海上溢油合成孔径雷达探测研究.pdf

《海上溢油合成孔径雷达探测研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第47卷第2期2017年2月中国海洋大学学报PERl0DICALOFOCEANUNIVERSITY0FCHINA47(2)：106～115Feb．，2017海上溢油合成孔径雷达探测研究+张彦敏，徐卓，旭锋(中国海洋大学信息科学与工程学院，山东青岛266100)摘要：在合成孔径雷达(SAR)图像中区分溢油和类油现象是溢油SAR探测的关键任务。实现该任务一般可分为3步：首先是提取油膜和类油膜的特征；然后筛选出有助于油膜和类油膜分类的关键特征；最后构造有效的分类器进行模式识别以便做出准确的判别。本文基于2011年蓬莱19—3油田溢油事故期间的15景SAR图像提取了138个油膜和类油膜样本的几何特征、

2、背景特征、散射特征和纹理特征，将Fisher判别率和序列前向选择方法相结合，筛选出背景后向散射系数标准差、逆差距、能量和后向散射系数的均值四个关键特征组成的特征子集。在此基础上，为提高分类器的精度，将决策树模型CART算法与Bagging技术相结合，通过随机抽样给出多个维数相同大小的训练数据集从而建立多个决策树模型，以投票的方式对油膜和类油膜样本进行分类；最后，文中采用了五折和十折交叉验证方法对油膜和类油膜的分类结果进行评估，研究显示基于Bagging的决策树方法的油膜和类油膜分类的平均精度在85％以上，且将文中所用基于Bagging的CART决策树分类算法与经典CART决策树分类算法及神经网

3、络分类算法相比较，发现本文所用方法的分类精度较高，从而表明了该方法在溢油SAR探测方面的可行性。关键词：合成孔径雷达；特征选择；油膜分类；CART决策树；Bagging中图法分类号：TP722．6文献标志码：A文章编号：1672—5174(2017)02—106—10DOI：10．16441／j．cnki．hdxb．20160196引用格式：张彦敏，徐卓，旭锋．海上溢油合成孔径雷达探测研究I-J]．中国海洋大学学报(自然科学版)，2017，47(2)：106—115．ZHANGYan-Min，XUZhuo，XUFeng．StudyofoilspilldetectiononSARimagesEJ

4、]．PeriodicalofOceanUniversityofChina，2017，47(2)：106—115．大面积的海上溢油事故致使海洋环境受到严重污染和损害，造成众多鱼类、海鸟、藻类和海洋哺乳动物的大量死亡，对沿海生态环境和生物多样性构成严重威胁，直接影响沿海经济和社会的健康与可持续发展。遥感技术的发展为海面遥感溢油监测提供了多种手段，其中星载SAR由于具有全天时、全天候的工作能力，已成为监测海洋溢油的最为有效的手段之一。目前，国内外众多学者在SAR溢油探测方面做了大量研究[1_18I。在单极化SAR溢油探测方面，相关学者提出了诸多溢油探测方法。通常，将溢油探测分为3步：(1)暗斑检测(

5、2)特征提取(3)油膜与类油膜的分类。暗斑检测是基于图像分割技术来确定SAR图像上的暗斑目标。Solberg等[1。2]采用自适应阈值分割算法与多尺度金字塔方法相结合来分割SAR图像中的溢油目标。Fiscella等[31利用半自动检测算法检测出SAR图像上的暗斑，然后进行目视判读识别溢油。LiFang等L4]用C_V模型和水平集方法，对斑点噪声抑制后的SAR图像进行溢油检测，取得了不错的效果。在油膜与类油膜的分类方面国内外学者将模式识别引用到溢油和类油现象区分的问题中来，主要包括：贝叶斯分类器、模糊逻辑分类器、决策树、神经网络等方法。Solberg等[1。2]利用贝叶斯分类器的方法对SAR图像

6、海洋溢油和类油现象进行了分类识别，该模型具有较高的溢油识别准确率；Fiscella等[3]利用了Mahalanobis分类器对溢油和类溢油现象进行分类，也取得较好的结果。Akar等E5]基于模糊逻辑分类器开展了油膜和类油膜的分类。研究表明，在不同场景中，油膜分类精度不同，当油膜与背景对比度高时，油膜分类精度高；当油膜与背景对比度较低时，油膜分类精度较低。周慧等[6]针对威望号船只溢油等典型溢油事故期间的SAR影像，选出8个油膜和类油膜区分度高的特征，采用马氏距离分类器对海上溢油进行识别。施永春等E7]以纹理特征作为关键特征，并应用Adaboost分类器开展了油膜*基金项目：海洋公益性科研专项(

7、201505002)；国家自然科学基金项目(61501520)资助SupportedbythePublicScienceandTechnologyResearchFundsProjectsof0cean(201505002)；theNationalNaturalScienceFounda～tionofChina(61501520)收稿日期：2016—09—15；修订Et期：2016—11—20作者