排序方式: 共有6条查询结果,搜索用时 125 毫秒
1
1.
海上溢油事件发生后需要及时判断溢油种类,为溢油事故处置提供及时有效的应对措施。本文利用BRDF多角度测量装置和可见光偏振相机对不同油种和清洁海水进行观测,基于可见光偏振特征筛选出最佳观测Stokes参量和对应观测几何,构建了清洁海水和不同油种数据集,并建立了基于BRDF偏振特征的DBN溢油油种识别模型。研究发现,在实验室可控条件下,相对方位角–60°、0°、–30°组合时油种识别效果较好,光源天顶角和相机观测角二者在接近±50°时识别效果较好;多次重复实验显示,海水、原油、重油、汽油、柴油、棕榈油的最优识别率分别为90%、86.27%、84%、80.44%、82.08%和82%;基于可见光偏振特征所建立的油种识别模型,对于海面溢油种类区分具有较好的效果。 相似文献
2.
3.
海面发生大面积溢油事故时,由于太阳耀斑区的存在,海面的油膜在遥感影像上会发生明暗的变化。这对溢油的检测会产生严重的干扰。如何在海面太阳耀斑区准确地检测出溢油是目前溢油检测的难题。针对这一问题,本文利用Landsat7 ETM+多光谱影像数据,开展了基于卷积神经网络(CNN)的海面太阳耀斑区溢油检测方法研究。通过设置对照实验,对比支持向量机、最大似然、随机森林等分类方法,我们发现在相同实验条件下CNN模型的分类精度为95%~99%, Kappa系数为0.92~1,均高于其他三种分类方法,表明了CNN模型在海面太阳耀斑区溢油的检测具有更高的精度与一致性。 相似文献
4.
5.
赤潮是严重的海洋灾害,有效监测赤潮对于保护海洋生态环境具有重要意义。高光谱遥感具有光谱分辨率高、图谱合一等优势,适合于海洋赤潮监测。深度学习是机器学习领域的前沿,为高光谱遥感分类提供了新的思路。深度置信网络(Deep Belief Network,DBN)兼具监督分类与非监督分类的特点,通过构建DBN模型,将DBN应用于赤潮灾害遥感监测中,应用渤海机载高光谱遥感数据开展赤潮分类,以达到提取高光谱图像中赤潮水体范围的目的。通过设置对照实验,对比经典的SVM监督分类方法与ISODATA非监督分类方法,发现DBN模型在相同实验条件下具有更高的分类精度,赤潮遥感提取精度提高了3%~11%。 相似文献
6.
海面溢油事故发生后需要进行精准的溢油检测,从而为溢油事故现场应急响应与海面污染的快速有效处理提供支持。利用哨兵二号(Sentinel-2)多光谱遥感影像,基于最佳指数因子(OIF)构建光谱特征指数提取海面溢油光谱特征,基于灰度共生矩阵(GLCM)提取海面溢油纹理特征,利用巴氏距离法进行特征选择,构建海面溢油空谱特征数据集。提出了多核决策融合支持向量机(SVM)海面原油检测模型,对黄海4.27“交响乐号”油轮溢油事故开展检测研究。实验结果表明,在复杂水色背景下,经过筛选的最佳空谱特征数据集检测结果的总体精度可以达到89.25%,Kappa系数为0.854,F1分数可达0.889;多核SVM决策融合后的总体精度可以达到90.26%,Kappa系数为0.866,F1可达0.898,总体精度较单核提高了1.0%~8.2%,Kappa系数提高了0.013~0.122,F1分数提高了0.009~0.097。实验结果表明,海面溢油检测模型具有较高的溢油检测精度和模型鲁棒性,适用于海面溢油检测研究。 相似文献
1