共查询到16条相似文献，搜索用时 109 毫秒
1.
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
2.
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
3.
随着海上交通运输业业务需求的不断增加，传统的目标检测方法已无法满足实际需求。由于卫星遥感技术的快速发展，基于合成孔径雷达（Synthetic Aperture Radar,SAR）图像舰船目标自动识别具有显著的应用潜力。近年来，深度学习技术在目标检测领域逐渐显现出优势，特别是YOLO (You Only Look Once)模型以其较高的精度和计算效率，为SAR舰船目标的识别提供了一种新的方法。为对比不同的YOLO模型在舰船目标识别领域的性能及其相比于两阶段深度学习算法的优势，本文首先对YOLO系列的结构进行了归纳总结；其次对当前广泛使用的数据集进行了对比分析，并基于SAR图像数据集（SAR Ship Detection Dataset,SSDD）的样本进行重新标注构建出本文的数据集；然后将YOLO系列模型与两阶段目标检测方法——更快速的区域卷积神经网络（Faster Region-based Convolutional Neural Network,Faster R-CNN）在SAR舰船目标检测的精度和速度两方面进行对比实验；最后在YOLOv5模型的基础上对主干网络（Backbone... 相似文献
4.
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
5.
基于纹理分析和人工神经网络的SAR图像中海面溢油识别方法 总被引：2，自引：0，他引：2
基于纹理分析和人工神经网络建立了用于区别SAR图像中溢油现象和疑似溢油现象的模型.引入图像处理中的纹理分析作为识别溢油现象的特征参量,并利用方差分析对计算的31个特征参量进行筛选作为神经网络的输入.结果表明,模型能够较好的识别溢油现象,测试样本集的总体精度为0.83;纹理特征作为特征参量以及基于方差分析的特征参量筛选提高了溢油现象的识别精度. 相似文献
6.
7.
基于合成孔径雷达回波信号的海洋溢油监测方法研究 总被引：1，自引：1，他引：0
海洋油污染是各类海洋污染中最常见、分布面积最广且危害程度最大的污染之一。近年来,海洋特别是近海人类活动频繁,且随着海上运输和石油加工业的发展,油田井喷、钻井平台爆炸、船舶碰撞等所造成的溢油事故增多,因而,监测海洋溢油具有重要的经济和社会现实意义。研究采用MatLAB工具,通过图像预处理(图像校正和增强)、特征提取和神经网络识别等方法,对合成孔径雷达(SAR)海洋溢油图像进行处理,最终期望实现半自动区分SAR图像上各类目标,并进行多种神经网络方法效果比较。研究首先对SAR海洋溢油图像进行初步人工识别;然后进行图像预处理(几何校正、滤波处理等)和基于灰度共生矩阵的特征值计算;最后,借助神经网络方法对溢油区域和疑似溢油区域进行分类,输出分类处理后的图像。通过输出图像分析发现,神经网络能对SAR海洋溢油图像中溢油、海水、土地3类目标进行明确分类,且RBF神经网络模型精度高于BP神经网络。本文提出的半自动分类方法不仅能提高SAR图像处理效率,将分类目标扩充有溢油和非溢油扩充到溢油、海水、土地3类,提高图像处理的全面性,同时通过比较RBF和BP神经网络在SAR溢油图像分类上的具体优劣,有着较好实际意义。 相似文献
8.
溢油事件的发生会给海洋环境的保护和经济发展带来巨大的影响。运用现代化的监测手段和技术进行监测,及时发现溢油现象和违规行为,保护海洋环境是非常重要的。合成孔径雷达（SAR）技术是溢油检测的有效工具,在SAR图像中溢油表现为黑色的区域,但是黑色区域也可能会由其他的因素引起。本文提出了一种基于二维经验模态分解（BEMD）的方法来识别溢油和疑似溢油。首先通过BEMD方法将感兴趣的区域分解为局部窄带的各分量—内蕴模函数（BIMF）之和,并对分解后得到的各分量IMF进行Hilbert变换,通过Hibert谱分析得到64维的特征空间,然后使用Relief方法得到5个特征向量,最后利用马氏距离分类器进行分类。通过实验结果表明,该方法能够有效、准确地检测出溢油,准确率超过90%。 相似文献
9.
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
10.
11.
《Oceanic Engineering, IEEE Journal of》2005,30(3):496-507
In this paper, a physical approach to support oil spills observation over synthetic aperture radar (SAR) images is presented. Electromagnetic model is based on an enhanced damping model that takes into account oil viscoelastic properties and wind speed. As a matter of fact, a multisensor approach is considered and a constant false alarm rate (CFAR) filter is used to minimize speckle effect. A set of experiments is presented and discussed. They show that oil spill processing is effective over single-look SAR images using mean input data. 相似文献
12.
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
13.
14.
15.
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
16.
海上溢油极化特征及其探测研究 总被引：3，自引：3，他引：0
The SAR(Synthetic Aperture Radar) has the capabilities for all-weather day and night use. In the case of determining the effects of oil spill dumping, the oil spills areas are shown as dark spots in the SAR images.Therefore, using SAR data to detect oil spills is becoming progressively popular in operational monitoring, which is useful for oceanic environmental protection and hazard reduction. Research has been conducted on the polarization decomposition and scattering characteristics of oil spills from a scattering matrix using allpolarization of the SAR data, calculation of the polarization parameters, and utilization of the CPD(Co-polarized Phase Difference) of the oil and the sea, in order to extract the oil spill information. This method proves to be effective by combining polarization parameters with the characteristics of oil spill. The results show that when using Bragg, the oil spill backscattering machine with Enopy and a mean scatter α parameter. The oil spill can be successfully identified. However, the parameter mechanism of the oil spill remains unclear. The use of CPD can easily extract oil spill information from the ocean, and the polarization research provides a base for oil spill remote sensing detection. 相似文献