《通过SAR图像检测溢油-暗结构检测、特征提取及分类算法》由会员分享，可在线阅读，更多相关《通过SAR图像检测溢油-暗结构检测、特征提取及分类算法（14页珍藏版）》请在金锄头文库上搜索。
1、Sensors 2008 18,6642-6659;DO1:10.3390/S8106642Review 回顾通过 SAR 图像检测溢油：暗结构检测、特征提取及分类算法Konstantinos N.Topouzelis摘要：本文对用合成孔径雷达（SAR）图像检测船舶非法排放油污进行全面综述。总结了包括该技术操作和研究等方面的现状。溢油严重影响了海洋的生态系统，由于其对脆弱的海洋和海岸生态的影响引起了政治和科学上的广泛关注。污染物的排放量及对海洋环境的影响是评价海水水质的主要参数。由于卫星图像系统对海岸区域巡视的覆盖面积较大，且经济，易行，使之用于溢油检测成为可能，实际上也已被广泛应用。该文综述
2、了基于雷达图像进行溢油检测的方法论，特别关注于用人工和自动方法区分溢油与其他自然现象形成的疑似溢油现象。所讨论的最基本的技术包括，从 SAR 图像上检出暗结构（或暗影，暗区域） ，从这些暗影上提取特征及最常用的分类方法。最后，总结讨论了未来研究的方向。本文引用的参考文献可作为本课题深入研究的出发点。关键词：溢油；海洋污染；SAR1.引言本文的主要目标是：帮助无心作更复杂细致研究的读者获取、更新藉 SAR 图像检测溢油的知识。假设读者已有 SAR 原理的基本知识，这有益于扩展其对 SAR 在该具体应用领域的综合知识。在不同类型的海洋污染中，石油污染，是海洋生态的主要威胁。石油污染源，可来自陆地，
3、也可直接来源于海上。船舶和采油平台，是海上石油污染的主要来源，这有可能是意外事故造成的，也可能是故意排放产生的。幸运的是，近来，海上意外事故的数量及其排放的石油量正呈逐年下降趋势。另一方面，例行的油轮运行可能导致船舶压舱水和油罐清洗残液仍有排放。此外，其他船舶产生的燃料油泥、轮机废水和舱底污水最终也大多排到了海里。最近几年，海运能力持续增长，更多船舶投入航运，也增加了非法油污排放的潜在数量。油轮和其他各类船舶都可能成为非法排污的可疑对象。溢油检测和监控可以通过船舶、飞机和卫星。装备有特制雷达的船舶可检测海上溢油，但其作用面积有限，不过需要取样的时候，还是必不可少的。海上溢油监控的主要系统是装备
4、有 SAR 的飞机和卫星，SAR 可以获取二维图像，是一种主动的微波传感器，其所捕获的图像亮度反映了目标表面特性。SAR 图像能检测出海面溢油的依据是：油膜降低了溢油海面的后向散射强度，对比周围无溢油海面，使之呈现暗痕。由于星载 SAR 传感器不依赖阳光，可穿透云层，覆盖面大，比机载的巡查成本低效益大，而在海洋溢油检测中被广泛应用。雷达从溢油油膜接受的后向散射信号值，与平静海面或其他称之为“疑似”溢油海洋现象（如海流、涡漩）的相似。图 1，在 SAR 图像上，给出了一个被确认的和一个“疑似”的溢油 SAR 图像例子。已经有多个旨在进行溢油检测的研究。关于该题目的早期相关文献1-5，所关注的是区
5、分溢油和“疑似”现象的方法论。Solberg 等 1给出了自动统计方法，同时 Del Frate 等 2使用了神经网络分类器。Espedel 和 Wahl3 藉风的变化信息来检测溢油，Espedel 等 4关注油平台附近的溢油检测，Fiscella 等 5用概率方法来检测和确认溢油。Pavlakis 等 6使用了 1600 多幅 SAR 图像对地中海地区的首次侦察研究。再一次研究热潮 7-14是几年后开始的。De Souza 等 7提出了一个提取油膜特征的智能系统。Keramitsoglou 等 8给出了一个基于模糊逻辑网络的自动监测方法。Karathanassi 等 9 提出了面向对象的方法
6、，Mercier 和 Girard-Ardhuin10用了核函数展开的分类算法，Ramalho-Medeiros 11用了增强技术。Topouzelis 等 12 给出了用神经网络鉴别溢油的更新算法研究，Solberg 和 Brekke13总结了其用于北欧海域的探测技术，而 Serra-Sogas 等 14针对西加拿大水域进行了研究，最后，Brekke 和 Soberg15详细介绍关于用卫星遥感传感器作溢油检测。Pavlakis6,17对地中海盆地及 Gade 和 Alpers18对地中海地特定区域首先用 SAR 数据进行了长期的追踪检测，联合研究中心（JRC）在以后几年 继续了这一工作并检测
7、整个欧洲海域 19-23，Bernardini 等 19针对亚得里亚海、Ferraro 等 20针对法国环境区进行了研究、Ferraro 等 21 综述了地中海海域已用技术方法，Tarchi 等 22针对 1999-2002 年的意大利周边海域进行了研究以及 Topouzelis 等 23研究了 1999-2002 年的地中海盆地。 挪威 KSAT 公司是欧洲最早提供卫星溢油检测的服务机构之一。现在欧空局（ESA） ，通过全球环境安全检测计划(GMES)，资助海洋海岸监视（ MAROAST）项目，在欧洲发展了一系列协调服务。2007 年年中，伴随欧洲海运安全局（EMSA）CLENSEANET
8、的服务和欧洲水域星载 SAR 数据溢油监测的实施，给欧盟国家提供了一系列包括溢油报警的详细信息，快速传递了可用的卫星图像和油膜方位。2.用于溢油检测地 SAR 遥感传感器许多用于溢油监测的空载 SAR 系统已投入运行，通常按工作频率（波段）区分。美国航空航天局（NASA） ，1978 年发射的 SEASAT 卫星，是第一个携带 SAR 系统用于观测海面的，该系统工作在 L 波段。稍后俄罗斯空间局(RSA) 、欧洲空间局(ESA) 、加拿大空间局(CSA)，陆续发射了星载 SAR 系统。携带 SAR 系统专助于海洋观测的（过期或正在运行的）主要卫星列于表 1。SAR 传感器的主要技术指标有：波段
9、、极化特征、入射角、锯齿波宽度（图像景物宽度）和图像分辨率。图像分辨率和宽度，应该折衷（统筹考虑）处理，以便获取足够大的观测范围和分辨出溢油区。表 2 给出通常用的欧洲水域海洋监测卫星的模式。3.海洋溢油 SAR 图像油膜减少了海面的后向散射，从而在 SAR 卫星图像上表现为暗区域。海表面的雷达后向散射的相应机理，是不同的，主要依据雷达传感器的入射角，它大约在 2050之间；产生雷达后向散射的主要因素是，风生短重力毛细波。油膜，抑制了重力毛细波的作用，降低了后向散射。假设，轻风场的存在激发了短重力毛细波；实际上，最小风速是依赖于观测频率和入射角。一般正在运行的星载雷达传感器，是工作在 C 波段
10、的。在这一波段，最低风速 23m/s，可产生足够的亮度，在图像上溢油区可见。另一方面，当风速太高时，溢油区就见不到了。其过程是这样的：首先，短波接受足够能量，平衡油膜的衰减作用；然后，海况继续发展，上层海水的湍流可能破坏油膜，甚或使之部分或全部消失。一些人为和自然的海洋现象也可以抑制风生短重力毛细波。因此，在 SAR 图像上，相对环境海面的某些区域，也表现为为暗区域。图像上任何相对附近区域足够暗的区域，都可定义为暗结构（区域） 。确定一个区域的暗度特别困难，文献资料上没有一个清晰的判据。甚至在一幅图像上，刻画一个暗区域的暗度和对比度也不是恒定的。暗结构（区域）可以是溢油、低风速区、生物质膜、锋
11、面、陆地阴影区、雨团、海流剪切区、油脂状冰、内波、上升流带、下降流带和涡流 24-25。4. SAR 图像溢油检测方法SAR 图像溢油检测有两种主要方法：人工方法和半自动或全自动方法。人工方法，就是由训练有素的操作员，分析图像并检出溢油；而半自动或全自动方法，则嵌入了自动化技术。在图像上比周围区域暗的区域，很可能是溢油，需要进一步检查。虽然人工操作显得很简单，但半自动或全自动检测方法却存在三个主要难题：（1）新鲜的溢油比陈旧的表现更亮，相对周围环境海水后向散射对比度较弱，不易区分；（2）依据当地海况，溢油类型、图像分辨率和入射角、暗区域可能有不同的对比度。( 3) 疑似现象也表现为暗区域。4.
12、1 人工目测法由于不太复杂和在确定的环境下容易复现，人工检查法，在溢油检测中是最常用的技术。但是，由于其依赖于解译员的经验，可信度不是太高。这种方法，是训练操作员通过照片解译来检出溢油的：第一步，在 SAR 图像中，检出所有可能是溢油的区域：第二步，区分溢油和“疑似”溢油的判别过程。有些疑似现象的外形特征和构造，是与溢油的完全不同；如由内波、海洋涡或雨团造成的暗区，是很容易区分的。然而，对于复杂情况，最初的目视分析是不够的。自然油膜和低风速区是特别难判别的，这就有必要对其进行详细分析；很多因素要考虑，最重要的是：风的状况、一年中的特定时段、外形分析、尺度和观测区域的一般形态特征。对风况的了解是
13、关键的。风速低于 23m/s，可致海面形成很多暗结构；而当风速高于810m/s 时，却又检测不到油痕迹。在一年周期内，对于判定在夏天出现的自然带纹（海面） （如藻华）和油脂状冰是很有用的；而带纹海面的尺度，则是排除低风速区和大片然带纹海面所必须考虑的。观测区的一般形态特征，对于区别由风况突变（由无风区到起风区的过渡带）所形成的海面暗区，是十分重要的。在很多情况下，暗区是由区域地形（如陆地附近、高出的海底山脉、采油平台）的遮蔽作用形成的；更复杂的情况是，在锋面区，即在不同密度的两水团交汇处。在这种情况下，海面暗区的检测可能与其形状和尺度有极高的关联性。形状分析，对区分溢油和疑似溢油等自然现象很有
14、用，因为二者分别具有特别的外形特征。形状分析考虑到的特征有，暗区域的边界、尾部特征和圆整度；人为溢油的边界通常很好确定，因为溢油区和周围区域的后向散射值之间有一个突变。相反，自然现象通常有一个更加结构化的边界。然而，陈旧的溢油比新鲜的溢油，会呈现出更加复杂的边界结构。溢油的尾部可能是细、直或轻微弯曲的；而疑似现象，在图像上，则表现为平滑转向的“自然”态。疑似现象，可能由于风地遮蔽作用，长度可达几公里；通常与像海洋涡一样的自然结构连接在一起。暗区域的圆整度，是识别新鲜溢油的要素，延伸过程有无弯曲是重要判据。通常，溢油是连绵延伸的，而自然现象具有圆的轮廓。圆满度是不能真正测量的，只能依赖于图像解译
15、员的经验。Pavlakis 等 6通过分析 1600 多例溢油，将其分成五类（图 2） 。通常，图像解译员依据以下判据将暗区域分类为潜在溢油区： 在均匀风区，呈现的是均匀暗点。呈现出不太大、有急转弯倾向的线型区域，其急转弯与风向改变的急转或表面流的极其相似。自然带纹海面在此情况下趋于消失；人为溢油区，具有较高的粘滞性且有改变形状的倾向。解译员将暗区域解译为“疑似”现象依据以下判据：低风速区。北风的海岸带。具有螺旋状平滑弯曲延伸的暗区。当以人工方式提供溢油检测服务时，通常也要给出溢油可能性的概略估计，即，以高、中、低概率表征带纹海面是溢油造成的。这种估计，主要是基于图像解译员的经验和研究团队的共
16、同讨论。所以，解译员的经验和理解图像所显示本质的能力，至关重要。这一经验并不是所有人都具备的。因此，从所探测的暗区域中，识别溢油的自动或半自动系统的大力开发，已被提到议事日程。4.2 半自动或全自动方法由于复杂，不易复现，半自动和全自动的方法并不很普及。这一方法须要有图像理解、模式识别和分类理论等特定知识作基础。这类方法的基本构想如图 3 所示。该构想可总结为四个步骤 1,6：1）检测并分离出图像中的所有的暗结构。这一步主要就是设定阈值和分割处理。2）从暗结构中提取统计参数，即，所谓每个待定溢油的特征。这些结构特征主要与诸如，其几何特征（如面积、周长） 、物理行为（如平均后向散射值）和图像背景（如与船舶的距离）等有关。3）比照表征人为溢油和“疑似”现象的预定值，来检验所提取值。这些值，通常通过现象学因素和统计估计来确定。4）对溢油或“疑似”现象的暗结构进行分类。有多种分类运算
