[发明专利]一种针对遥感大图像的海洋溢油智能检测方法

说明书

技术领域

本发明涉及遥感图像处理技术领域，特别是涉及一种针对遥感大图像的海洋溢油智能检测方法。

背景技术

随着石油资源的不断开发利用，接踵而来的海洋水体油污染问题日趋严重，在各种海洋污染中，石油污染无论在发生频率、分布广度，还是在危害程度上均居首位，已对人们的生产生活造成严重危害。因此，如何科学有效地解决海面溢油污染成为当前摆在我们面前的迫在眉睫的重大课题，而如何对海面溢油进行准确和快速的识别则是解决溢油污染的前提。

由于利用卫星遥感技术及时、准确、全面地监测海洋溢油污染，特别是利用SAR图像,由于其具备全天时全天候监测的特点，成为溢油检测的重点数据源。世界各国近几年对SAR图像进行自动溢油算法的研究也已经相继展开，如加拿大遥感中心(CCRS)、渔业和海洋部(DFO)、加拿大海岸警卫队(CCG)、国防部(DFD)和加拿大空间局(CSA)联合成功开发了RADARSAT海洋监视工作站(Ocean Monitoring Workstation，简称OMW)，包括船只检测模块、油膜检测模块、海洋波谱模块、海洋风模块和海况分析模块。法国BOOST Technologies公司开发的SARTool软件，其利用边缘检测的算法将油膜区域分割出来，并同时给出了边缘梯度等参数。MaST(Automated Maritime Surveillance Tool)软件是由英国国防研究机构DERA下属的国防研究实验室QinetiQ开发的SAR图像海洋特征检测软件系统。到目前为止，挪威、德国、俄罗斯、英国、法国、日本、巴西、印度及新加坡等国相继开展了利用SAR监测海洋溢油的研究工作，提出了多种自动油膜检测算法并获得了很好的结果。我国海洋局也开发了渤海溢油检测系统，这个系统主要采用实时接收的欧空局ENVISAT卫星和加拿大Radarsat-1卫星SAR图像资料，经过数据预处理、图像分析、溢油识别和面积量算等流程，最后形成溢油监测报告。而在遥感溢油检测方法方面， Katrine Weisteen Bjerde提出基于移动窗的自适应阈值检测的方法，首先判断窗内是否为同质区域，若这个区域的直方图呈现双峰，则对该窗口进行阈值检测。Mauro Barni和Lena Chang均提出利用灰度信息或者统计特性将图像进行预分割，之后再进行合并的方法来检测溢油。R.T.S.Araujo则利用区域生长来进行信息提取，取得一定效果。目前常用的几种方法中，自适应阈值检测的方法检测出的溢油信息不完整，倘若窗口中全是溢油信息则无法检测出。而基于分割合并的方法，其难点在于判断准则的选取，同时在合并过程中需要耗费比较多的时间，不适合对大图像的处理。而区域生长的好坏取决于种子点的选取，目前应用比较广泛的是利用直方图的峰值点作为种子点，但是SAR侧视成像的特点更使得图像一边亮一边暗，直方图无法很好的反映出局部特点，难以获得很好的检测结果。

现有的SAR溢油图像检测中，很少涉及海陆分割的处理，或者仅通过将SAR图像与已有的海岸线信息(全球海岸线概貌)进行匹配，来达到去除陆地信息的目的。海岸线是变化的，每时每刻都不相同，而潮汐的变化也使得一些小岛没有标在地图上，如果用一个固定的海岸线数据去屏蔽陆地必然会带来误差。

当前现有的基于SAR数据的溢油检测算法，对油膜的识别都是部分或者全部依靠人工解译，工作效率较低，而且虚警率较高。随着卫星SAR投入业务化运行，SAR图像数目的急剧增加，同时我国领海广阔，拥有近300万平方公里的管辖海域，海洋溢油问题严重，传统的人工解译过程已经远远不能满足实际应用的需求。同时，由于国内外的一些主要检测算法大部分都是针对整幅图像进行检测，很少考虑到SAR的侧视成像特点及图像大小，因此检测效率较低，而在针对大图像溢油检测方面，由于整幅图像的复杂性更高，这也给检测的精度带来了困难。

发明内容

本发明的目的是提供一种针对遥感大图像的海洋溢油智能检测方法，以克服目前现有技术中存在的上述不足。

本发明的目的是通过以下技术方案来实现：

一种针对遥感大图像的海洋溢油智能检测方法，包括以下步骤：

（1）遥感大图像输入和处理：

获取输入计算机的SAR图像数据并对其进行LEE与MAP Gamma 滤波处理和几何纠正；

（2）溢油疑似区AOI探测：

对步骤（1）中处理完成的图像利用Ratio边缘检测算法进行AOI检测，所述Ratio边缘检测算法如下：