基于SAR圖像的海洋溢油分割方法研究

李淑清，李瑞華，王 瀟

?

基于SAR圖像的海洋溢油分割方法研究

李淑清1，李瑞華2，王 瀟2

(1.山東正元數(shù)字城市建設(shè)有限公司地理信息中心，山東 煙臺 264670; 2.中國石油大學(xué)(華東) 地球科學(xué)與技術(shù)學(xué)院，山東 青島 266580)

目前，海洋溢油污染在發(fā)生頻率、分布范圍以及所帶來的危害程度上均居海洋污染首位。它對沿海城市生態(tài)、環(huán)境、經(jīng)濟(jì)的可持續(xù)發(fā)展造成嚴(yán)重破壞，因此越來越受到全社會的廣泛關(guān)注。從眾多海洋溢油分割方法中選取邊緣檢測算子和種子填充算法對SAR圖像進(jìn)行分割。首先運(yùn)用歐空局的BEST軟件進(jìn)行數(shù)據(jù)轉(zhuǎn)換以及圖像預(yù)處理，然后使用ENVI軟件對圖像進(jìn)行濾波處理。再用ERDAS軟件進(jìn)行灰度均衡和分割算法的實(shí)施，并針對算法的一些缺陷，進(jìn)一步加入紋理分析使圖像中的油膜與類油膜以及海水與海浪等更好的區(qū)分開。最后對不同的圖像效果進(jìn)行總結(jié)和比較。

SAR；海洋溢油；邊緣檢測算子；種子填充；紋理分析

海洋石油污染來源很多，最主要的是船舶溢油和海底石油井噴。海洋溢油早期選擇船只監(jiān)測，但由于自身的一些限制，現(xiàn)在較發(fā)達(dá)的國家基本都采用航空遙感技術(shù)。據(jù)悉，多國正在進(jìn)行基于SAR圖像的監(jiān)測溢油工作，例如：挪威、德國、俄羅斯、英國、法國、日本、巴西、印度、新加坡以及中國等。其中以挪威的星載監(jiān)測系統(tǒng)發(fā)展最為先進(jìn)。我國在2006年發(fā)射自行研制的L波段星載合成孔徑雷達(dá)，促進(jìn)SAR的海洋溢油檢測工作。

SAR圖像中分割處理十分重要，它是SAR圖像自動解譯的基礎(chǔ)和前提。由于SAR采用的相干成像處理，因此會存在噪聲，針對此問題，許多學(xué)者提出不同的分割方法。

1 SAR圖像預(yù)處理

1.1 數(shù)據(jù)準(zhǔn)備

本文選取威望號溢油事故一景Envisat-1衛(wèi)星的ASAR數(shù)據(jù)作為試驗(yàn)數(shù)據(jù)。采集于2002年11月17日，原始影像見圖1。

圖1 原始SAR影像

1.2 數(shù)據(jù)預(yù)處理

因?yàn)椴捎玫囊缬蛿?shù)據(jù)是ASAR一級B數(shù)據(jù)，內(nèi)部校準(zhǔn)己完成，數(shù)據(jù)處理工作主要包括輻射校正、幾何糾正、裁剪、濾波處理。本文分別選用了Lee濾波，增強(qiáng)Lee濾波，F(xiàn)rost濾波，增強(qiáng)Frost濾波，Gamma Map濾波和Kuan濾波對影像進(jìn)行濾波處理。最終選取了 Gamma Map5像素×5像素處理后的圖像，如圖2所示。

圖2 Gamma Map5像素×5像素處理后的影像

2 邊緣檢測

2.1 邊緣檢測算子

邊緣檢測是分割的常用方法。常見的并行邊界分割算子有Roberts算子、Prewitt算子、Sobel算子、Laplacian算子，另外本文還加入了Robinson算子。圖3和圖4，圖5和圖6，圖7和圖8，圖9和圖10，圖11分別是Roberts算子，Prewitt算子，Sobel算子，Laplacian算子,在不同加回值下得到的影像。

圖3 Roberts算子0加回值的影像

圖4 Roberts算子50%加回值的影像

圖5 Prewitt算子0加回值的影像

圖6 Prewitt算子50%加回值的影像

圖7 Sobel算子0加回值的影像

圖8 Sobel算子50%加回值的影像

圖9 Laplacian算子0加回值的影像

圖10 Laplacian算子50%加回值的影像

圖11 Robinson算子處理后的影像

2.2 種子填充

灰度均衡處理后的影像如圖12所示。

圖12 灰度均衡處理后

種子填充是在Erdas軟件中實(shí)現(xiàn)的，步驟如下：

1)首先定義分類模版。

2)然后獲取分類模版信息，并設(shè)置種子像元特性。本文采用AOI擴(kuò)展工具來實(shí)現(xiàn)。

3)選擇應(yīng)用種子擴(kuò)展工具的方法，進(jìn)行種子填充。

4)評價(jià)分類模版，生成報(bào)警掩膜，獲取填充圖像。這里需要的是形成報(bào)警掩膜即可。最后形成的四連通區(qū)域如圖13所示，八連通區(qū)域如圖14所示。

圖13 四連通區(qū)域種子填充

圖14 八連通區(qū)域種子填充

2.3 邊緣檢測算子和種子填充對比分析

從各種不同算子對溢油影像的分割效果中發(fā)現(xiàn)，邊緣檢測算子為影像的去噪收到了不錯(cuò)的效果。從處理結(jié)果中可以看出，Roberts算子對圖像定位精度比較高，對噪聲敏感，檢測出的邊緣較細(xì)，不包含平滑，所以不能抑制噪聲。Sobel算子是在Roberts算子基礎(chǔ)上提出的，不但產(chǎn)生較好的邊緣效果，算法實(shí)現(xiàn)也很簡單，對噪聲有平滑作用，但存在偽邊緣，邊緣比較粗，定位精度低，溢油區(qū)域的邊界得到了比較明顯的突出，整個(gè)溢油區(qū)域的范圍盡顯眼前。Laplacian算子邊緣檢測效果不是很好，一些邊緣不夠連續(xù)，不能提供邊緣方向的信息，可檢測出大部分邊緣。雖然溢油邊界突出，但是并不明顯，而且溢油區(qū)域的一些邊界也被斑點(diǎn)噪聲所覆蓋，給溢油區(qū)的目視解譯造成了障礙。Prewitt算子對噪聲有平滑作用，檢測出的邊緣比較粗，定位精度低，易損失角點(diǎn)，相對計(jì)算量大，比較復(fù)雜，油膜與類油膜及周圍的海水顏色區(qū)分度不大。Robinson算子是在Erdas軟件中實(shí)現(xiàn)的，對噪聲有平滑作用，與Roberts和Sobel算子相比算法實(shí)現(xiàn)較復(fù)雜，計(jì)算量相應(yīng)增加，它的邊緣分割效果也是

比較明顯的，從與背景顏色的區(qū)分上來說它做的比較好，溢油區(qū)域顯而易見。

傳統(tǒng)的邊緣檢測算子雖然能實(shí)現(xiàn)邊緣提取，基本能把SAR圖像中的重油膜辨識出來，算法簡單，運(yùn)算速度快，但是它受斑點(diǎn)噪聲的影響較重，不能保證形成的區(qū)域是一個(gè)封閉曲線，輕油膜分類效果不理想，易被判別為類油膜。謹(jǐn)慎對待SAR圖像上的暗色區(qū)域，不能盲目武斷地認(rèn)為暗色區(qū)域就是溢油區(qū)域。

3 紋理分析

紋理是圖像的視覺信息，用來反映影像要素特性和灰度的關(guān)系。主要包括結(jié)構(gòu)分析法和統(tǒng)計(jì)分析法。目前，最常用的是統(tǒng)計(jì)分析法，它包括：灰度共生矩陣法、分形分維法和馬爾可夫隨機(jī)場法。

本文采用的是基于二階概率統(tǒng)計(jì)的濾波器，包括8個(gè)特征向量：均值(Mean)、方差(Variance)、協(xié)同性(Homogeneity)、對比度(Contrast)、相異性(Dissimilarity)、熵(Entropy)、二階矩(Second Moment)和相關(guān)性(Correlation)。

紋理分析參數(shù)：方向、步長、窗口大小和紋理特征向量。經(jīng)過實(shí)驗(yàn)發(fā)現(xiàn)，檢測溢油的關(guān)鍵不在于方向的選擇上，因此暫不對其進(jìn)行研究和討論。對于步長，設(shè)定為1。對于計(jì)算窗口，選取7像素×7像素窗口作為最終處理結(jié)果。另外選取了五種特征向量作為評價(jià)指標(biāo)，分別是：均值(Mean)、方差(Var)、熵(Ent)、二階距(Asm)、相關(guān)性(Cor)。7像素×7像素窗口如圖15所示。

圖15 7×7窗口紋理分析

實(shí)驗(yàn)中分別選擇了3像素×3像素、5像素×5像素、7像素×7像素、9像素×9像素大小的窗口進(jìn)行紋理分析，這4種不同窗口處理效果來看，窗口不斷增大的同時(shí)，溢油主區(qū)域周圍的一些暗色小區(qū)域也得到了凸顯，對溢油區(qū)域的目視解譯造成了一定程度上的干擾，綜合4個(gè)窗口的紋理分析效果圖，以及圖像處理過程中的計(jì)算速度問題，最終選擇了7像素×7像素窗口作為最終處理結(jié)果。

但并不是7像素×7像素窗口中的8個(gè)特征向量都適合用來對溢油區(qū)域中類油膜與油膜進(jìn)行區(qū)分，難免其中有些特征向量對于圖像目視解譯來說是冗余的信息，因此在對8個(gè)特征向量的選擇上要有一定的針對性，這樣也可以使目視解譯的速度加快。最后選取了5種特征向量作為最后區(qū)分油膜與類油膜區(qū)域的向量。Mean每次增大的幅度值越來越小，漸漸趨于穩(wěn)定；Var隨著計(jì)算窗口的變大，像素值跳躍性也在變大；Sec值越小，表明圖像的紋理比較細(xì)；Ent表現(xiàn)了紋理的復(fù)雜度，其值變大，表明包含的紋理信息越豐富；Cor從剛開始的目標(biāo)物質(zhì)輪廓辨認(rèn)不清楚，到有鮮明的輪廓。實(shí)驗(yàn)結(jié)果表明，合理的選取紋理特征向量和適合的紋理窗口大小能對溢油SAR圖像中的油膜、類油膜和海水三類物質(zhì)起到很好的區(qū)分作用。

4 結(jié) 論

本文主要研究結(jié)果歸納如下：

1)利用邊緣檢測算子對SAR影像的溢油區(qū)域進(jìn)行分割，對比Prewitt算子、Sobel算子、Roberts算子、Laplacian算子以及Robinson算子各自的特點(diǎn)。

2)討論種子填充的算法，對四連通和八連通的填充方法做比較，對最后的填充效果對比。

3)對邊緣檢測算子和種子填充算法對比分析，討論彼此的優(yōu)缺點(diǎn)，問題的關(guān)鍵在如何提高對圖像進(jìn)行目視解譯的問題上。

4)在邊緣檢測算子和種子填充算法的基礎(chǔ)上，對圖像加入紋理分析，使得對目標(biāo)與非目標(biāo)的辨別更準(zhǔn)確。

傳統(tǒng)的邊緣檢測算法仍存在一些問題。如：目標(biāo)定位不夠精確、邊緣模型的建立受很多因素的局限、提取出來的溢油區(qū)域邊緣特征并不是連續(xù)的，檢測效率不高等。可以研究圖像的相關(guān)性是如何作用于圖像的，從相關(guān)性這方面增強(qiáng)圖像的檢測能力；可以嘗試將具有神經(jīng)網(wǎng)絡(luò)、小波分析、遺傳算法等融入邊緣檢測。

[1] DANILO L de Souza, ADRIAD.D. Neto, WILSON da Mata. Intelligent System for Feature Extraction of Oil Slick in SAR Images: Speckle Filter Analysis[J].Lecture Notes in Computer Science,2006,4233(2):729-736.

[2] LU J X. Marine oil spill detection, statics and mapping with ERS SAR imagery in Southeast Asia [J]. International Journal of Remote Sensing, 2003, 24(15):3013-3032.

[3] 王軍鋒，喬明，魏育成，等. 無人機(jī)機(jī)載SAR在地理國情監(jiān)測中的應(yīng)用研究[J].測繪與空間地理信息，2016,39(5)：61-64.

[4] 劉興權(quán),蘇偉光,蘇奮振.基于SAR圖像的海洋溢油提取方法研究[J].科技信息,2009:56-57.

[5] 王俊.SAR影像溢油目標(biāo)邊緣提取方法及實(shí)現(xiàn)[D].大連:大連海事大學(xué),2009.

[6] 王緯華，江濤，張永紅，等. 基于高分SAR影像的城市用地變化檢測[J].測繪與空間地理信息，2016,39(7)：141-143,147.

[7] 梁小祎,張杰,孟俊敏.溢油SAR圖像分類中的紋理特征選擇[J].海洋科學(xué)進(jìn)展,2007,25(3):346-354.

[8] ?，?基于紋理特征的星載SAR溢油監(jiān)測研究[D].大連：大連海事大學(xué),2009.

[9] 王曉穎，王眾嬌. 基于顏色遷移的單極化SAR圖像偽彩色增強(qiáng)[J].測繪與空間地理信息，2016,39(8)：87-89.

[10] 郭廣猛,曹云剛,馬龍. ENVISAT-ASAR數(shù)據(jù)處理介紹[J].遙感信息,2006:61-62.

[11] 祝曉東.一種遙感圖像濾波處理方法[J].計(jì)算機(jī)測量與控制,2006,14(4):517-518.

[12] 賀志國, 陸軍, 匡綱要.基于全局活動輪廓模型的SAR圖像分割方法[J].自然科學(xué)進(jìn)展,2009,19(3):344-360.

[13] 廖強(qiáng)強(qiáng)，張立亭，劉洋. SAR主從影像的幾何配準(zhǔn)[J].測繪與空間地理信息，2016,39(4)：28-31.

[14] 吉李滿.圖像分割算法的應(yīng)用與評價(jià)[J].吉林工程技術(shù)師范學(xué)院學(xué)報(bào),2006,22(9):60-64.

[15] 劉書炘.邊緣檢測算法在影像測量儀中的應(yīng)用[J].南昌航空大學(xué)學(xué)報(bào),2008,22(1):88-93.

[16] 馬艷,張治輝.幾種邊緣檢測算子的比較[J].工礦自動化,2004,(1):54-55.

[17] 楊昕.ERDAS遙感數(shù)字圖像處理實(shí)驗(yàn)教程[M].北京：科學(xué)出版社,2009:1-472.

[18] 鄧書斌.ENVI遙感圖像處理方法[M].北京：科學(xué)出版社,2010:1-449.

[19] 趙凌君,賈承麗,匡綱要.SAR圖像邊緣檢測方法綜述[J].中國圖象圖形學(xué)報(bào),2007,12(12):2042-2049.

[20] WEI Lai, HU Zhuowei. Method and Implementation of Oil Spill Detection in SAR Image[J].Remote Sensing Technology and Application,2013,28(1):34-43.

[21] 郭躍,王曉峰,張恒振.基于人類感知的SAR圖像海上溢油檢測算法[J].武漢大學(xué)學(xué)報(bào),2016,41(3).395-401.

[22] 魏錸.基于SAR影像的海上溢油監(jiān)測與評估方法研究[D].北京：首都師范大學(xué),2013.

[責(zé)任編輯：李銘娜]

Research on split methods of ocean oil spill in SAR image

LI Shuqing1, LI Ruihua2, WANG Xiao2

(1.GIS Center in Shandong Zhengyuan Digital City Construction Co., Ltd. Yantai 264670，China;2. School of Geosciences,China University of Petroleum, Qingdao 266580,China)

At present, the oil spill in the ocean stays in the first place of marine pollution at the frequency of occurrence, distribution or damage. It raises all the society’s concern, because it has made serious damages to the coastal city’s ecological, environment and the sustainable development of economy. This paper chooses the edge detection operator and seed filling from the numerous methods of oil spill segmentation, which are used for segmentation of SAR image. First, the special software named BEST which is given by the ESA(European Space Agency) is used to make a data conversion and do the image preprocessing. Then the software named ENVI is used to do the filtering processing. At last, use the software named ERDAS is used to carry out the gray balance and segmentation. After that, some disadvantages of those methods are found. For having an open and shut result, this paper adds a texture analysis which can divide the oil slick, the alike oil slick and the waves in the sea better. In the end, it makes some conclusions and comparisons among different image effects.

SAR; edge detection operator; seed filling; texture analysis

10.19349/j.cnki.issn1006-7949.2017.02.009

2016-07-16

李淑清(1963-)，女，高級工程師.

TP79

A

1006-7949(2017)02-0037-05

引用著錄：李淑清，李瑞華，王瀟.基于SAR圖像的海洋溢油分割方法研究[J].測繪工程，2017，26(2)：37-41.