基于SAR雷达回波信号的海洋溢油监测方法研究

摘要

海洋油污染是各种海洋污染中最常见、分布面积最广、危害程度最大的一种.近年来,海洋特别是近海的人类活动频繁,并且随着海上运输和石油加工业的发展,油田井喷、钻井平台爆炸、船舶碰撞等所造成的溢油事故增多.因而,监测海洋溢油具有重要的经济和社会现实意义.本文采用Matlab工具,通过图像预处理(图像校正和图像增强)、特征提取和神经网络识别等方式,对SAR海洋溢油图像进行处理,最终期望实现半自动明确区分SAR图像上各类目标,并进行多种神经网络方法效果的比较.研究首先对SAR海洋溢油图像进行初步人工识别;然后进行图像预处理(几何校正、滤波处理等)和基于灰度共生矩阵的特征值计算;最后,借助神经网络方法对溢油区域和疑似溢油区域进行分类,输出分类处理后的图像.通过输出图像的分析发现,神经网络能对SAR诲洋溢油图像中溢油、海水、土地三类目标进行明确分类,并且RBF神经网络模型精度高于BP神经网络.本文提出的半自动分类方法不仅能提高SAR图像处理效率,将分类目标扩充有溢油和非溢油扩充到溢油、海水、土地三类,提高图像处理的全面性,还分析了RBF和BP神经网络在SAR溢油图像分类上的具体优劣,有着较好实际意义.