利用Mahalanobis距离的SAR图像溢油识别

利用合成孔径雷达（SAR）可在日夜及全天候条件下进行高分辨率溢油监测的优点,提出了一种基于特征向量的SAR图像溢油识别方法。在暗区边界确定的SAR图像中进行量算,得到特征向量,并采用Mahalanobis距离对目标物进行识别。经实验验证,选取的特征值数量合理,且对于判定是否为溢油效果明显;利用Mahalanobis距离进行判别,算法清晰,且准确率达到96%以上;与其他溢油判定方法相比,附加条件较少,且利于在计算机上编程实现。     

基于ENVISat的海洋污染性油膜雷达散射特征与扩散趋势分析

污染性海洋溢油一旦发生,快速获取油膜信息对有效控制溢油危害具有重要意义。以渤海湾一次溢油污染事件为例,利用ENVISat数据根据油膜雷达后向散射特征分析溢油的发生,并利用溢油期间的连续风场信息和连续SAR数据对比研究油膜的扩散趋势以及扩散过程中油膜尺度的变化。结果表明：污染性油膜在海上扩散的不同阶段具有不同的SAR图像特征,海上溢油雷达遥感检测分析方法与检测效果因SAR图像获取时油膜所处扩散阶段不同而有所不同,通过SAR连续观测结合辅助信息可以对污染油膜及其运动进行有效监控与预测。     

基于SAR后向散射的海上溢油检测研究

应用海面雷达后向散射系数检测海上溢油是目前海上溢油遥感监测的一个重要方向。本文以南海Envisat-ASAR数据为例,在分析SAR数据的基础上,应用Envisat-ASAR绝对定标计算方法,计算后向散射系数,研究应用SAR进行海上溢油遥感监测的散射特性,计算目标与海面边界后向散射系数梯度均值0σ与目标与海面后向散射系数均值差Δμ,并以两者结合作为区分海面油膜与自然现象的解译标志,从而为溢油识别提供依据。     

SAR影像海洋表面溢油检测方法与实现

海洋是地球的重要组成部分,它为人类提供了丰富的物质和宝贵的资源,每年海洋都承受着不同程度的侵害,其中油类污染是给海洋造成巨大危害的污染之一。而油类污染又主要来源于轮船破裂漏油以及油井平台或海底输油管道爆炸等。每次事故造成的直接经济损失达几百万至上千万不等,所以对海上溢油进行监测具有重要的意义。选用Envisat的ASAR数据进行海上溢油检测,介绍并分析了SAR图像溢油检测的一般步骤及其实现方法,通过采用单一阈值分割法、最大熵分割法和非监督分类法对影像进行目标检测,从而粗略地将影像区分为前景区域与背景区域,并结合影像的纹理特征进行分类。在纹理特征选取过程中,通过人工选取部分溢油区与非溢油区作为感兴趣区,在感兴趣区上分别统计SAR影像常用的纹理特征,并结合不同目标检测的结果以及原始影像进行基于BP神经网络的分类,得到了良好的效果。最后展望了SAR图像海洋溢油检测的发展方向。     

海洋SAR图像分割及边缘梯度特征的提取

为提高合成孔径雷达(SAR)海洋溢油图像的分割效果,得到海洋表面溢油的准确信息,提出一种改进的迭代算法,能更为有效地选取阈值,尤其适用于暗斑区域与背景灰度值差异悬殊的情况.对海洋SAR图像进行预处理,并且对处理后的SAR样本图像进行边缘分割,在此过程中通过优化迭代算法得到一种新的选取阈值的方法,运用此方法成功将暗斑区域与海洋背景分离;使用5*5窗口提取样本图像的边缘梯度特征量,对梯度均值与方差进行分析、理解达到识别SAR图像中的溢油区域的目的.将仿真结果与传统分割结果进行了比较,比较结果表明了该方法在选取阈值进行图像分割方面要优于其它算法.     

面向土地利用类型识别的高分辨率SAR数据复合技术研究

2007年以来,相继发射了3颗1m/3m高分辨率SAR卫星,极大地丰富了土地利用动态遥感监测数据源。SAR图像增强是土地利用动态遥感监测必要的预处理步骤。本文针对直接基于SAR数据进行土地利用类型识别中存在的问题,提出了SAR与光学图像、多时相SAR图像、多极化SAR图像合成和单极化SAR图像彩色合成等4种影像复合方法,分析评价了SAR与光学图像融合的应用效果,研究结果可为高分辨率极化SAR数据业务化应用提供技术参考。     

基于多通道分类合成的SAR图像分类研究

SAR具有全天时、全天候工作能力,且能够提供高分辨率图像数据。SAR图像分类是SAR图像处理的关键步骤。目前,SAR图像分类多是基于单通道图像数据。多通道SAR数据极大地丰富了地物目标信息量,利用多通道数据进行分类,是SAR图像分类的重要发展方向。本文提出基于多通道分类合成的SAR图像分类算法。该算法首先利用SVM对不同通道的数据分别进行分类,然后利用粒度合成理论对不同的分类结果进行合并,最后实现多通道SAR数据图像分类。本文重点论述了利用该方法进行SAR图像分类的基本流程和步骤。最后,结合实验结果,证明了该算法的可行性和有效性。     

海洋监视监测SAR卫星任务初步分析

以海浪、船舶、溢油、内波和海冰等海洋现象为主要的观测目标,海洋监视监测卫星利用多极化SAR的高分辨率模式进行精细成像,识别目标细节特征,利用宽观测带扫描模式进行快速覆盖观测,获取全球海洋遥感信息。针对各观测目标要素,借鉴ERS和RADARSAT-1的观测结果,结合理论分析与仿真,初步分析了海洋监视监测SAR卫星轨道参数和有效载荷工作模式等卫星任务。     

改进AlexNet的高分三号全极化海岛地物分类

针对经典卷积神经网络难以有效分类全极化SAR数据中复杂的海岛地物的问题,为满足日益精细化的监测需求、充分发挥SAR在海岛监测中的作用,文章对经典的AlexNet改进,提出了一种应用于全极化SAR数据海岛地物分类的卷积神经网络模型。该模型是在AlexNet基础上调整卷积核大小及全连接层,减少参数,加入池化层,降低维度,减少计算复杂度。利用高分三号卫星对南日岛进行观测获取的全极化SAR图像进行实验和分析,表明该方法能够对全极化SAR图像中海岛的多类地物进行有效区分,与AlexNet的分类结果相比,精度提升5.56%。     

基于FFT平移与相关分析的多尺度星载SAR自动配准

SAR图像配准是SAR图像应用,尤其是时间序列SAR图像应用的重要处理步骤之一。为实现重复星载SAR图像的快速、自动配准,通过将小波多尺度变换与快速傅立叶频谱变换相结合,实现了对星载SAR图像间初始偏移的快速估计,并在此基础上利用基于窗口的相关分析,实现了SAR图像的精确配准。选用星载ALOS-PALSAR和Radarsat-2影像作为试验数据,对提出的方法进行了实验分析。实验结果表明:该方法在无需任何先验知识的情况下,可以全自动完成重复轨道星载SAR数据的快速配准,且精度满足SAR干涉处理等时间序列SAR应用处理的需求,具有较强的鲁棒性。     

SAR图像海洋表面油膜检测方法

海洋表面油膜对海洋环境影响极大,因此,及时获取海面油膜信息对保护海洋具有重要意义。目前各国采用的油膜检测方法主要有直接探测法和遥感方法。其中,遥感方法中的合成孔径雷达(SAR)是目前研究的热点。总结了SAR图像应用于海面油膜检测的主要特点,介绍并分析比较了SAR图像油膜检测的一般步骤及其实现方法。最后提出了SAR图像海洋表面油膜检测的发展方向。     

SAR图像海洋表面油膜检测方法

海洋表面油膜对海洋环境影响极大,因此,及时获取海面油膜信息对保护海洋具有重要意义。目前各国采用的油膜检测方法主要有直接探测法和遥感方法。其中,遥感方法中的合成孔径雷达(SAR)是目前研究的热点。总结了SAR图像应用于海面油膜检测的主要特点,介绍并分析比较了SAR图像油膜检测的一般步骤及其实现方法。最后提出了SAR图像海洋表面油膜检测的发展方向。     

基于微波辐射计的海面溢油监测研究

控制海面溢油对于保护环境和减少经济损失是非常重要的,监测海面溢油是遥感技术的一个重要应用方面。利用美国对地观测系统卫星EOS的AMSR\|E微波辐射计探测资料,结合阈值梯度算法和基于R-L分数阶微分梯度算子边缘提取算法,提出了基于微波辐射计的海面溢油监测算法,并以2010年发生在墨西哥湾的漏油事件为例,进行了溢油范围反演研究,得到了较好的实验验证结果。     

基于CFAR海上溢油检测研究

在SAR图像处理的基础上,提出一种新的基于恒虚警率( CFAR-Constant False Alarm Rate) 技术,确定SAR 图像中检测溢油整体阈值的方法。该方法采用高斯分布(正态分布) 作为SAR 图像灰度的概率密度函数,由CFAR 技术直接导出用于检测海上溢油整体阈值的计算公式,进行虚警去除。该算法避免了复杂公式迭代和求解形状参数计算过程,也避免了用二分法寻找阈值的循环解算过程,提高了检测速度。使用ENVISAT图像对该算法进行检验,结果显示所提出的算法在检测精度和检测速度上都有明显的改进。     

基于NOAA18的渤海烟台海域溢油遥感研究

概述了海洋溢油监测的国内外研究现状,并指出了研究的切入点和研究意义所在。研究采用的是NOAA18的数据,由于溢油区域与非溢油区域的比热容不同,从而引起海表面的辐射发生变化,反映在卫星图片上是灰度值不同。因此利用发生溢油区域在卫星图片上的灰度值不同而呈现出深色区域,进而在卫星图片上找出疑似溢油区域,再进行人工解译,进一步确定溢油的发生区域。以烟台“金玫瑰”号溢油事故为例,综合考虑烟台海域水文因素等,分析得出溢油发生的范围。     

利用SAR图像识别海面油膜的方法介绍

利用SAR图像可以有效地识别海上油膜。通过对南海及渤海地区的80多景ASAR数据进行暗区域分析,利用海面烃类油膜雷达遥感图像监测系统(System for Oil Spill Detection 1.0,简称SOSD 1.0)提取出油膜及低风速区等暗目标的特征参数,包括油膜的后向散射系数、均一度、梯度值、面积、复杂度等。通过对这些参数进行统计分析并结合人工解译,找出规律,形成根据这些规律以及其它的经验知识来区分油膜及非油膜的过程,并结合实例进行说明。     

基于边缘检测的SAR图像自适应区域分割

受相干斑噪声影响,合成孔径雷达（Synthetic Aperture Radar,SAR）图像成像质量低,目标判读困难。针对传统方法对SAR图像分割存在噪声敏感、细节缺失、过度分割等问题,提出一种基于边缘检测的SAR图像自适应区域分割方法。首先引入双边滤波构建级联滤波器,对SAR图像进行保边抑噪;然后建立基于纹理复杂度的阈值估算模型,实现阈值自适应目标SAR图像边缘检测;最后提出基于边缘特征的自适应区域生长分割方法,较好解决了传统区域生长算法对SAR图像分割时出现的过度生长和过度分割之间的矛盾问题。该方法综合利用了SAR图像二维熵、边缘灰度信息、区域灰度信息,实现了对单极化目标SAR图像的自动分割。实验表明,相较于其他传统分割方法,该方法保边抑噪能力更强,目标细节检测更准确,较好解决了SAR图像过分割问题。     

Oil spill detection using marine SAR images

A probabilistic approach to distinguish oil spills from other similar oceanic features in marine Synthetic Aperture Radar (SAR) images has been developed and tested. The method uses statistical information obtained from previous mesurements of physical and geometrical characteristics for both oil spill and natural features. A sample image is evaluated using two different procedures to determine the probability that it is an oil spill, the results of the two procedures are then compared. The classification-algorithm performance was evaluated using a test dataset containing 80 examples that were oil spills and 43 that were natural features exhibiting characteristics similar to oil spills: more than 80% of the samples were classified correctly. The reliability of the method was then determined using a new dataset and similar results were obtained.