[发明专利]一种基于图像显著性分析的SAR图像溢油检测方法

说明书

一种无需人工交互的溢油区域检测方法。该方案基于图像显著性分析和自适应迭代阈值方法进行SAR图像溢油区域检测。在该方案中，将图像显著性检测方法引入到SAR溢油检测中，然后利用自适应迭代阈值和显著性之间大小关系实现溢油区域的准确提取。

技术领域

本发明涉及图像处理、遥感影像技术领域，具体的，本发明涉及一种基于图像显著性分析的SAR图像溢油检测方法。

背景技术

当今社会，石油仍然是非常重要的资源。随着陆地资源的日趋匮乏和人类对能源需求的迅速增长，海洋石油工业和海上石油运输业正蓬勃发展。海上溢油就是石油在海上开采或者运输过程中不同程度的流失，主要包括在海上石油的勘探、开发过程中导致的油井原油泄漏，在近岸输油管线或者油船装卸货发生的泄露，船舶因碰撞、倾覆、搁浅等事故导致的原油泄露，甚至是自然灾害导致的石油外溢等。这些事故都不同程度上污染了海洋生态环境，同时也造成了大量的经济损失。

为了减少溢油事故的发生，需要加强对海上溢油的监测和检测。合成孔径雷达(Synthetic Aperture Radar，SAR)具有全天时、全天候、大范围、高精度等优点，目前已成为溢油监测最有效的手段。在海上溢油的检测中，溢油面积是衡量溢油事故的一个重要参数。因而在SAR海上溢油图像中，如何准确地提取出溢油区域的边界是计算溢油面积的关键问题。在SAR海上溢油图像中，通常溢油区域呈现深色，较周边非溢油区域差别明显。以此为据，则可以通过图像处理的方法提取出溢油区域。

针对SAR图像的溢油检测，国内外诸多学者进行了大量非常有意义的研究。刘善伟等将FCM和DRLSE模型进行结合应用到SAR溢油提取，验证了方法的有效性；另外，他还对全极化SAR溢油图像，根据溢油的统计特征、纹理特征和极化特征进行分析，通过特征提取和选择，建立了完整的溢油SAR图谱，同时引入先验标签的多核学习方法进行溢油的检测和提取。

魏铼等采用单一阈值分割法、最大熵分割法和非监督分类法对SAR溢油影像进行目标检测，粗略地将影像区分为前景区域与背景区域，并通过人工选取部分溢油区与非溢油区作为感兴趣区，在感兴趣区上分别统计SAR影像常用的纹理特征，结合不同目标检测的结果以及原始影像进行基于BP神经网络的分类，得到了良好的效果。

姚骐等利用SAR影像对珠江口担杆岛附近海面进行了海洋溢油的提取实验，分析了人工神经网络法以及马尔科夫链法在溢油监测方面的不同适用性。段雅萍等研究了基于深度学习方法的SAR影像溢油检测方法，实现了基于灰度共生矩阵和卷积神经网络相结合的溢油检测算法。

郭越等融合灰度共生矩阵与Tamura特征，直接对SAR原始图像进行特征提取，然后应用深度信念网络的分类方法对油膜、类油膜以及海水这3类样本进行分类识别，取得了较好的识别准确率。

郑洪磊等引入极化特征和单次散射相对差异度作为溢油检测特征参数，发展了基于极化特征和人工神经网络的溢油检测算法。

CN201210024538.7公开一种极化SAR数据融合的海面溢油图像分割方法。该方法首先构造基于分割区域最大后验概率准则的活动轮廓能量泛函，并将分割区域的分布表示成Gibbs先验概率模型，然后将活动轮廓模型嵌入到高维的水平集函数中，利用Euler-Lagrange公式得到发展方程，模型中包含CFAR边缘检测加权的边界长度项和融合数据统计距离项。

CN201110277737.4公开一种基于SAR图像检测海面溢油的方法和装置。该方法包括：通过对海面的SAR图像中的像素点灰度进行阈值分割，将所述SAR图像转换为二值图像；对于所述二值图像中每个像素点的预定大小的邻域，确定所述邻域中像素值为1的像素点的数量和/或比例是否大于预定值；识别像素值为1的像素点的数量和/或比例是否大于所述预定值的邻域；将识别出的所有邻域所构成的图像的边界作为检测用于水平集分割的初始零水平集以检测海面溢油。