基于SAR的海上溢油监测最佳探测参数分析

基于SAR数据,在后向散射系数计算的基础上,从波段、极化方式、入射角等方面开展了海上溢油监测参数分析,结果表明:基于SAR的海上溢油监测,从波段分析,X波段与C波段较L波段更适合监测海上溢油;从极化方式分析,VV极化较HH,HV极化更适合监测海上溢油;从入射角分析,在计算溢油与海水临界值时,经多次实验,位于远入射角的疑...     

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。     

星载SAR监测海洋溢油污染的初步研究

对星载SAR监测海洋溢油的基本原理进行总结并分析了影响溢油监测的SAR参数及干扰SAR海洋溢油监测的各种因素;对搜集到的星载SAR数据进行处理,并给出中国黄海海域的海上溢油分布的初步统计分析,结果表明该海区的溢油主要分布在海上主要航线附近。     

海上溢油极化特征及其探测研究

The SAR(Synthetic Aperture Radar) has the capabilities for all-weather day and night use. In the case of determining the effects of oil spill dumping, the oil spills areas are shown as dark spots in the SAR images.Therefore, using SAR data to detect oil spills is becoming progressively popular in operational monitoring, which is useful for oceanic environmental protection and hazard reduction. Research has been conducted on the polarization decomposition and scattering characteristics of oil spills from a scattering matrix using allpolarization of the SAR data, calculation of the polarization parameters, and utilization of the CPD(Co-polarized Phase Difference) of the oil and the sea, in order to extract the oil spill information. This method proves to be effective by combining polarization parameters with the characteristics of oil spill. The results show that when using Bragg, the oil spill backscattering machine with Enopy and a mean scatter α parameter. The oil spill can be successfully identified. However, the parameter mechanism of the oil spill remains unclear. The use of CPD can easily extract oil spill information from the ocean, and the polarization research provides a base for oil spill remote sensing detection.     

全极化SAR图像中溢油极化特征研究

相比于单极化SAR图像,全极化SAR图像不仅能体现海面目标的几何特征、后向散射特征,还能体现目标的极化特征。因此,在溢油检测方面,极化SAR更具优势。特征提取作为溢油检测的关键步骤,直接影响到溢油检测的精度。在本文中,我们分析了全极化SAR图像中海面溢油的极化特征,如极化散射熵、平均散射角等。并提出了新的极化特征P,该特征参数能够反映海面目标电磁散射过程中布拉格散射机制和镜面散射机制的比例。为了研究极化特征溢油检测的能力,本文基于SIR-C/X-SAR和Radarsat-2全极化SAR图像开展了相关实验,并对比分析了溢油的多种极化特征。实验结果显示,在中低风速情况下,C波段溢油探测效果优于L波段;本文提出的极化特征P对海面散射机制敏感;基准高度和特征参数P在C波段比其他极化特征更适于溢油检测。     

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。     

机载小型SAR研发与海洋溢油监测试验研究

基于海上溢油监测需求,自主研发了小型合成孔径雷达(SAR),并基于机载平台开展海上监测试验,进行应用测试。研发的小型SAR工作在C波段,极化方式为VV,质量24kg,可搭载于有人或无人飞行器,对较大面积海域进行实时连续成像,在获取设定分辨率的SAR实时影像的同时,完整记录原始回波信息,可进一步地面处理生成精细影像。2015年8—9月在山东烟台威海近海海域开展了机载小型SAR海洋监测试验,获取了海上目标包括平台、船只、浮筏和海上疑似油膜现象的SAR影像,成像良好。海上试验研究表明,小型SAR可以提供高质量的海面SAR影像数据,为海面目标及油膜的实时监测提供有利支持。     

基于星载SAR的海上溢油检测研究进展

基于大量有关星载SAR溢油检测研究和溢油微波散射特性研究文献的梳理和总结,回顾了星载SAR传感器的发展历程和海上溢油检测技术原理,重点总结了目前国内外基于单极化SAR数据、全极化SAR数据对溢油信息提取研究的进展,概述了溢油水面微波散射特性研究对SAR溢油检测研究的重要辅助作用及当前的研究成果,分别讨论了目前星载SAR溢油检测和溢油微波散射特性研究中存在的不足,并针对今后需解决的关键技术及发展方向进行简要分析。     

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。     

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。     

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。     

A study of oil spill detection using ASAR images

The oil spilled worldwide causes ecological disasters that result in enormous damages to the quality of marine environment, and great expenses on clear-up operations are needed. Due to its wide coverage and day-night all-weather observation capability, Synthetic Aperture Radar (SAR) is an important tool for oil spill monitoring and detection. C-band SAR is well adapted to detect oil pollution because oil slicks dampen the Bragg waves and reduce radar backscattering coefficients. In order to detect the area of oil slicks, the algorithm consists of these steps:Preprocessing, Masking of land areas, Detection of dark spots, Spot feature extraction, Dark spot classification. In this paper, the authors examined two coastal regions around Hong Kong and Yantai, China. The obtained results performed on Envisat ASAR images have demonstrated that it is efficient to detect oil spill around the coastal regions. The methodology still needs to be refined with the collection of more SAR data in the near future.     

基于合成孔径雷达回波信号的海洋溢油监测方法研究

海洋油污染是各类海洋污染中最常见、分布面积最广且危害程度最大的污染之一。近年来,海洋特别是近海人类活动频繁,且随着海上运输和石油加工业的发展,油田井喷、钻井平台爆炸、船舶碰撞等所造成的溢油事故增多,因而,监测海洋溢油具有重要的经济和社会现实意义。研究采用MatLAB工具,通过图像预处理(图像校正和增强)、特征提取和神经网络识别等方法,对合成孔径雷达(SAR)海洋溢油图像进行处理,最终期望实现半自动区分SAR图像上各类目标,并进行多种神经网络方法效果比较。研究首先对SAR海洋溢油图像进行初步人工识别;然后进行图像预处理(几何校正、滤波处理等)和基于灰度共生矩阵的特征值计算;最后,借助神经网络方法对溢油区域和疑似溢油区域进行分类,输出分类处理后的图像。通过输出图像分析发现,神经网络能对SAR海洋溢油图像中溢油、海水、土地3类目标进行明确分类,且RBF神经网络模型精度高于BP神经网络。本文提出的半自动分类方法不仅能提高SAR图像处理效率,将分类目标扩充有溢油和非溢油扩充到溢油、海水、土地3类,提高图像处理的全面性,同时通过比较RBF和BP神经网络在SAR溢油图像分类上的具体优劣,有着较好实际意义。