学位论文 > 优秀研究生学位论文题录展示

SAR图像海面油膜提取与分类研究

作　者: 李琼
导　师: 陈建平
学　校: 中国地质大学（北京）
专　业: 地球探测与信息技术
关键词: 油膜提取水平集分割纹理分割神经网络分类渗漏油膜污染油膜
分类号: TN957.52
类　型: 硕士论文
年　份: 2011年
下　载: 189次
引　用: 0次
阅　读: 论文下载

内容摘要

海上溢油带来的环境危害和财产损失非常严重,对其进行有效检测与监测是溢油事件快速响应的基础。目前已经发展了各种各样的油膜检测手段,其中利用SAR检测油膜取得了很好的效果。本论文主要完成SAR图像海面油膜提取和分类方法的研究。雷达检测海洋溢油主要利用其对地面目标表面粗糙度反映敏感的特性。溢油发生后,扩散到海面的油膜对海面重力毛细波产生阻尼作用,因此有油膜的海面比没有油膜的海面光滑,使得雷达后向散射回波变小。因此可通过提取图像低散射区即图像上的暗色区域完成油膜提取。本文采用单一阈值、纹理信息、水平集等图像分割方法来提取油膜信息。水平集方法是近年来流行的一种边缘检测方法,该方法在边缘检测时不依赖于图像的局部信息,从而在模糊边缘检测方面获得了非常好的检测效果。很多海洋现象在SAR图像上都表现为后向散射低的暗区域,由于SAR图像后向散射暗区的多解性,因此结合SAR图像的纹理信息,利用人工神经网络智能识别方式来对油膜进行分类,排除疑似油膜。本次研究采用统计方法中的基于灰度共生矩阵方法提取SAR图像纹理特征值,选择均值、熵、同质性、对比度、角二阶矩五个纹理特征指标作为BP神经网络的输入来训练网络;然后用训练好的网络来完成待分类图像每一个像素点的分类;最后对分类的效果进行简单的评价。人工神经网络的智能识别的特点也使得利用这种方法来进行油膜分类会取得较好的效果。文中最后简单介绍了油膜提取的业务流程以及污染油膜和渗漏油膜的辨别方法。利用以SAR影像为主的多源遥感影像进行海面油膜检测,并在海况、海上交通、海洋设施、地质断裂构造、重磁异常、化探异常等信息辅助下,叠合不同期次、不同时相解译出来的历史油膜来判定污染油膜和渗漏油膜。

SAR图像海面油膜提取与分类研究

内容摘要

全文目录

相似论文