SAR图像中海上舰船目标自动检测新方法

针对中分辨率近岸海域SAR图像,结合已有的舰船检测算法,提出了一种新的海上舰船目标自动检测方法。该方法先根据相应的抽取算法和图像数据映射准则,分离图像中的海洋和陆地区域,并结合最大熵分割法提取海洋背景中包含候选目标的感兴趣区域,最后利用特征匹配方法检测出真正的舰船目标。对50多幅SAR图像进行了试验,其结果表明该方法能自动、快速、准确地检测出图像中舰船目标。     

基于模糊理论的SAR图像海上舰船检测方法研究

舰船检测是合成孔径雷达图像海洋应用的一个重要部分,针对中分辨率近岸海域SAR图像,提出了一种基于模糊理论的海上舰船检测方法。该方法先利用改进的模糊增强算法对图像进行增强处理,以改变图像灰度的分布特性,从而分离图像中海洋区域和陆地区域,并结合最大熵分割法提取海洋背景中包含候选舰船的感兴趣区域,最后,对ROI区域进行分割,提取舰船的特征,并基于模糊推理技术实现对海上舰船目标的检测。     

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。     

综合灰度与纹理特征的高分辨率星载SAR图像建筑区提取方法研究

高分辨率SAR图像的纹理特性对于图像的解译及地物分类等具有重要的意义。根据高分辨率星载SAR图像上建筑区的纹理有别于其他地物的特点,提出了一种综合利用灰度和纹理特征的高分辨率星载SAR图像建筑区提取方法。首先对SAR图像进行斑点噪声的抑制,然后利用灰度共生矩阵计算出星载SAR图像上建筑区与非建筑区的8种纹理特征统计量,根据巴氏距离进行特征选择,并通过主成分分析去除纹理特征之间的相关性,得到了最佳纹理特征分量,将所选的特征影像与原始图像进行波段组合,利用K均值聚类算法对组合后的图像进行非监督分类;最后通过对分类图像进行后处理并提取外部轮廓,提取了建筑区。以COSMO-SkyMed SAR影像为数据源进行了实验。结果表明该方法能够有效提取高分辨率星载SAR图像中的建筑区,提取效果明显优于未利用纹理特征的方法。     

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.     

SAR海上静止目标检测

海上石油平台等海上工程有可能对其附近海域造成污染。合成孔径雷达SAR(Synthetic Aperture Radar)能够检测这些海上静止目标,并且监测原油泄漏等海洋污染。同时,检测出的海上静止目标也可以为海洋SAR图像的精确定位提供控制点。在2L-IPH(Two-Looks Internal Hermitian Product)方法检测结果的基础上,结合目标形状和子孔径运动检测方法,将海上静止目标和运动的目标区分开来。通过对渤海地区EnviSat ASAR单视复数据进行实验,结果表明了该方法的有效性。     

基于纹理和BP神经网络的SAR图像分类

研究基于纹理和BP神经网络的SAR图像分类。首先用增强FROST滤波算法对SAR图像进行去噪处理。然后基于灰度共生矩阵理论提取去噪后的SAR图像多种纹理特征,并通过大量实验筛选出有效的纹理特征。最后,结合纹理特征,分别采用经典的最大似然分类法和BP神经网络分类法对SAR图像进行分类。实验结果表明：纹理信息辅助SAR图像的灰度进行分类,大大地提高了SAR图像的分类精度;基于BP神经网络的SAR图像分类精度高于最大似然分类法的分类精度。     

高分辨率SAR图像线状目标提取方法研究

本文针对高分辨率SAR影像进行城区河流、道路提取的算法研究,提出将纹理、面状和空间区域三种特征结合的方法。首先基于多尺度分析技术,结合面向对象的分割算法提取初始目标,之后使用灰度共生矩阵对目标及周边背景纹理进行差异对比分析去除误目标。与传统边缘检测方法相比,本文方法充分利用高分辨率SAR影像带来的纹理细节信息,并综合考虑目标的多种特征因素,增强了目标提取的可靠性,实用性强。     

SAR图像盐渍地分类研究

以渭干河——库车河三角洲绿洲为例,利用SAR数据,采用不同的分类方法来提取该研究区盐渍化土地覆盖信息。首先用Enhanced frost滤波算法对SAR图像进行去噪处理。然后基于灰度共生矩阵理论提取去噪后的SAR图像4种纹理特征,并在不同窗口大小下筛选出有效的纹理特征。最后结合纹理特征分别采用最大似然分类法和SVM分类法对SAR图像进行分类。研究结果表明:基于纹理特征的SVM分类方法,能够有效解决单源数据信息图像分类效果破碎问题;13×13窗口的总精度达到98.2456%,Kappa系数达到0.9763,更有利于遥感图像分类和盐渍化信息监测,是地物遥感信息提取的有效途径。     

基于深度协同稀疏编码网络的海洋浮筏SAR图像目标识别

浮筏养殖广泛存在于我国近海海域, 可见光遥感图像无法完全准确地获取养殖目标, 而基于主动成像的合成孔径雷达(Synthetic aperture radar, SAR)遥感图像能够得到养殖目标, 因此采用SAR图像进行海洋浮筏养殖目标识别. 然而, 海洋遥感SAR图像包含大量相干斑噪声, 并且SAR图像特征单一, 使得目标识别难度较大. 为解决这些问题, 提出一种深度协同稀疏编码网络(Deep collaborative sparse coding network, DCSCN)进行海洋浮筏识别. 本文方法对预处理后的图像先提取纹理特征和轮廓特征, 再进行超像素分割并将同一个超像素块特征组输入该网络进行协同表示, 最后得到有效特征并分类识别. 通过人工SAR图像和北戴河海域浮筏养殖SAR图像的实验验证所提模型的有效性. 该网络不仅具有优异的特征表示能力, 能够获得更适合分类器的特征, 而且通过近邻协同约束, 有效抑制相干斑噪声影响, 所以提高了SAR图像目标识别精度.     

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。     

GCP acquisition using simulated SAR and evaluation of GCP matching accuracy with texture features

Abstract

A method for ground control point (GCP) acquisition using a simulated synthetic aperture radar (SAR) image derived from a digital elevation model (DEM) is proposed. Also proposed is a method for the evaluation of the accuracy of GCP matching with texture features from a reference GCP chip image. Results from experiments with simulated GCP chip images as reference images and geometrically distorted GCP chip images, derived using simulated SAR images as current images, show good coincidence with GCP matching accuracy in terms of pixel distances between matched GCP points in reference and current chip images and texture features. In particular, the correlation coefficient between the angular second moment (ASM) and the matching accuracy is 0.757, followed by Ent (entropy), Horn (homoginiety), Dis (dissimilarity), Con (contrast), Var (variability coefficient) and Chi (Chi-square), for the skewed images while for the rotated images, Dis shows the highest correlation of 0.628, followed by Horn, Asm, Con, Ent, Chi and Var. Based on the proposed methods, one can easily generate GCP chips images from a DEM, and also evaluate GCP matching accuracy with texture features of simulated SAR from a GCP chip image.     

基于滤波的SAR影像去噪方法分析

根据SAR(Synthetic Aperture Radar)影像相干噪声的特点,对现在广泛应用的各种抑制噪声的滤波方法如均值滤波、Frost滤波、增强型Lee滤波、Lee滤波、中值滤波等进行分析,并提出适合本研究区影像的基于小波变换的分量滤波处理去噪方法,利用均值、标准差、平滑指数、PM值、信息熵和平均梯度等评价指标对各种滤波去噪后的影像质量进行评价,并对去噪效果进行对比分析,证明本文所采用的滤波方法对SAR影像噪声有很好的抑制作用,并且较好的保存了图像纹理信息。     

Research and Development of SAR Satellite Remote Sensing System of Ocean Oil Spills

SAR satellite remote sensing system of ocean oil spills has been developed for the operational surveillance in the offshore oil exploration areas of National Offshore Oil Corporation in China.The system is capable of SAR images processing,oil spill automatic detection using the algorithm of agglomeration hierarchy cluster and oil features extraction.The comprehensive analysis of oil detection results is also available including confidence analysis,multi-source and multi-phase data analysis as well as backtracking of oil spill sources.Oil thematic maps are output utilizing oil detection and comprehensive analysis results,which can be overlaid with electronic charts.The system can provide the technical backup and decision support for oil spill early warning and emergent measures implement.     

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。     

卫星遥感信息应用研究

近几年来,随着海洋石油运输业与航运业的迅猛发展,频繁发生的溢油事故造成了严重的环境污染、破坏着海洋生态系统。利用卫星遥感手段监视海面溢油可以达到覆盖面积大、快捷真实、同步连续的效果。通过分析溢油信息在遥感图像上的成像原理、各种卫星影像成像特点、采用遥感图像上溢油信息识别技术,卫星遥感监视海面溢油方法在多个实际溢油事故中得以成功应用。     

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。     

An object‐oriented methodology to detect oil spills

A new automated methodology for oil spill detection is presented, by which full synthetic aperture radar (SAR) high‐resolution image scenes can be processed. The methodology relies on the object‐oriented approach and profits from image segmentation techniques to detected dark formations. The detection of dark formations is based on a threshold definition that is fully adaptive to local contrast and brightness of large image segments. For the detection process, two empirical formulas are developed that also permit the classification of oil spills according to their brightness. A fuzzy classification method is used to classify dark formations as oil spills or look‐alikes. Dark formations are not isolated and features of both dark areas and sea environment are considered. Various sea environments that affect oil spill shape and boundaries are grouped in two knowledge bases, used for the classification of dark formations. The accuracy of the method for the 12 SAR images used is 99.5% for the class of oil spills, and 98.8% for that of look‐alikes. Fresh oil spills, fresh spills affected by natural phenomena, oil spills without clear stripping, small linear oil spills, oil spills with broken parts and amorphous oil spills can be successfully detected.     

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。