海面溢油自動監(jiān)測中的油膜與類油膜特征分析

舒遲，宋莎莎

(1.煙臺海事局, 山東 煙臺 264000；2.中海油能源發(fā)展股份有限公司 安全環(huán)保分公司，天津 300452)

對SAR海面溢油做過長期的持續(xù)性研究，或參與SAR溢油監(jiān)測系統(tǒng)研制的主要團隊有：Solberg團隊、Fiscella團隊、Topouzelis團隊、Singha團隊。Solberg團隊選用的特征參數(shù)有3類，包括灰度特征、幾何特征和空間特征，并未選用紋理特征。自1997年以來，Solberg團隊在特征數(shù)量和特征參數(shù)上保持著較好的穩(wěn)定性[1]。Fiscella團隊使用的特征參數(shù)僅有幾何特征和灰度特征兩類，空間特征和紋理特征均未涉及，特征個數(shù)也較穩(wěn)定[2]。Topouzelis于2003年首次嘗試?yán)胑Cognition算法對SAR圖像暗目標(biāo)分割，并用12個特征和模糊邏輯分類器進行溢油識別[3]。Topouzelis等與Stathakis合作發(fā)表的論文中，采用包含有幾何、灰度和紋理3類特征的25個特征參數(shù)的特征集合。Singha團隊在基于決策樹進行溢油識別研究中，特征參數(shù)選用幾何特征為23個，灰度特征為5個，并增加了8個紋理特征和5個空間特征[4]。綜上，同一研究團隊在使用相同的分類器時，選用的特征參數(shù)一般變化不大。

1 油膜與類油膜

由于海洋環(huán)境復(fù)雜、海面大氣影響，水體對電磁波的散射與吸收作用，海面油膜遙感信息較弱，導(dǎo)致海面油膜信息提取時存在“同物異譜，同譜異物”的現(xiàn)象。隨著遙感技術(shù)的出現(xiàn)和發(fā)展，針對海面油膜信息的遙感探測技術(shù)研究也得到不斷發(fā)展，該技術(shù)可獲取地物目標(biāo)近乎連續(xù)的反射光譜，從而根據(jù)光譜特征差異來區(qū)分海水與溢油目標(biāo)。

1.1 油膜

海洋油膜的存在改變了海面張力，給海面毛細(xì)波和短重力波的產(chǎn)生帶來阻尼作用，改變了海面粗糙度，從而使得海面變得光滑。被油膜覆蓋的海面會降低雷達(dá)接收到的后向散射回波，使得雷達(dá)圖像灰度降低，從而導(dǎo)致溢油區(qū)在影像上表現(xiàn)為明顯的暗斑。

1.2 類油膜

SAR圖像上并非所有的暗斑都是由海洋油膜引起，在SAR影像上，疑似現(xiàn)象有很多，包括淡水注入、低風(fēng)速區(qū)、漂浮水草、生物油膜、油脂狀冰、內(nèi)波、上升流、雨團、鋒面、大氣重力波等。

2 海上溢油特征分析方法

遙感圖像中溢油或疑似溢油目標(biāo)表現(xiàn)為特定像素的集合，將這個像素的集合作為一個整體來對待，對于分割出來的每個目標(biāo)個體，通過計算都可以得到其幾何特征、灰度特征和紋理特征，如果考慮目標(biāo)個體的空間位置及目標(biāo)間的空間關(guān)系還可以得到其空間特征[5-6]。

為了區(qū)分溢油和疑似現(xiàn)象，針對SAR海面溢油檢測的各種自動或半自動算法被實踐檢驗。這些算法通常包括如下步驟。

1)SAR圖像分割。感興趣區(qū)域從原始SAR影像的分離,通常包括目標(biāo)本身和局部背景。

2)特征提取與選擇。計算每個目標(biāo)的特征屬性，并選擇出區(qū)分度高的特征[7]。

3)目標(biāo)分類?；诟鞣N分類器方法對目標(biāo)類別進行判斷。

3 基于多種特征的溢油分析

基于煙臺海事局自建樣本庫中的溢油樣本和疑似溢油樣本，從統(tǒng)計學(xué)角度觀測SAR圖像中這2類目標(biāo)不同特征的分布情況，見圖1、2。

圖1 樣本庫中典型的溢油樣本

圖2 樣本庫中典型的疑似溢油樣本

3.1 幾何特征分析

幾何特征參數(shù)是對暗目標(biāo)幾何形狀的度量，在SAR溢油文獻中使用較為廣泛的幾何特征包括：面積、周長、歸一化周長面積比、目標(biāo)的不對稱性，見圖3。

圖3 幾何特征的概率密度分布比較

從圖3可見，2類樣本在面積、周長、歸一化周長面積比上差別不顯著。溢油樣本的不對稱性明顯高于疑似現(xiàn)象。

3.2 灰度特征分析

灰度特征參數(shù)是針對目標(biāo)子圖像中的不同區(qū)域的灰度或灰度梯度數(shù)值集合計算的統(tǒng)計量，常用的灰度特征包括：暗目標(biāo)灰度均值、標(biāo)準(zhǔn)差、均值標(biāo)準(zhǔn)差比，背景的灰度均值、標(biāo)準(zhǔn)差、均值標(biāo)準(zhǔn)差比，目標(biāo)背景均值比、標(biāo)準(zhǔn)差比，邊緣梯度均值、標(biāo)準(zhǔn)差。見圖4。

圖4 灰度特征的概率密度分布比較

從對比結(jié)果來看，背景灰度均值、邊緣梯度均值表現(xiàn)出顯著差異。

3.3 紋理特征分析

紋理特征參數(shù)用于描述圖像中顏色和灰度的空間排列方式，在圖像處理中常用共生矩陣來量化描述紋理，關(guān)注的是圖像中某一像素對重復(fù)出現(xiàn)的情況，本質(zhì)上反映的是圖像的空間頻率特性。溢油文獻中采用的紋理特征包括基于灰度共生矩陣的角二階矩、對比度、逆差矩、熵、自相關(guān)、和方差、和均值、最大相關(guān)系數(shù)、最大概率。根據(jù)圖中的統(tǒng)計結(jié)果，紋理特征中角二階矩、自相關(guān)、和方差、和均值、最大概率等的分布曲線都表現(xiàn)出一定差異。見圖5。

圖5 紋理特征的概率密度分布比較

綜合實驗結(jié)果，紋理特征變現(xiàn)出來的差異性要優(yōu)于灰度特征和幾何特征，在溢油監(jiān)測系統(tǒng)研制過程中，在重視灰度特征和幾何特征的同時，應(yīng)充分收集更多的紋理特征來區(qū)分溢油和疑似現(xiàn)象,提高系統(tǒng)各項指標(biāo)。

4 結(jié)論

通過對樣本庫中影像樣本進行灰度特征、幾何特征和紋理特征分析，得出油膜與類油膜在紋理特征中的矩陣自相關(guān)、矩陣和方差、矩陣和均值等系數(shù)上的值對比差異較大，可以通過紋理特征參數(shù)明顯的區(qū)分油膜與類油膜的差異，在實踐工作中可以參考。