当前位置:文档之家› SAR图像海面溢油检测技术研究

SAR图像海面溢油检测技术研究

目录

摘要 (i)

ABSTRACT ........................................................................................................ i ii 第一章绪论 (1)

1.1 研究背景与意义 (1)

1.2 海面溢油遥感监测手段分析 (4)

1.2.1 光学遥感技术 (4)

1.2.2 微波遥感技术 (6)

1.3 SAR图像海面溢油监测研究现状 (9)

1.3.1 国外研究现状 (9)

1.3.2 国内研究现状 (13)

1.4 论文主要工作与结构安排 (14)

第二章SAR图像海面溢油检测基础 (17)

2.1 引言 (17)

2.2 SAR成像基础 (17)

2.3 SAR海面溢油检测基础 (21)

2.3.1 SAR海面溢油检测机理 (22)

2.3.2 影响SAR海面溢油检测的主要因素 (24)

2.4 SAR海面溢油图像预处理 (25)

2.4.1 辐射校正 (25)

2.4.2 几何校正 (26)

2.4.3 滤波 (27)

2.4.4 滤波实验结果与分析 (31)

2.5 本章小结 (37)

第三章SAR图像海面溢油区域分割 (38)

3.1 引言 (38)

3.2 SAR图像分割基础 (38)

3.2.1 图像分割的定义 (38)

3.2.2 基于数据驱动的阈值分割方法 (39)

3.2.3 基于模型驱动的MRF分割方法 (43)

3.2.4 分割质量评价 (52)

3.3.1算法原理 (54)

3.3.2算法流程 (56)

3.4 基于伽玛和对数正态组合的MRF海面溢油图像分割算法 (57)

3.4.1 预处理 (57)

3.4.2 分布模型 (58)

3.4.3 图像标记 (59)

3.4.4 算法流程 (60)

3.5 实验结果与分析 (61)

3.5.1 基于改进2D-Otsu分割算法的实验结果与分析 (61)

3.5.2 基于伽玛与对数正态组合的MRF分割算法的实验结果与分析 (63)

3.6 本章小结 (67)

第四章SAR图像海面溢油区域特征提取与分类 (68)

4.1 引言 (68)

4.2 常见的类油膜现象 (68)

4.2.1 低风速区 (68)

4.2.2 背风岬角 (69)

4.2.3 落潮或变干的海岸 (70)

4.3 SAR图像海面溢油特征提取与实验分析 (71)

4.3.1 几何特征 (72)

4.3.2 灰度特征 (73)

4.3.3 纹理特征 (74)

4.4 SAR图像海面溢油分类 (80)

4.4.1 典型的分类方法 (80)

4.4.2 实验结果与分析 (86)

4.5 本章小结 (90)

第五章结束语 (92)

5.1 论文主要工作与创新点 (92)

5.2 进一步工作展望 (93)

致谢 (94)

参考文献 (96)

作者在学期间取得的学术成果 (105)

表目录

表1.1 用于海洋监测的不同卫星遥感设备比较 (8)

表1.2 在轨运行和运行过的星载SAR (10)

表1.3 SAR图像海面溢油分割相关算法 (12)

表2.1 各种波段的波长和频率 (24)

表2.2 典型滤波方法基于条状油膜对比实验结果 (32)

表2.3 典型滤波方法基于面状油膜对比实验结果 (34)

表3.1 参数估计和2 检验结果 (59)

表3.2 内部均匀性度量和分割时间 (63)

表3.3 面状油膜基于不同分布模型的MRF分割数据对比 (64)

表3.4 条状油膜基于不同分布模型的MRF分割数据对比 (65)

表4.1 SAR图像海面溢油典型特征 (71)

表4.2 常见的海面溢油方式 (71)

表4.3 不同类型的海洋现象在SAR图像上的特征表现 (73)

表4.4 常用的纹理特征量 (76)

表4.5 油膜与类油膜在不同方向上的纹理特征值 (77)

表4.6 油膜与类油膜在不同窗口下的纹理特征值 (78)

表4.7 基于ERS-1 SAR数据筛选特征参量的特征值 (87)

表4.8 基于ERS-2 SAR数据筛选特征参量的特征值 (89)

图目录

图1.1 SAR图像海面溢油监测的研究意义 (3)

图1.2 典型的SAR系统 (11)

图1.3 SAR图像海面溢油检测的一般步骤 (11)

图1.4 论文组织结构 (16)

图2.1 基本SAR几何分析 (18)

图2.2 雷达探测 (18)

图2.3 星载SAR的几何球面 (19)

图2.4 SAR图像的形成 (21)

图2.5 几何精校正流程图 (26)

图2.6 相干斑噪声产生的机理 (27)

图2.7 不同散射源散射回波信号的矢量叠加 (27)

图2.8 不同滤波算法在不同窗口平滑指数的变化趋势(条状油膜) (33)

图2.9 不同滤波算法在不同窗口边缘保持系数的变化趋势(条状油膜) (33)

图2.10 不同滤波算法在不同窗口平滑指数的变化趋势(面状油膜) (34)

图2.11 不同滤波算法在不同窗口边缘保持系数的变化趋势(面状油膜) (35)

图2.12 不同窗口的Frost滤波实验结果 (36)

图3.1 SAR溢油图像二维直方图及分割示意图 (41)

图3.2 等宽条带划分的二维直方图 (42)

图3.3 单直线分割二维直方图 (43)

图3.4 不同SAR图像适用的统计分布模型 (47)

图3.5 邻域和基团的示意图 (49)

图3.6 自适应条带划分二维直方图 (55)

图3.7 水平直线分割的二维直方图 (56)

图3.8 改进2D-Otsu溢油SAR图像分割算法流程图 (56)

图3.9 各样本噪声图 (58)

图3.10 目标和背景区域的建模示图 (59)

图3.11 基于伽玛与对数正态分布组合模型的MRF分割流程图 (60)

图3.12 三种阈值分割算法对应的检测结果 (62)

图3.13 三种阈值分割算法对应的检测结果 (62)

图3.15 条状油膜基于于伽玛与对数正态分布组合的MRF分割结果 (66)

图4.1 风速对SAR图像形成的影响 (69)

图4.2 背风岬角的SAR图像 (70)

图4.3 海岸的SAR图像 (70)

图4.4 其他常见的类油膜现象 (71)

图4.5 常见的海面溢油现象示例 (72)

图4.6 油膜与类油膜在不同方向上的纹理特征值比较图 (77)

图4.7 不同窗口下油膜与类油膜纹理特征值比较 (79)

图4.8 贝叶斯分类的分类决策 (82)

图4.9 最小错误率贝叶斯分类决策边界 (83)

图4.10 三层BP神经网络示意图 (84)

图4.11 支持向量机网络示意图 (86)

图4.12 分类识别海面溢油基本流程 (86)

图4.13 中国黄海ERS-1 SAR数据 (87)

图4.14 中国南海ERS-2 SAR数据 (88)

摘要

经济社会快速发展,海洋石油资源开发和海上运输业空前繁荣。然而各种溢油事故频繁发生,例如不合理的海洋石油资源开发造成的井喷和爆炸,船舶或油轮运输过程中发生的触礁和碰撞等。这给事发国家的海域以及周边国家和地区的生态、环境、经济造成了严重的破坏和损失。此外,海面溢油监测能够为海上军事侦察以及寻找失事飞机或船只提供有力的信息支撑。如何有效监测海面溢油,及时为后续工作获取有用的海洋表面信息,是目前各国研究的热点。合成孔径雷达(S y n th e ticA p e r tu r eR a d a r,简称SAR),作为一种主动式的微波传感器,通过向目标发射电磁波并接收回波信号来获取目标信息。其不依赖太阳光及光照条件,能够克服雨天、雾天、夜晚的影响,全天时、全天候地连续获取数据,具有较强的穿透能力,是海面溢油监测重要的技术手段之一。

SAR海面溢油检测是进一步实现溢油监测的基础和关键。目前国内外溢油检测的主要手段是通过预处理实现对溢油图像的有效去噪,针对溢油区域分割解决海水与油膜分离的问题,基于溢油区域特征提取与分类确定油膜属性。然而,无论在滤波器的选择、分割算法的改进以及分类器的设计等方面,仍然处于不断的探索和发展阶段。本文在对溢油监测研究的背景和意义、发展卫星遥感技术进行海面溢油监测的必要性以及国内外研究现状和发展趋势总结、归纳的基础上,重点对上述三个方面的技术进行了研究。

预处理是海面溢油检测的基础。首先,综述了SAR成像基础及SAR海面溢油检测机理,分析了影响海面溢油检测的主要因素。其次,在SAR海面溢油图像辐射校正、几何校正基本原理分析的基础上,重点针对SAR海面溢油图像的斑点噪声滤除,分析了几种典型滤波器的特点。最后,通过实验对比分析了六种典型滤波器在三种窗口下的性能。

分割是海面溢油检测的关键。首先,分析了图像分割的基础理论,重点研究了基于数据驱动的阈值分割和基于模型驱动的MRF分割方法。其次,在分析最大熵和2D-Otsu两种典型阈值分割算法的基础上,针对分割质量不高,计算时间较长的问题,提出了一种改进的2D-Otsu算法。通过与最大熵和原2D-Otsu阈值分割算法的对比实验,定量地分析评估了该改进算法的性能,结果表明,该算法结合溢油区域的上下文信息,充分利用溢油区域对雷达入射波的后向散射较为均匀的特点,可有效改进分割质量,提高分割效率。最后,针对单独伽玛(Gamma)模型和单独对数正态(Log Normal

-)模型不能同时有效确定目标和背景的问题,提出一种伽玛(Gamma)和对数正态(Log Normal

-)模型组合的MRF分割算法。

相关主题
文本预览
相关文档 最新文档