[發(fā)明專利]一種基于圖像顯著性分析的SAR圖像溢油檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010534064.5
• 申請(qǐng)日: 2020-06-12
• 公開（公告）號(hào): CN111860534A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計(jì)）人: 靳熙芳;萬劍華;呂新榮;任鵬;宋彥;江偉偉;鐘山;葛磊
• 申請(qǐng)（專利權(quán)）人: 國(guó)家海洋局北海預(yù)報(bào)中心（（國(guó)家海洋局青島海洋預(yù)報(bào)臺(tái)）（國(guó)家海洋局青島海洋環(huán)境監(jiān)測(cè)中心站））;中國(guó)石油大學(xué)（華東）
• 主分類號(hào): G06K9/46
• 分類號(hào): G06K9/46;G06T5/00;G06T5/20;G06T7/00;G06T7/11;G06T7/136;G06T7/194;G06T7/90
• 代理公司: 北京德和衡律師事務(wù)所 11405
• 代理人: 樊培偉

一種無需人工交互的溢油區(qū)域檢測(cè)方法。該方案基于圖像顯著性分析和自適應(yīng)迭代閾值方法進(jìn)行SAR圖像溢油區(qū)域檢測(cè)。在該方案中，將圖像顯著性檢測(cè)方法引入到SAR溢油檢測(cè)中，然后利用自適應(yīng)迭代閾值和顯著性之間大小關(guān)系實(shí)現(xiàn)溢油區(qū)域的準(zhǔn)確提取。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理、遙感影像技術(shù)領(lǐng)域，具體的，本發(fā)明涉及一種基于圖像顯著性分析的SAR圖像溢油檢測(cè)方法。

背景技術(shù)

當(dāng)今社會(huì)，石油仍然是非常重要的資源。隨著陸地資源的日趨匱乏和人類對(duì)能源需求的迅速增長(zhǎng)，海洋石油工業(yè)和海上石油運(yùn)輸業(yè)正蓬勃發(fā)展。海上溢油就是石油在海上開采或者運(yùn)輸過程中不同程度的流失，主要包括在海上石油的勘探、開發(fā)過程中導(dǎo)致的油井原油泄漏，在近岸輸油管線或者油船裝卸貨發(fā)生的泄露，船舶因碰撞、傾覆、擱淺等事故導(dǎo)致的原油泄露，甚至是自然災(zāi)害導(dǎo)致的石油外溢等。這些事故都不同程度上污染了海洋生態(tài)環(huán)境，同時(shí)也造成了大量的經(jīng)濟(jì)損失。

為了減少溢油事故的發(fā)生，需要加強(qiáng)對(duì)海上溢油的監(jiān)測(cè)和檢測(cè)。合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)具有全天時(shí)、全天候、大范圍、高精度等優(yōu)點(diǎn)，目前已成為溢油監(jiān)測(cè)最有效的手段。在海上溢油的檢測(cè)中，溢油面積是衡量溢油事故的一個(gè)重要參數(shù)。因而在SAR海上溢油圖像中，如何準(zhǔn)確地提取出溢油區(qū)域的邊界是計(jì)算溢油面積的關(guān)鍵問題。在SAR海上溢油圖像中，通常溢油區(qū)域呈現(xiàn)深色，較周邊非溢油區(qū)域差別明顯。以此為據(jù)，則可以通過圖像處理的方法提取出溢油區(qū)域。

針對(duì)SAR圖像的溢油檢測(cè)，國(guó)內(nèi)外諸多學(xué)者進(jìn)行了大量非常有意義的研究。劉善偉等將FCM和DRLSE模型進(jìn)行結(jié)合應(yīng)用到SAR溢油提取，驗(yàn)證了方法的有效性；另外，他還對(duì)全極化SAR溢油圖像，根據(jù)溢油的統(tǒng)計(jì)特征、紋理特征和極化特征進(jìn)行分析，通過特征提取和選擇，建立了完整的溢油SAR圖譜，同時(shí)引入先驗(yàn)標(biāo)簽的多核學(xué)習(xí)方法進(jìn)行溢油的檢測(cè)和提取。

魏錸等采用單一閾值分割法、最大熵分割法和非監(jiān)督分類法對(duì)SAR溢油影像進(jìn)行目標(biāo)檢測(cè)，粗略地將影像區(qū)分為前景區(qū)域與背景區(qū)域，并通過人工選取部分溢油區(qū)與非溢油區(qū)作為感興趣區(qū)，在感興趣區(qū)上分別統(tǒng)計(jì)SAR影像常用的紋理特征，結(jié)合不同目標(biāo)檢測(cè)的結(jié)果以及原始影像進(jìn)行基于BP神經(jīng)網(wǎng)絡(luò)的分類，得到了良好的效果。

姚騏等利用SAR影像對(duì)珠江口擔(dān)桿島附近海面進(jìn)行了海洋溢油的提取實(shí)驗(yàn)，分析了人工神經(jīng)網(wǎng)絡(luò)法以及馬爾科夫鏈法在溢油監(jiān)測(cè)方面的不同適用性。段雅萍等研究了基于深度學(xué)習(xí)方法的SAR影像溢油檢測(cè)方法，實(shí)現(xiàn)了基于灰度共生矩陣和卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的溢油檢測(cè)算法。

郭越等融合灰度共生矩陣與Tamura特征，直接對(duì)SAR原始圖像進(jìn)行特征提取，然后應(yīng)用深度信念網(wǎng)絡(luò)的分類方法對(duì)油膜、類油膜以及海水這3類樣本進(jìn)行分類識(shí)別，取得了較好的識(shí)別準(zhǔn)確率。

鄭洪磊等引入極化特征和單次散射相對(duì)差異度作為溢油檢測(cè)特征參數(shù)，發(fā)展了基于極化特征和人工神經(jīng)網(wǎng)絡(luò)的溢油檢測(cè)算法。

CN201210024538.7公開一種極化SAR數(shù)據(jù)融合的海面溢油圖像分割方法。該方法首先構(gòu)造基于分割區(qū)域最大后驗(yàn)概率準(zhǔn)則的活動(dòng)輪廓能量泛函，并將分割區(qū)域的分布表示成Gibbs先驗(yàn)概率模型，然后將活動(dòng)輪廓模型嵌入到高維的水平集函數(shù)中，利用Euler-Lagrange公式得到發(fā)展方程，模型中包含CFAR邊緣檢測(cè)加權(quán)的邊界長(zhǎng)度項(xiàng)和融合數(shù)據(jù)統(tǒng)計(jì)距離項(xiàng)。

CN201110277737.4公開一種基于SAR圖像檢測(cè)海面溢油的方法和裝置。該方法包括：通過對(duì)海面的SAR圖像中的像素點(diǎn)灰度進(jìn)行閾值分割，將所述SAR圖像轉(zhuǎn)換為二值圖像；對(duì)于所述二值圖像中每個(gè)像素點(diǎn)的預(yù)定大小的鄰域，確定所述鄰域中像素值為1的像素點(diǎn)的數(shù)量和/或比例是否大于預(yù)定值；識(shí)別像素值為1的像素點(diǎn)的數(shù)量和/或比例是否大于所述預(yù)定值的鄰域；將識(shí)別出的所有鄰域所構(gòu)成的圖像的邊界作為檢測(cè)用于水平集分割的初始零水平集以檢測(cè)海面溢油。