面向对象的SAR溢油检测算法与系统构建-物理海洋学专业毕业论文.docxVIP

I I 面向对象的 SAR 溢油检测算法与系统构建 摘 要 海上溢油事频发，这已受到人们的高度关注。然而，传统的监测手段难以满 足大面积、实时监测的要求。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，已经被众多专家认为是最适合探测海面溢油的 遥感器。 在 SAR 影像中常常出现“类油膜”现象，如何有效区分油膜和类油膜，对 提升溢油检测具有重要意义。本文利用 Envisat ASAR 影像，对 2010 年美国墨西 哥湾溢油进行了特征分析。找出 145 个油膜和 134 个类油膜样本，综合分析了其 形状特征、物理特征和纹理特征。经过分析，发现几何特征和物理特征比纹理特 征更适合溢油和类油膜的区分。 SAR 影像中存在斑点噪声，因此，相比于基于像素的图像处理方法，面向 对象（或基于对象）的方法可以收到更为满意的效果。本文发展了一种基于凝聚 层次聚类的溢油 SAR 图像分割算法。该算法可以有效保持 SAR 影像中暗斑的形 状和边缘特征；另外，该算法的多尺度特性可以使其将不同尺度的暗斑精确地分 割出来，因此适用于 SAR 影像中不同尺度暗斑的分割。 利用溢油和类油膜特征分析的结果，本文建立了一种基于模糊逻辑（Fuzzy Logic，FL）的溢油检测算法。该算法利用模糊数学的优势，有效区分 SAR 影像 中的溢油和类油膜；该算法还可以给出暗斑被分为溢油的概率。经过三景 SAR 影像的溢油检测实验，本文算法能够得到令人满意的效果。 结合本文发展的 SAR 溢油检测算法，本文还构建了一套 SAR 溢油检测软件 系统。该系统共包含三个模块：1）基本功能，2）溢油检测，3）综合分析。利 用 2010 年 Envisat ASAR 墨西哥湾溢油数据，测试了该软件系统的业务化运行能 力。 关键字：SAR；特征提取；图像分割；溢油检测 II II ABSTRACT Sea oil spill accidents take place frequently, which raises wide public concern. However, traditional monitering approaches can hardly meet the requirement of large coverage and real-time surveilance. Space-borne Synthetic Aperture Radar (SAR) can work all-weather and day and night, so it has been considered to be the most appropriate sea oil spill monitering sensor. Lookalike phenomena often appear in SAR images. How to differentiate lookalike from real oil spill is of great importance to increasing oil spill detection accuracy. In this dissertation, Envisat ASAR images, capturing the Gulf of Mexico oil spill accident in 2010, have been used to carry out oil spill feature analysis. 145 oil spill and 134 lookalike samples are derived from the data set, and their geometric, physical and texture features are analysed. The analitical result indicates that geometric and physical features outperform texture ones in terms of discrimiating lookalike from oil spill. SAR images are speckled, thus, object-basd (or object-oriented) image processing methods tend to have better performance than pixel-based ones do. An oil spill SAR image segmentation algorithm based on Hierarch