共查询到16条相似文献，搜索用时 129 毫秒
1.
海面溢油事故发生后需要进行精准的溢油检测,从而为溢油事故现场应急响应与海面污染的快速有效处理提供支持。利用哨兵二号(Sentinel-2)多光谱遥感影像,基于最佳指数因子(OIF)构建光谱特征指数提取海面溢油光谱特征,基于灰度共生矩阵(GLCM)提取海面溢油纹理特征,利用巴氏距离法进行特征选择,构建海面溢油空谱特征数据集。提出了多核决策融合支持向量机(SVM)海面原油检测模型,对黄海4.27“交响乐号”油轮溢油事故开展检测研究。实验结果表明,在复杂水色背景下,经过筛选的最佳空谱特征数据集检测结果的总体精度可以达到89.25%,Kappa系数为0.854,F1分数可达0.889;多核SVM决策融合后的总体精度可以达到90.26%,Kappa系数为0.866,F1可达0.898,总体精度较单核提高了1.0%~8.2%,Kappa系数提高了0.013~0.122,F1分数提高了0.009~0.097。实验结果表明,海面溢油检测模型具有较高的溢油检测精度和模型鲁棒性,适用于海面溢油检测研究。 相似文献
2.
针对海洋表面SAR影像的特点，采用基于灰度共生矩阵的纹理特征方法是提取海面溢油信息的常用方法，但实际海洋表面复杂的信息使得SAR图像上产生类似溢油现象的暗斑区域，这导致在利用纹理特征方法提取溢油信息时存在虚警率，降低了溢油信息的提取精度。基于RADARSAT-2 SAR四极化影像，本文提出基于SAR极化比影像的纹理特征识别方法对海面油膜进行识别提取。结果显示，基于SAR极化比影像的纹理特征识别方法可以有效且准确地提取海面溢油信息，相比于VV极化影像的纹理特征识别方法，溢油监测过程中的虚警率降低了17.96%，溢油监测总体精度达到96.83%。 相似文献
3.
针对单纯依靠光谱特征油膜提取精度低、雷达影像油膜提取易受海况条件及假目标影响的问题,提出了一种结合光
谱特征与纹理特征的多光谱遥感影像油膜信息提取方法。以2011 年6 月蓬莱19-3 油田溢油事故为研究对象,选用HJ-1 星
CCD 遥感数据,利用灰度共生矩阵获取影像纹理特征,采用SVM 模型对结合纹理特征与光谱特征的影像进行分类,提取出
研究区油膜信息,并将分类提取结果与仅依靠光谱特征的SVM 模型分类结果进行了比较。结果表明：引入纹理特征的SVM
模型分类总精度达到90.29 %,比仅依靠光谱特征的分类精度提高了12.41 %;纹理特征的参与降低了原影像噪声对分类结果
的影响,油膜边缘提取更加清晰,油膜中心呈连续面状分布,引入纹理特征的SVM 模型可有效地用于多光谱遥感影像海面
油膜信息提取。 相似文献
4.
高光谱数据波段多、数据量大,波段间存在信息冗余,影响了赤潮高光谱遥感检测速度。又由于海面太阳耀斑的存在,导致高光谱图像耀斑区的光谱反射远大于周边水体的离水辐亮度,严重影响了赤潮高光谱遥感检测精度。文中提出了互信息子空间划分结合最大信息熵的特征波段提取方法 ME,并与MP、CE和CP 3种方法进行对比分析,采用了3种滤波方法和6个滤波窗口进行耀斑抑制,探讨耀斑对赤潮高光谱遥感检测精度的影响。结果表明:提出的ME方法不仅具有良好的保谱性质,而且在保持原有赤潮检测精度的基础上,相较于原始全波段高光谱数据减少了近一半的检测时间;7×7滤波窗口的Median滤波方法对应的赤潮检测精度最高,达到了96.25%,相比未经滤波高光谱图像的检测精度提高了6.33%。因此,基于子空间划分的特征波段提取和耀斑抑制可实现赤潮高光谱高精度快速检测。 相似文献
5.
海洋溢油事故发生后,及时准确地探测油污分布情况极为重要。无人机载多光谱探测海面油膜是高效的溢油监测手段之一,它能弥补卫星遥感的滞后性、精度低等不足,具有灵活性高、实时性强等优点。本研究研制了无人机载多光谱油污探测系统并进行了水面油膜机载探测实验,分别利用最大似然法、最小距离法以及光谱角填图法对成像结果进行分类,并将3种方法的分类结果进行精度评价,结果表明光谱角填图法总分类精度高于90%。利用该系统在小型渔港进行了海面溢油探测实验,基于光谱角填图法将原始图像进行分类。实验结果表明,该溢油探测方法是一种低成本、操作简单、分类精度高的非接触监测手段,能够满足目前海面溢油快速监控的需求,具有良好的应用前景。 相似文献
6.
7.
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。 相似文献
8.
合成孔径雷达(SAR)以其高分辨率、能不受雨云影响实施全天时全天候全方位监测,在海面溢油灾害应急监测过程中发挥着越来越重要的作用。溢油是因为海面油膜抑制了毛细波和重力波,在SAR图像上呈暗斑而被识别。然而,海面溢油的乳化过程直接影响SAR对海面溢油后向散射截面的观测精度。本研究以物理海洋学和激光原理以及海面电磁散射理论为基础,通过实验利用激光扫描仪观测海面溢油粗糙度,分别与溢油特征参数、后向散射系数建立对应关系;耦合海面溢油参数与后向散射截面的关系,利用电磁散射数值建模方法,建立海面溢油散射模型,研究海面溢油乳化过程对微波后向散射截面的影响。本项目的研究将为SAR监测海面溢油量、溢油厚度及油品分布格局提供了可能;将进一步揭示海面溢油的散射机制,提高SAR海面监测溢油的精度和能力。 相似文献
9.
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。 相似文献
10.
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-2和SIR-C全极化溢油数据模拟的简缩极化数据。结果表明,此方法对溢油的检测精度可达95.67%,对于疑似溢油的识别精度可达95.71%,证明了简缩极化SAR在溢油检测与分类中具有较好的应用前景。 相似文献
11.
Accurate detection of an oil spill is of great significance for rapid response to oil spill accidents. Multispectral images have the advantages of high spatial resolution, short revisit period, and wide imaging width, which is suitable for large-scale oil spill monitoring. However, in wide remote sensing images, the number of oil spill samples is generally far less than that of seawater samples. Moreover, the sea surface state tends to be heterogeneous over a large area, which makes the identification of oil spills more difficult because of various sea conditions and sunglint. To address this problem, we used the F-Score as a measure of the distance between forecast value and true value, proposed the Class-Balanced F loss function (CBF loss function) that comprehensively considers the precision and recall, and rebalances the loss according to the actual sample numbers of various classes. Using the CBF loss function, we constructed convolution neural networks (CBF-CNN) for oil spill detection. Based on the image acquired by the Coastal Zone Imager (CZI) of the Haiyang-1C (HY-1C) satellite in the Andaman Sea (study area 1), we carried out parameter adjustment experiments. In contrast to experiments of different loss functions, the F1-Score of the detection result of oil emulsions is 0.87, which is 0.03–0.07 higher than cross-entropy, hinge, and focal loss functions, and the F1-Score of the detection result of oil slicks is 0.94, which is 0.01–0.09 higher than those three loss functions. In comparison with the experiment of different methods, the F1-Score of CBF-CNN for the detection result of oil emulsions is 0.05–0.12 higher than that of the deep neural networks, supports vector machine and random forests models, and the F1-Score of the detection result of oil slicks is 0.15–0.22 higher than that of the three methods. To verify the applicability of the CBF-CNN model in different observation scenes, we used the image obtained by HY-1C CZI in the Karimata Strait to carry out experiments, which include two studies areas (study area 2 and study area 3). The experimental results show that the F1-Score of CBF-CNN for the detection result of oil emulsions is 0.88, which is 0.16–0.24 higher than that of other methods, and the F1-Score of the detection result of oil slicks is 0.96–0.97, which is 0.06–0.23 higher than that of other methods. Based on all the above experiments, we come to the conclusions that the CBF loss function can restrain the influence of oil spill and seawater sample imbalance on oil spill detection of CNN model thus improving the detection accuracy of oil spills, and our CBF-CNN model is suitable for the detection of oil spills in an area with weak sunglint and can be applied to different scenarios of CZI images. 相似文献
12.
全极化SAR图像中溢油极化特征研究 总被引：2，自引：1，他引：1
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。 相似文献
13.
为了提高合成孔径雷达(syntheticapertureradar,SAR)图像中海上溢油的检测精度,设计了一种图像显著性和均值偏移分割相结合的暗斑检测方法,验证了该方法在SAR溢油图像暗斑识别中的有效性,为溢油区域的准确检测奠定了基础。针对SAR溢油图像中暗斑区域在人类视觉中属于感兴趣区域的特性,利用图像显著性检测方法对整幅SAR图像进行处理生成显著性图像,然后利用均值偏移方法在SAR图像的Lab空间将图像分割成不同区域,最后在显著性图像上利用每个区域的平均显著性值与动态阈值之间的关系确定溢油图像中的暗斑区域。实验结果表明,该方法不需要人工交互,且能够有效地提取出SAR图像溢油中的暗斑区域。 相似文献
14.
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%。 相似文献
15.
Numerical modeling is an important tool to study and predict the transport of oil spills. However, the accu- racy of numerical models is not always good enough to provide reliable information for oil spill transport. It is necessary to analyze and identify major error sources for the models. A case study was conducted to analyze error sources of a three-dimensional oil spill model that was used operationally for oil spill forecast- ing in the National Marine Environmental Forecasting Center （NMEFC）, the State Oceanic Administration, China. On June 4, 2011, oil from sea bed spilled into seawater in Penglai 19-3 region, the largest offshore oil field of China, and polluted an area of thousands of square kilometers in the Bohai Sea. Satellite remote sensing images were collected to locate oil slicks. By performing a series of model sensitivity experiments with different wind and current forcings and comparing the model results with the satellite images, it was identified that the major errors of the long-term simulation for oil spill transport were from the wind fields, and the wind-induced surface currents. An inverse model was developed to estimate the temporal variabil- ity of emission intensity at the oil spill source, which revealed the importance of the accuracy in oil spill source emission time function. 相似文献
16.
Features of oil spills and look-alikes in polarimetric synthetic aperture radar(SAR)images always play an important role in oil spill detection.Many oil spill d... 相似文献