚类算法从SAR遥感影像中识别油膜,采用基于风、浪、流耦合三维水动力模型研发的中国近海溢油漂移快速预报模型,将遥感识别结果作为溢油漂移数值预报模式的初始输入,预测油膜的漂移,然后将溢油漂移预测油膜与下一时相SAR遥感识别油膜进行比对,发现二者吻合较好,表明SAR遥感监测技术与数值模拟技术结合应用,可优势互补,同时获取海面油膜位置、面积和动态漂移信息。     

光谱信息与纹理特征结合的GF-1海上溢油检测研究

围绕溢油光学探测工作中油膜信息提取精度低等主要问题,本文利用10景GF-1 WFI数据,发展了一种以光谱信息与多种纹理特征相结合的油膜检测方法。该方法不仅充分考虑了不同光谱组合对油膜与海水的区分能力,并且在纹理特征选择中尝试并确定了灰度共生矩阵的窗口大小、方向、位移量和灰度量化级四个参数,结合不同情况的油膜选择了合适的纹理特征;最后,将选取的若干纹理特征量与最优光谱组合构成多波段数据,应用在4种监督学习分类器中,评价分析了油膜检测的准确性,最终确定支持向量机为最优分类器,这一结论将为今后的海上溢油监测工作提供参考。     

海洋溢油合成孔径雷达图像特征提取及其关键度分析

就SAR图像溢油检测的方法论而言,用于识别溢油和疑似现象的定性或定量的统计特征量选择,通常是任意的。对于不同的分类模型,所选用的特征量也不尽相同。主要是进行海洋SAR图像特征提取及其关键度分析。其目的是将"最小距离"判别法应用于海上溢油和疑似溢油的识别研究。首先,针对海洋SAR图像溢油检测常用的特征量,进行冗余处理;然后,引入关键系数,定量地研究特征量的关键度,提取显著特征量;藉以构造一个多维的特征矢量空间,以适于最小距离判别法在特征矢量空间中进行溢油和疑似溢油的识别研究。     

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.     

雷达波段对多极化SAR海面溢油检测极化特征参数的影响

多极化SAR数据海面溢油检测研究日益受到重视。本文研究不同波段极化SAR数据的海面溢油检测能力,为最大程度减小观测条件、环境因素等的影响,选取准同步获取的SIR-C/X多极化SAR数据。针对海面油膜、生物油膜和低风区疑似溢油现象,研究L波段和C波段的共极化相位差、一致性系数、极化熵、各向异性和平均散射角等极化特征对海面油膜以及不同海面暗斑现象的检测能力。研究结果表明:在海面溢油检测以及探测不同暗斑现象间差异方面,C波段总体优于L波段;L波段,极化分解特征各向异性参数优于共极化相位差和一致性系数;C波段,共极化相位差、一致性系数特征优于极化分解特征各向异性和极化熵,结合平均散射角特征有助于滤除生物油膜和低风区。     

二进制粒子群支持向量机算法在SAR图像海面溢油特征选择的应用

对合成孔径雷达(synthetic Aperture Radar,SAR)图像提取得到的几何、灰度、纹理特征共66个特征量,采用封装模式算法进行特征选择,降低特征维度并提高对溢油及疑似溢油样本的识别率。特征选择采用二进制离散粒子群优化(binary particle swarm optimization,BPSO)和支持向量机(support vector machine method,SVM)的封装模式算法(BPSO-SVM)进行,该方法在特征选择的同时可对支持向量机模型中的参数进行优化。论文采用BPSO-SVM算法和序列前向搜索(sequential forward selection,SFS)算法、序列后向搜索(sequential backward selection,SBS)算法与SVM算法相结合特征优化算法(SFS-SVM和SBS-SVM算法)进行实验。并将BPSO-SVM算法、SFS-SVM算法、SBS-SVM算法和直接使用SVM算法的分类识别结果进行比较。实验结果表明,BPSO-SVM算法在SAR图像上溢油特征量筛选与识别效率方面行之有效。     

基于极化参数的SVM海上溢油识别

溢油对海洋环境造成的危害越来越大,及早发现对于减灾防灾具有重要意义。目前,运用极化SAR进行溢油探测已成为遥感监测的一个重要方面,本文基于SIR-C数据,开展极化SAR的溢油监测,提取极化参数熵H,散射角α和反熵A,运用SVM监督分类方法,进行溢油信息提取。结果表明,基于SVM的分类精度要强于基于H-α分类的分类结果。