基于合成孔径雷达回波信号的海洋溢油监测方法研究

摘要：

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。

关键词：合成孔径雷达、SAR、海洋溢油、图像目标分类、神经网络

分类号：TN958;X834

资助基金：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。

在线出版日期：2014-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：103-111