基于模糊聚类的声呐图像多区域分割

图像分割是图像识别中的主要问题,同时它又是一个经典难题;声呐图像恶劣的品质使图像的分割变得更为困难。文章将模糊聚类应用于声呐图像的多区域分割,实验证明这种方法简便而有效。     

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.     

改进的基于非高斯双参数模型的图像滤波算法

以描述小波系数分布规律的非高斯双参数模型为基础,介绍和分析了BiShrink滤波算法,指出了其存在的不足。提出的改进算法采用冗余小波变换替代正交小波变换,将子带内小波系数的局部相关性纳入滤波过程,给出了局部自适应的阈值估计策略,再通过双参数联合收缩函数达到系数收缩的目的。实验结果表明,改进算法同时兼顾了子带内小波系数之间的相关性和尺度间系数的传播特性,在有效滤除噪声的同时,较好地保持了图像的细节信息。     

基于无监督学习卷积神经网络的声呐图像分割

声呐图像分割是图像分割技术发展中的组成部分,是水下目标识别与检测的重要一环。传统方法中基于有监督分割方法的算法往往代价较大,表现出试验周期长、实时性较差、运行速率较慢等不足。并且由于声呐图像的成像质量差、分辨率不高、边缘条件不清晰、人工标注工作量大等客观因素,不易建立用于有监督模型训练的大规模数据集,使得传统分割方法越来越不适应当前实际应用的多方面要求。将基于无监督学习卷积神经网络引入到声呐图像分割任务中,分割模型通过对单帧声呐图像进行训练和测试,最后经过推理得到将阴影区和目标高亮区分割后的声呐图像,得到分割出来的水下目标。通过对实验的分割结果进行各项指标分析,证明此方法有着更好的运行效率和分割精度,并且实时性较高,综合性能优于传统方法。     

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.     

基于模糊C均值聚类的云图样本修正与云类自动识别

基于云类样本的红外-可见光二维灰度空间投影,采用模糊聚类方法调整优化云类样本特征区域,消除采样误差。针对常规模糊C均值聚类(FCM)方法在处理上述问题时表现出的局限性,提出用样本特征均值替代FCM中随机初始中心的改进办法,既避免了常规FCM方法对初始中心敏感的缺陷,又可纠正其聚类结果对云类样本特征结构的歪曲。改进后的聚类结果既消除了采样误差,又保持了云类样本的基本特征属性。基于该判据的分类结果,可较为准确地分辨出陆地、水体、低云、中云、卷云、对流云和积雨云,分割判另9结果符合客观实际。     

协同主动学习和半监督方法的海冰图像分类

海冰遥感光谱影像分类中标签样本难以获取,导致海冰分类精度难以提高,但是大量包含丰富信息的未标签样本却没有得到充分利用,针对这种情况,提出一种协同主动学习和半监督学习方法用于海冰遥感图像分类。在主动学习部分,结合最优标号和次优标号、自组织映射神经网络以及增强的聚类多样性算法来选择兼具不确定性和差异性的样本参与训练;在半监督学习部分,利用直推式支持向量机,并且融合主动学习思想从大量未标签样本中选取相对可靠且包含一定信息量的样本进行迭代训练;然后协同主动学习分类结果和半监督分类结果,通过一致性验证保证所加入伪标签样本的正确性。为了验证方法的有效性,分别采用巴芬湾地区30 m分辨率的Hyperion高光谱数据(验证数据为15 m分辨率的Landsat-8数据)和辽东湾地区15 m分辨率的Landsat-8数据(验证数据为4.77 m分辨率的Google Earth数据)进行海冰分类实验。实验结果表明,相对其他传统方法,该协同分类方法可以在只有少量标签样本的情况下,充分利用大量未标签样本中包含的信息,实现快速收敛,并获得较高的分类精度(两个实验的总体精度分别为90.003%和93.288%),适...     

基于雷达海冰图像互相关的冰漂流场测量

我国的渤海和黄海北部在每年冬季都出现不同程度的冰情,它直接影响结冰海区的石油平台、船舶以及港口等设施的正常作业,对海冰的观测与预报随着上述海区的开发利用越发显得重要,利用航海雷达连续准确地跟踪海冰漂移运动轨迹,是当今观测、调查、研究冰漂流移动规律的有效方法之一,我国的科研人员利用雷达成像技术对渤海的冰情进行了长期的雷达海冰观测、研究,在由雷达海冰图像对海冰的物理特征的识别、分类以及冰漂流场测量方面取得了一些进展[1-4]。     

基于改进CGAN的海冰SAR-to-Optical影像转换

遥感海冰监测是当前研究热点,通过条件生成对抗网络 （CGAN） 将海冰SAR影像转换成光学影像,可获得全天时全天候且形象直观的监测数据,但该方法得到的转换结果存在影像模糊、纹理弱化和颜色失真等问题。本文针对以上问题设计了改进的CGAN网络,综合当前的改进方式,新模型在网络结构上加入了空洞空间金字塔模块并设计了加入交叉特征融合模块的跳跃连接,使用结构相似性和L1范数联合损失函数。本文选取东波弗特海地区5景Sentinel-1影像和7景Sentinel-2影像开展实验,实验结果表明,改进CGAN转换的影像具有更好的视觉效果,峰值信噪比 （PSNR） 提高了 3.4 dB,结构相似性 （SSIM） 提高了 0.11,均方根误差（RMSE） 降低了13%,并且经过转换后的影像比SAR影像海冰分类结果准确度提高了7.33%。     

渤海海冰现场监测的数字图像技术及其应用

在渤海冰区油气开发中,海冰给平台结构、油气运输和施工作业带来很大影响.油气作业区海冰参数精确、连续、实时的现场监测对分析油气开发的可靠性、检验海冰数值模式、校正海冰卫星遥感数据具有重要意义.针对渤海油气作业区的海冰运动和分布特性,通过数字图像技术对海冰的厚度、运动速度和密集度三个参数的提取进行了算法开发和软件研制.在2...     

渤海海冰现场监测的数字图像技术及其应用

在渤海冰区油气开发中,海冰给平台结构、油气运输和施工作业带来很大影响。油气作业区海冰参数精确、连续、实时的现场监测对分析油气开发的可靠性、检验海冰数值模式、校正海冰卫星遥感数据具有重要意义。针对渤海油气作业区的海冰运动和分布特性,通过数字图像技术对海冰的厚度、运动速度和密集度三个参数的提取进行了算法开发和软件研制。在2009-2010年采用该海冰数字图像监测软件对渤海辽东湾JZ20-2油气作业区的海冰参数进行了全冰期的连续监测,获得了翔实可靠的海冰厚度、密集度和冰速等海冰监测资料。现场监测应用表明,该海冰数字图像监测软件具有操作性强、精确度高、可靠性好的优点。该监测技术进一步完善后可广泛应用于渤海油气作业区的海冰现场监测,成为海冰业务化现场监测的重要组成部分。     

螺旋桨对海冰切削作用的DEM-FEM耦合分析

当船舶在冰区航行时,螺旋桨会与海冰相互碰撞并导致桨叶的变形和损坏,进而影响船舶的航行安全。为研究海冰与螺旋桨的相互作用过程,采用离散元(DEM)—有限元(FEM)耦合方法构建海冰—螺旋桨切削模型。海冰和螺旋桨模型分别采用具有黏结—破碎特性的球体离散单元和8节点六面体有限单元构造。基于该DEM-FEM耦合模型讨论了不同切削深度下,螺旋桨所承受冰载荷的特点和规律;最后,研究了螺旋桨切削海冰过程中进速系数、推力系数、扭矩系数之间的对应关系,并讨论了海冰—螺旋桨相互作用过程中冰压力、Mises应力和变形的分布特点。以上研究可为寒区船舶安全航行和螺旋桨设计提供有益的参考。     

基于油气平台的海冰雷达监测图像处理及冰速测量

对海冰的运动规律进行精确、连续和长周期的实时监测有助于海冰热力学和动力学的研究,也可保障冰区生产活动的安全进行。针对辽东湾海冰的运动特点和工程需求,在JZ20-2油气平台上建立了海冰雷达监测系统。采用数字图像处理技术对海冰雷达监测图像进行了分析和软件开发,可对海冰密集度、速度和冰块面积等海冰参数进行提取。采用该海冰雷达监测系统和数字图像处理软件,在2011-2012年冬季对该海域的海冰运动规律进行了全冰期的连续监测,在此基础上重点对海冰速度的雷达图像监测结果进行了分析,讨论了海冰速度场分布以及连续48 h的变化过程。以上结果为海冰的生消运移规律研究和油气作业区的海冰管理工作提供了可靠的现场监测数据。对海冰雷达现场监测及数字图像处理中的问题及改进方法进行了讨论。     

基于高光谱遥感的渤海海冰厚度半经验模型

Sea ice thickness is one of the most important input parameters for the prevention and mitigation of sea ice disasters and the prediction of local sea environments and climates. Estimating the sea ice thickness is currently the most important issue in the study of sea ice remote sensing. With the Bohai Sea as the study area, a semiempirical model of the sea ice thickness(SEMSIT) that can be used to estimate the thickness of first-year ice based on existing water depth estimation models and hyperspectral remote sensing data according to an optical radiative transfer process in sea ice is proposed. In the model, the absorption and scattering properties of sea ice in different bands(spectral dimension information) are utilized. An integrated attenuation coefficient at the pixel level is estimated using the height of the reflectance peak at 1 088 nm. In addition, the surface reflectance of sea ice at the pixel level is estimated using the 1 550–1 750 nm band reflectance. The model is used to estimate the sea ice thickness with Hyperion images. The first validation results suggest that the proposed model and parameterization scheme can effectively reduce the estimation error associated with the sea ice thickness that is caused by temporal and spatial heterogeneities in the integrated attenuation coefficient and sea ice surface. A practical semi-empirical model and parameterization scheme that may be feasible for the sea ice thickness estimation using hyperspectral remote sensing data are potentially provided.     

海冰动力过程的改进离散元模型及在渤海的应用

海冰的断裂、重叠和堆积等离散分布特性广泛地存在于极区和副极区的不同海域,并对海冰的生消、运移过程有着重要影响。针对海冰在不同尺度下的离散分布特点,发展海冰动力过程的离散元方法有助于完善海冰数值模式,提高海冰数值模拟的计算精度。为此,本文针对海冰生消运移过程中的非连续分布和形变特性,发展了适用于海冰动力过程的改进离散元模型(MDEM)。不同于传统离散元方法,该模型将海冰离散为具有一定厚度、尺寸和密集度的圆盘单元。海冰单元设为诸多浮冰块的集合体,其在运移和相互接触碰撞过程中,依照质量守恒发生单元尺寸、密集度和厚度的相应变化。基于海冰离散性和流变性的特点,该模型采用黏弹性接触本构模型计算单元间的作用力,并依据Mohr-Coulomb准则计算海冰法向作用下的塑性变形及切向摩擦力。为验证该模型的可靠性,本文对海冰在规则水域内的运移和堆积过程进行了分析,离散元计算结果与解析值相一致;此外,对旋转风场下海冰漂移规律的模拟进一步验证了本文方法的精确性。在此基础上,对渤海辽东湾的海冰动力过程进行了48h数值分析,计算结果与卫星遥感资料和油气作业区的海冰现场监测数据吻合良好。在下一步工作中将考虑海冰离散元模拟中的热力因素影响,发展具有冻结、断裂效应的海冰离散元模型,更精确地模拟海冰动力-热力耦合作用下的生消和运移过程。     

Arctic sea ice distribution in summer based on aerial photos

1Introduction TheArcticOceanisoneoftheimportantcold sourcesontheearth,whichaffectsglobalclimateand oceancirculationseriously.Itsinteractionwithglobal climatesystemisrepresentedbyseaice,whichisthe mainfeatureonthesurfaceoftheArcticOcean(Aa- gaard,etal.,1989).Firstly,seaiceplaysapivotalrole intheheatandmassbalanceonthesurfaceoftheArc- ticOcean.Seaicenotonlyobstructstheheatexchange betweenatmosphereandocean,butalsoreflectsthe mostofthelocalsolarradiationbacktotheatmo- spherebecauseofitshighalb…     

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。