10.3969/j.issn.0253-4193.2014.09.012
基于合成孔径雷达回波信号的海洋溢油监测方法研究
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 Mat-LAB 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。
合成孔径雷达、SAR、海洋溢油、图像目标分类、神经网络
TN958;X834
海洋赤潮灾害立体监测技术与应用国家海洋局重点实验室开放基金MATHAB201306;上海交大海洋工程国家重点实验室青年创新基金GKZD010059-29。
2014-09-23(万方平台首次上网日期,不代表论文的发表时间)
共9页
103-111