摘 要

海面溢油会严重破坏当地的生态环境，导致鱼类、鸟类等生物的大量死亡，从而产生巨大的经济损失和社会问题。为了迅速发现并处理海面溢油，减少损失，相关部门将能够全天时、全天候工作的SAR（Synthetic Aperture Radar）技术应用于海面环境监测，取得了显著成效。本研究以海面溢油为对象，根据SAR图像，建立一种海面溢油自动监测识别算法。主要研究结果如下：

对比传统滤波算法（低通滤波、高斯滤波、均值滤波等）、统计类滤波算法（FROST滤波、LEE滤波、GAMMA滤波器等），根据滤波结果图像和其均值、方差、等效视数，选择一种最优的滤波算法，以消除SAR的乘性噪声。最终得到的结果为：GAMMA滤波器的滤波效果最佳，选择GAMMA滤波器对SAR图像进行滤波处理。

通过提取的方差、对比度、熵、角二阶矩阵、一致性五个常用的纹理特征训练SVM模型，得到训练好的SVM分类器，对比基于直方图的最优阈值分割算法、基于边缘检测的SAR图像分割算法、基于区域分块合并的SAR图像分割算法与SVM分类器的分割结果，得出以下结论：SVM的SAR图像切割算法能够较好地分割提取目标区域，具有一定的优越性和较好的实用性。

提取不同溢油现象和疑似溢油现象的SAR图像数据的几何和形状特征（面积、复杂度、形状因子）、灰度特征（对比度、边缘梯度、背景后向散射系数的平均值与方差的比值）、纹理特征（方差、对比度、熵、角二阶矩、一致性），训练人工神经网络，然后将训练好的人工神经网络模型运用到新的SAR图像数据中进行监测。以东海海域某一区域的ERS-2 SAR图像数据为例，经过训练的人工神经网络模型能够正确识别溢油现象和疑似溢油现象，具有一定的实用性。

关键词：SAR；溢油检测；图像处理；人工神经网络

Abstract

Oversea oil can seriously damage the local ecological environment, leading to massive death of fish, birds and other organisms, resulting in huge economic losses and social problems. In order to rapidly detect and handle the surface of the oil spill, reduce losses, relevant departments will be able to throughout the day, all-weather work of SAR (Synthetic Aperture Radar) technology is applied on the sea surface environmental monitoring, has made remarkable achievements. In this study, an automatic monitoring and identification alarm system for offshore oil spill was established based on the SAR image. The main results are as follows:

Compared to traditional filtering algorithm (low pass filter, gauss filter, median filter, etc.), statistical filtering algorithm (FROST filtering, LEE filtering, GAMMA filter, etc.), according to the results of filtering the image and the mean, variance, equivalent number, choose an optimal filtering algorithm, to eliminate the multiplicative noise of SAR. The result is that the filter effect of GAMMA filter is the best, and the GAMMA filter is selected to filter the SAR image.

By extracting the variance, contrast, entropy, the Angle of the second order matrix, consistency of five commonly used texture feature training SVM model, and get trained SVM classifier, compared to the optimal threshold segmentation algorithm based on histogram, SAR image segmentation algorithm based on edge detection, SAR image segmentation algorithm based on regional block combined with segmentation result of the SVM classifier, the following conclusions: the SVM cutting algorithm can better segmentation of SAR images to extract the target area, has certain advantages and good practicality.

Extract the different discharge phenomenon and the suspected oil spill phenomenon of geometric shapes and characteristics of SAR image data (area, complexity, shape factor), grayscale characteristics (contrast, edge gradient, after the background to the scattering coefficient of the ratio of mean value and variance), texture feature (variance, contrast, angular second moment, entropy, consistency), training of artificial neural network, and then the trained artificial neural network model used in the new SAR image data monitoring. Based on the ers-2 SAR image data of a certain region in the east China sea, the trained artificial neural network model can correctly identify the phenomenon of oil spill and suspected oil spill, which has certain practicability.

Key Words：SAR; oil spill detection; image processing; artificial neural network

目录

第1章 绪论 1

1.1研究背景及意义 1

1.2 国内外研究现状 2

1.3 研究内容 3

第2章 基于SAR的溢油识别原理 4

2.1 SAR基本原理 4

2.1.1 成像原理 4

2.1.2 SAR探测油膜的机制 5

2.2 SAR图像识别流程 5

2.3小结 6

第3章 SAR图像滤波处理 7

3.1 SAR图像噪声模型 7

3.2 现有的滤波算法 7

3.2.1 LEE滤波 7

3.2.2 FROST滤波 8

3.2.3 GAMMA滤波器 8

3.3 滤波结果与分析 9

3.4小结 10

第4章 基于支持向量机的图像分割 11

4.1 现有SAR图像分割算法 11

4.2基于支持向量机的图像分割 12

4.2.1理论模型 12

4.2.2核函数 13

4.2.3基于支持向量机的图像分割步骤 14

4.3分割结果与分析 15

4.4小结 16

第5章 基于人工神经网络的溢油模式识别 17

5.1 溢油模式分类 17

5.2 特征提取 17

5.2.1 几何和形状特征 17

5.2.2 灰度特征 18

5.2.3 纹理特征 19

5.3 人工神经网络的构建 19

5.4 分类结果与分析 20

5.5小结 21

第6章 总结与展望 22

参考文献 23

致谢 24

第1章 绪论

1.1研究背景及意义

水作为维持生物生存的重要物质之一，具有不可替代的特点。水资源的数量和质量决定着一个国家的基础生活环境，决定着生态系统的稳定和繁荣。而水资源容易受人类活动的影响，易受到破坏。

船舶作为水上交通的重要组成部分，具有单位运输量大等特点。随着航运业的迅速发展，船舶数量不断增大，同时，船舶向快速化、大型化、专业化转变。同时，船舶主机、辅机及锅炉分别燃烧重油、轻油，且耗油量大。因此，船舶往往装有大量燃油。船舶在营运过程中，装运的油类货物、燃油等油类物质与压载水、冷却水等混合，形成含油污水，一些船舶将这些含油污水排放在相关水域，从而产生溢油。据相关研究表明，船舶排放的污水量达总吨位的10%，其中溢油量可达50000 mg/L，其排放量不容忽视。这些溢油会严重危害海面自然环境，导致海洋生物的大量死亡，影响当地经济发展，并引发社会问题。针对船舶含油污水排放问题，政府已经提出了相关管理措施及法律法规条例，如强制船舶安装专业的污水处理器，并安装油分浓度计以监控含油污水的油类浓度。此外，对于特殊船舶及在特殊水域航行的船舶，对其实行铅封等措施。然而，由于目前仍缺乏迅速的溢油监测手段，船舶含油污水违规排放仍屡见不鲜。

此外，随着我国海洋石油开采活动的频繁，海上钻井平台附近油田溢油事故屡见不鲜，并导致了严重后果。如2010年4月20日的“深水地平线”钻井平台爆炸事故，导致了几百万的加仑原油从海上油田涌入美国墨西哥湾，造成了美国沿海近9900平方公里的溢油污染，污染了密西西比州、亚拉巴马州等多个地区的环境，是美国历史上最严重的污染事故，使得相关海域环境恶化达10年以上。2010年7月16日，大连新港发生输油管道破裂爆炸事故，导致附近50平方公里海面被溢油污染，并造成了3人死亡，产生了严重的环境污染和社会问题。

随着科技进步和发展，卫星遥感图像逐步被应用于海洋溢油监控的问题中去。卫星遥感监测较以往的溢油监测方法具有连续性、可靠性、覆盖面广、成本低等特点，此外，卫星遥感可以实时监测溢油区域，并定位追踪溢油的扩散变化情况。由此，溢油卫星遥感监测已成为溢油识别监测的主要手段之一。现如今，溢油识别检测的卫星遥感监测设备包括合成孔径雷达（合成孔径雷达、SAR）、光学传感器和微波辐射计等检测设备，各检测设备的优缺点对比如表1.1。

表1.1 各溢油探测设备的优缺点

合成孔径雷达（SAR）由于其全天时、全天候的工作特点^[1]，它被愈来愈多地用于大型海洋环境溢油监测。然而，目前国内主要采用专家解译的方式对SAR图像进行分析，寻找溢油区域，没有实现自动检测报警技术。而我国水域众多，人为监测存在漏测，疲劳等情况，无法满足大数据量的SAR分析。为了更加有效、迅速的监测水面溢油情况，及时做出反应，保护水域生态环境，需要一种自动识别监测SAR图像技术，以实现溢油的自动识别报警。针对现有情况的不足，对基于SAR的海洋溢油自动识别技术开展相关研究，能够有效提高溢油识别的速度和准确性，具有重要的社会意义和巨大的实用价值。

1.2 国内外研究现状

世界上最早的SAR卫星系统是由美国NASA公司于1978年发射的SEASAT卫星系统，可以使用L波段进行海面溢油监测。由于良好的运行效果，随后，俄罗斯、欧盟、加拿大等国家与组织也相继研发了SAR卫星系统。

中国SAR卫星系统的成长始于20世纪70年代，起步较晚。中国首个自主研制的机载合成孔径雷达是在1979由中国科学院成功研制的。第一颗SAR卫星（CRS-1）于2006年发射升空，与随后的多颗SAR卫星（CRS-n）一起组成了高分辨率卫星系统，大大加快了我国海洋方面的研究。

目前，国内外学者通过SAR卫星系统做了像许多溢油监测方面的研究。Gade和W.Alpers(1996)^[2]通过欧洲航天局资源卫星ELS-SAR的660幅图像，对欧洲近海溢油污染的特性和季节性核心规律进行图像分析和结论总结。1997年10月26日两艘油轮相撞，25000吨原油泄漏在马六甲海峡，Maged Marghany(2001)^[3]通过SAR图像1996船两次碰撞造成的溢油事故和25000吨原油泄漏到马六甲海峡的情况进行了全面的分析，建立了溢油自动识别模型。利用李和Gamma算法对模型进行SAR图像滤波处理，并对纹理进行分析，提取出SAR图像的溢油区域。Marghany（2004年）^[4]根据RADARSAT-1卫星的图像数据，采用改进的FAY算法和多普勒频移模型模拟海面上油膜的运动，得到溢油面积和运动方向。Solberg等人（1999^[5],200^3[6],2007^[7]ERS-1／2、EnVISAT和RADARSAT卫星已被用于监测北海和波罗的海的油气。Biegert等^[8]在GOSAR项目中，RADARSAT-1用于研究墨西哥湾海底的井喷和自然溢油。结合RADARSAT不同模式的数据，比较了SAR图像的后向散射特性，并对海面上的自然溢油进行了油污监测。

国内方面，李栖筠等^[9]根据Landsat TM和NOAAAVHRR数据检测溢油。赵冬至等^[10]在可见光和近红外波长下对不同种类的油污染（润滑油和柴油）的光谱特性曲线进行了比较和分析。展示了油膜的光谱特性与油膜厚度的联系、油水对比度的规律性、油层在光谱上的吸收和反射特征，以及油层厚度的估量，定性地对薄膜进行分析。苏伟光^[11]根据SAR图像和MODIS影响分析方法进行海上溢油识别监测。杨娜等^[12]根据NOAAAVHRR的图像数据，结合海面溢油的反射和辐射特性，对可见光和热红外通道图像进行处理和分析。

然而，目前国内缺乏溢油监测系统性的研究，本文在以往研究的基础上，结合图像滤波、切割、识别等技术，提出一种基于SAR图像的溢油自动识别报警系统。

1.3 研究内容

本文在SAR卫星遥感图像处理技术的基础上，对海洋溢油检测应用的具体特点进行了深入研究。首先根据溢油检测的研究重点给出了溢油检测的主要步骤，设计了包括图像滤波、图像分割、特征提取分析、溢油模式识别的溢油检测系统整体架构，具体包括：

1.基于各种滤波方法效果的对比分析，选择最合适的滤波方法对SAR图像进行滤波。

2.比较各种图像分割方法，并选择最合适的图像分割方法。

3.采用人工神经网络根据图像的纹理特征进行分析，实现溢油模式的自动识别。

第2章 基于SAR的溢油识别原理

2.1 SAR基本原理

2.1.1 成像原理

SAR的主要工作原理如下：通过发射天线定向的向周围发射脉冲信号，周围目标反射信号形成回波信号，回波信号通过接收天线进入主机，形成SAR影像记录在屏幕上。目前，SAR主要装载于卫星和飞机上，它可以以搭载平台为原点，建立二维矩阵，通过接收到的回波信号，建立二维影像。根据表1.1可知，SAR最大的优点是全天时、全天候均可工作，适应性强。此外，相对于光学传感器获得的图像信息，SAR图像的纹理特征更加丰富，也更加清晰。无论从宏观还是微观的角度上，SAR图像均可获得更多的信息。为了获得更佳的成像效果，提高分辨率，SAR对脉冲进行了压缩处理，其脉冲信号呈线性调频，称为chirp信号，并运用合适的滤波方法对该信号进行脉冲压缩，得到新的压缩后的信号sinc信号，从而提高分辨率。而在方位上，根据多普勒效应，回波信号也呈压缩状态，从而也通过脉冲压缩提高了方位分辨率。上述过程即为SAR图像主要的成像原理。其探测物体并成像的几何关系图如图1.1。

发射信号公式如下：

(2.1)

式中：为发射信号（sinc信号）的频率，为sinc信号的载波频率，为一次脉冲信号的持续时间即脉冲宽度。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：