基于簡(jiǎn)縮極化SAR的溢油檢測(cè)與分類方法

舒思京孟俊敏張 晰劉根旺

(1.自然資源部 第一海洋研究所,山東 青島266061;2.自然資源部 海洋工程技術(shù)創(chuàng)新中心,山東 青島266061)

合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)具有全天時(shí)、全天候、高分辨率成像的優(yōu)勢(shì),是目前海上溢油監(jiān)視監(jiān)測(cè)的重要手段[1]。當(dāng)海面發(fā)生溢油事故時(shí),油膜對(duì)海面的中短波和毛細(xì)波有較強(qiáng)的抑制作用(馬朗戈尼效應(yīng),Marangoni Effect),導(dǎo)致雷達(dá)回波強(qiáng)度減弱,海上溢油覆蓋區(qū)域在SAR圖像中呈暗斑特征[2]。因此,早期的SAR溢油檢測(cè)是通過(guò)探測(cè)海面中的暗區(qū)域進(jìn)行的[3-5]。

盡管全極化SAR有較好的溢油探測(cè)能力,但由于全極化SAR幅寬遠(yuǎn)小于單極化SAR數(shù)據(jù)(如RADARSAT-2的全極化SAR數(shù)據(jù)幅寬僅有25或50 km,而單極化ScanSAR模式的幅寬為500 km),且系統(tǒng)結(jié)構(gòu)復(fù)雜、成本高,極大的限制了全極化SAR的應(yīng)用。為克服全極化SAR的缺陷,簡(jiǎn)縮極化SAR于2005年被提出[13-14],其采用特殊的雙極化SAR結(jié)構(gòu),不僅能實(shí)現(xiàn)大幅寬觀測(cè)(可達(dá)350 km),還能獲取接近全極化的極化散射信息。鑒于簡(jiǎn)縮極化SAR的獨(dú)特優(yōu)勢(shì),加拿大的“雷達(dá)衛(wèi)星星座任務(wù)”(Radarsat Constellation Mission,RCM)、印度RISAT衛(wèi)星以及日本的ALOS-2衛(wèi)星都已支持了簡(jiǎn)縮極化模式。

在簡(jiǎn)縮極化SAR溢油探測(cè)方面,最早有Zhang等利用簡(jiǎn)縮極化的一致性參數(shù)(conformity coefficient)進(jìn)行了溢油檢測(cè)[15];Shirvany等引入簡(jiǎn)縮極化度開展C波段和X波段SAR溢油檢測(cè)[16]。近5 a來(lái),Salberg等和Nunziata等將部分全極化SAR極化特征引入到簡(jiǎn)縮極化SAR溢油檢測(cè)中[17],此外還進(jìn)行了簡(jiǎn)縮極化m-χ分解得到極化度和橢圓率,并將其用于溢油檢測(cè)[18];Xie等基于簡(jiǎn)縮極化特征值參數(shù)簡(jiǎn)縮極化熵、簡(jiǎn)縮極化比和簡(jiǎn)縮極化基準(zhǔn)高度等進(jìn)行溢油檢測(cè)[19]。這些研究證明了簡(jiǎn)縮極化SAR在溢油探測(cè)中有較大的應(yīng)用潛力。

然而,在簡(jiǎn)縮極化SAR海面溢油探測(cè)研究方面還有問(wèn)題未解決:1)簡(jiǎn)縮極化SAR已發(fā)展了較多溢油檢測(cè)特征,但對(duì)于眾多的特征尚未進(jìn)行全面的對(duì)比分析;2)尚未有利用簡(jiǎn)縮極化SAR開展溢油分類的研究。因此,本文將針對(duì)上述2個(gè)問(wèn)題開展研究:首先利用簡(jiǎn)縮極化SAR數(shù)據(jù)提取常用的36個(gè)極化特征,通過(guò)對(duì)比分析這36個(gè)簡(jiǎn)縮極化特征圖像中不同類型油膜和清潔海面間的歐式距離,分別篩選出最優(yōu)的溢油檢測(cè)和油膜類型(包括疑似溢油)區(qū)分的特征;然后,基于篩選的最優(yōu)特征,提出了一種基于二叉樹原理的溢油檢測(cè)與分類的方法;最后利用模擬的簡(jiǎn)縮極化SAR數(shù)據(jù)開展方法有效性評(píng)估。

1 實(shí)驗(yàn)與數(shù)據(jù)

本文利用2次在歐洲海域開展的海上溢油實(shí)驗(yàn)獲取的同步星載SAR數(shù)據(jù)(2次實(shí)驗(yàn)分別獲取了1景Radarsat-2和3景SIR-C全極化數(shù)據(jù)),重構(gòu)出所需的簡(jiǎn)縮極化SAR數(shù)據(jù)。其中,實(shí)驗(yàn)一于1994-04-02在北海附近海域(5°21′E,54°38′N)開展,數(shù)據(jù)源于“奮進(jìn)號(hào)”航天飛機(jī)進(jìn)行的STS-59任務(wù)(1994年4月)和STS-68任務(wù)(1994年10月),其中數(shù)據(jù)影像PR17041(圖1a)和PR44327(圖1b)中的暗斑為人工鋪設(shè)的Olay alcohol原油,數(shù)據(jù)影像PR41370(圖1c)中的暗斑為疑似溢油。詳細(xì)的數(shù)據(jù)參數(shù)見表1。實(shí)驗(yàn)二為NOFO公司(Norwegian Clean Seas Association for Operating Companies)于2011-06-06—09在北海(2°27′E,59°59′N)開展的海上溢油實(shí)驗(yàn)。此實(shí)驗(yàn)在海上布放了植物油、乳化油和原油三種類型的油品。其中,植物油為Radiagreen ebo植物油,成分主要為油酸2-乙基己酯,在20℃時(shí),密度為865 kg/m3,此時(shí)動(dòng)態(tài)黏度為6.92 m Pa·s。由于該植物油成分中的酯基構(gòu)成分子具有親水性,使得此植物油具有與天然浮油相似的結(jié)構(gòu)和屬性。因此,本實(shí)驗(yàn)中選擇該植物油的目的是用于模擬天然單分子生物浮油,也即疑似溢油。實(shí)驗(yàn)使用的原油為Barlder原油,根據(jù)2001年Barlder等的實(shí)驗(yàn)研究,此原油的密度為0.914 g/m L,在13℃時(shí),動(dòng)態(tài)黏度為219 mPa·s。乳化油為Oseberg blend原油和5%中性燃油(IFO380)的混合液,經(jīng)樣本分析可知,乳化油在實(shí)驗(yàn)過(guò)程中含水量為69%,黏度為4860 m Pa·s。詳細(xì)的油品屬性見表2。圖1d為油膜區(qū)域的總功率SPAN圖像,盡管此時(shí)風(fēng)速較低(1.6～3.3 m/s),但3種油膜依然清晰可見,圖中自左向右依次為植物油、乳化油和原油,并且在圖中由植物油模擬的生物油膜在視覺上與原油/乳化油無(wú)顯著差別。原油油膜附近的高亮點(diǎn)為實(shí)驗(yàn)協(xié)同船只,圖中方框選取的區(qū)域?qū)⒂糜谙挛臄?shù)據(jù)分析。

表1 實(shí)驗(yàn)數(shù)據(jù)列表Table 1 Experimental data

圖1 溢油區(qū)域及選擇感興趣區(qū)域Fig.1 Oil spill area and selected regions of interest

表2 實(shí)驗(yàn)二中植物油、原油和乳化油的油膜屬性Table 2 Oil film properties of plant oil,crude and emulsion

2 簡(jiǎn)縮極化SAR理論

2.1 簡(jiǎn)縮極化構(gòu)建

簡(jiǎn)縮極化SAR實(shí)質(zhì)上是一種特殊的雙極化SAR。典型的工作方式為發(fā)射左/右旋圓單極化電磁波,然后用水平和垂直雙極化接收。由于目前缺乏真實(shí)的簡(jiǎn)縮極化SAR數(shù)據(jù),大部分研究是利用全極化SAR數(shù)據(jù)重構(gòu)生成簡(jiǎn)縮極化SAR數(shù)據(jù),由極化散射矩陣得到簡(jiǎn)縮極化散射矢量[20]:

式中:下標(biāo)C表示圓極化、下標(biāo)L表示左圓極化、下標(biāo)R表示右圓極化;“+”表示系統(tǒng)發(fā)射左圓極化波(LHC);“-”表示系統(tǒng)發(fā)射右圓極化波(RHC)。

本文采用右旋圓極化發(fā)射,水平和垂直線極化接收的模式。由式(1)可知,右圓極化的簡(jiǎn)縮極化SAR協(xié)方差矩陣表示為

杭州以山水及人文景觀為主要特色，整個(gè)城市彌漫著休閑的氣息，被稱為人間天堂，乾隆帝視其為“禮樂(lè)名邦”。杭州的景觀不論是一級(jí)目錄還是二級(jí)目錄的數(shù)量都以絕對(duì)的優(yōu)勢(shì)遙遙領(lǐng)先，分別為47、89項(xiàng)，山水如云棲、西湖和龍井等，佛寺如靈隱寺、云棲寺和韜光庵等，園林如圣因寺行宮、安瀾園和西湖園林群等，祠廟如岳王廟、表忠觀和陸贄祠等，都吸引了康、乾二帝反復(fù)游覽。

式中:T表示矩陣轉(zhuǎn)置,“*”表示復(fù)共軛,“＜＞”表示空間集平均。

2.2 簡(jiǎn)縮極化H-α分解理論

類似于全極化H-α分解理論,Clonde等于2012年基于協(xié)方差矩陣C2提出了簡(jiǎn)縮極化H-α分解方法[21]:

式中:U2為2×2的可逆矩陣為U2的逆矩陣,該分解能夠得到極化協(xié)方差矩陣的特征值λi和概率p i,并且特征值滿足λ1≥λ2。利用簡(jiǎn)縮極化特征值,可以獲取一系列基于特征值的參數(shù),例如簡(jiǎn)縮極化熵[21]、簡(jiǎn)縮極化比[22]和簡(jiǎn)縮極化基準(zhǔn)高度[23]等。

2.3 m-χ分解理論

簡(jiǎn)縮極化SAR除了用散射矢量與協(xié)方差矩陣表示,還可以使用Stokes矢量表示。Raney等給出了簡(jiǎn)縮極化模式下的Stokes矢量表達(dá)式[24]:

式中:g0表示電磁波總功率;g1表示水平或垂直線極化分量功率值;g2表示傾角為45°或135°時(shí)的線極化分量功率值;g3為右旋圓極化分量的功率值;Re和Im分別表示復(fù)數(shù)的實(shí)部和虛部。

利用Stokes矢量可以得到極化度m、圓度χ和相對(duì)相位δ:

基于此Raney提出了一種基于m-χ的三分量分解方法,其分解公式為

式中:V R、V G和V B分別為偶次散射系數(shù)、體散射系數(shù)和奇次散射系數(shù)。

為分析簡(jiǎn)縮極化SAR特征的溢油檢測(cè)和疑似溢油區(qū)分能力,本文共提取了36種極化特征,詳細(xì)特性見表3。

表3 提取的簡(jiǎn)縮極化特征Table 3 The extracted compact polarization features

3 特征篩選

為了定量地比較36個(gè)極化特征(表3)的溢油檢測(cè)和油膜類型區(qū)分能力,采用歐式距離(D)度量清潔海面和不同油膜之間的對(duì)比度。歐式距離的定義[25]:

式中:m和σ分別表示樣本均值和方差。歐式距離滿足D＞0,歐式距離值越大,表明2種樣本間的可分性越強(qiáng),反之則越難區(qū)分。區(qū)域間的均值差異越大,方差越小,歐式距離越大,可分性越強(qiáng)。

本文以Radarsat-2數(shù)據(jù)為例,根據(jù)圖1中黃色方框選取原油、植物油、乳化油和清潔海面四種區(qū)域的樣本,統(tǒng)計(jì)每個(gè)簡(jiǎn)縮極化特征圖像中各區(qū)域樣本的均值和方差,再根據(jù)式(9)計(jì)算各區(qū)域間的歐氏距離。其中,油膜(原油、植物油、乳化油)與清潔海面之間的歐氏距離用于度量每個(gè)特征的溢油檢測(cè)能力,不同油膜相互之間的歐氏距離用于度量每個(gè)特征的油膜分類能力。

3.1 溢油檢測(cè)

溢油檢測(cè)是基于油膜與清潔海面之間的差異進(jìn)行,差異越大,越容易區(qū)分,故在極化特征圖像中兩者間的歐氏距離越大,代表該特征的溢油檢測(cè)能力越強(qiáng)。圖2分別給出了計(jì)算的植物油與清潔海面(DP-W)、原油與清潔海面(DC-W)以及乳化油與清潔海面(DE-W)間的歐式距離。由圖2可知,大部分特征的DC-W最大,DE-W次之,DP-W最小,并且DC-W和DE-W兩者差異較小,造成此現(xiàn)象的主要原因是原油和乳化油同屬于礦物質(zhì)油,油膜性質(zhì)相近,其對(duì)波浪的抑制作用強(qiáng)于植物油。DC-W、DE-W和DP-W三者都相對(duì)較大的特征:奇次散射系數(shù)V B,簡(jiǎn)縮極化熵H C,C22,總功率Span,矢量g0,特征值λ1,C12和矢量g3等特征具有很好的溢油檢測(cè)能力。其中,奇次散射系數(shù)V B表現(xiàn)最優(yōu),并且在以往的溢油檢測(cè)研究中并未考慮該特征,本文首次提出將奇次散射系數(shù)引入簡(jiǎn)縮極化SAR溢油檢測(cè)中,其定義如下:

由式(10)可知,V B對(duì)表面粗糙度非常敏感,其值越大說(shuō)明目標(biāo)散射機(jī)制中單次散射越強(qiáng)。當(dāng)雷達(dá)波束照射到海水表面時(shí),主要以布拉格散射機(jī)制為主,去極化效應(yīng)弱,極化度m大,單次散射較強(qiáng),V B大。當(dāng)雷達(dá)波束照射到油膜時(shí),其表面以非布拉格散射為主[4],去極化效應(yīng)強(qiáng),極化度m低,單次散射較弱,V B小。基于上述差異,因此奇次散射系數(shù)可以有效地區(qū)分油膜和海水。

圖2 油膜與清潔海面之間的歐氏距離Fig.2 Euclidean distances between oil film and clean seawater

3.2 油膜分類

本文中油膜分類主要是植物油、原油和乳化油三者間的區(qū)分,其中原油和乳化油屬于溢油,植物油模擬生物油膜屬于疑似溢油。圖3分別給出了計(jì)算的原油與植物油(DC-P)、原油與乳化油(DC-E)以及乳化油與植物油(DE-P)間的歐式距離?？梢钥闯?大部分特征下DC-P最大,其次為DE-P,最小為DC-E,并且DC-E最大值小于1,可見原油和乳化油可分性較低,這是由于兩者都是礦物質(zhì)油,性質(zhì)相近的緣故。因此,后續(xù)的油膜分類中首先將原油和乳化油作為一類與植物油區(qū)分。所有特征中,DC-P和DE-P都相對(duì)最大的特征為簡(jiǎn)縮極化熵,DC-E相對(duì)最大的特征為簡(jiǎn)縮極化基準(zhǔn)高度PHC。因此,本文提出利用簡(jiǎn)縮極化熵HC區(qū)分溢油(原油和乳化油)與疑似溢油(植物油);利用簡(jiǎn)縮極化基準(zhǔn)高度區(qū)分乳化油與原油。

圖3 原油、植物油和乳化油三種類型相互間的歐氏距離Fig.3 Euclidean distances among crude,plant oil and emulsion

4 檢測(cè)與分類方法

4.1 基于二叉樹的檢測(cè)與分類方法

圖4 基于簡(jiǎn)縮極化SAR特征和二叉樹原理的溢油檢測(cè)與油膜分類算法流程Fig.4 Flow chart for oil film detection and classification algorithm based on compact polarization SAR feature and binary tree principle

本節(jié)利用奇次散射系數(shù)V B、簡(jiǎn)縮極化熵H C和簡(jiǎn)縮極化基準(zhǔn)高度PH C等簡(jiǎn)縮極化特征,結(jié)合二叉樹原理的對(duì)海上溢油實(shí)驗(yàn)獲取的Radarsat-2 SAR溢油影像進(jìn)行分類:由于奇次散射系數(shù)特征圖像中DC-W、DE-W和DP-W三者都相對(duì)較大,因此,首先利用該特征分割海水和油膜,其中油膜包括原油、乳化油、植物油;再利用DC-P和DE-P都相對(duì)最大的簡(jiǎn)縮極化熵HC識(shí)別溢油與疑似溢油,其中溢油包括原油和乳化油,疑似溢油為植物油;最后利用DC-E最大的簡(jiǎn)縮極化基準(zhǔn)高度PHC區(qū)分原油和乳化油。每一次分類過(guò)程只得到2種類別,依次逐步分類,直到把所有油膜類型都區(qū)分出來(lái)。相較于一次區(qū)分多種類別的方法,這種方法可有效提高分類精度。圖4為本文提出的基于簡(jiǎn)縮極化SAR特征和二叉樹原理的溢油檢測(cè)與油膜分類算法流程圖。

4.2 溢油檢測(cè)結(jié)果

本文算法的第一步為溢油檢測(cè),即區(qū)分油膜和清潔海面,提取出油膜區(qū)域。主要使用閾值分割法對(duì)溢油進(jìn)行檢測(cè),閾值是通過(guò)最大類間方差法(OTSU)[19]確定。圖5和圖6分別為Radarsat-2數(shù)據(jù)和SIR-C數(shù)據(jù)中簡(jiǎn)縮極化奇次散射系數(shù)的特征圖像以及溢油檢測(cè)結(jié)果。特征圖像中油膜與清潔海面有明顯的目視差異,這說(shuō)明該奇次散射系數(shù)VB能夠用于溢油檢測(cè)。從檢測(cè)結(jié)果圖像中可知,VB能夠突出溢油區(qū)域,增大溢油與海雜波的差異,同時(shí)也能夠有效地保持油膜邊緣細(xì)節(jié)。

圖5 基于奇次散射系數(shù)對(duì)Radarsat-2數(shù)據(jù)進(jìn)行溢油檢測(cè)的結(jié)果Fig.5 Oil spill detection results for Radarsat-2 data based on odd-order scattering coefficients

圖6 基于奇次散射系數(shù)對(duì)SIR-C數(shù)據(jù)進(jìn)行溢油檢測(cè)的結(jié)果Fig.6 Oil spill detection results for SIR-C data based on odd-order scattering coefficients

為對(duì)檢測(cè)結(jié)果進(jìn)行精度評(píng)價(jià),本文依據(jù)文獻(xiàn)[19]和文獻(xiàn)[26]中記載的現(xiàn)場(chǎng)實(shí)驗(yàn)信息確定溢油類型和油膜中心位置,再結(jié)合專家經(jīng)驗(yàn)知識(shí)對(duì)分別對(duì)圖5和圖6中的溢油區(qū)域進(jìn)行目視解譯,將各數(shù)據(jù)的溢油檢測(cè)結(jié)果與專家目視解譯結(jié)果進(jìn)行逐像元精確判定,得到溢油檢測(cè)精度(表4),其中由于圖6a中油膜分布不集中,文中僅對(duì)聯(lián)通面積較大區(qū)域進(jìn)行精度評(píng)價(jià)。由表4中可知,PR44327(圖6c)的溢油檢測(cè)精度最高為95.67%,所有檢測(cè)結(jié)果的平均檢測(cè)精度為92.61%。結(jié)合4景數(shù)據(jù)的檢測(cè)結(jié)果,可以看出簡(jiǎn)縮極化特征奇次散射系數(shù)V B在溢油檢測(cè)中具有很大的應(yīng)用潛力。

表4 基于簡(jiǎn)縮極化奇次散射系數(shù)的溢油檢測(cè)精度Table 4 Oil spill detection accuracy of odd-order scattering coefficients

4.3 油膜分類結(jié)果

將提取的油膜區(qū)域(圖5b)對(duì)油膜區(qū)域進(jìn)行分類:首先我們對(duì)提取的油膜區(qū)域像素利用簡(jiǎn)縮極化熵H C區(qū)分植物油與原油/乳化油,也即疑似溢油的鑒別。分類結(jié)果如圖7a所示,為了便于觀察,我們將分割后的植物油和乳化油/原油區(qū)域以不同顏色置于一幅圖中,綠色主要為植物油,紅色主要為乳化油/原油,圖中植物油和乳化油/原油絕大部分區(qū)域被分割開,僅有少數(shù)乳化油/原油區(qū)域邊緣被分為植物油,這可能是由于邊緣區(qū)域油膜較薄,在圖像中此區(qū)域的特征與植物油相近的緣故。然后,基于上述提取的紅色區(qū)域再利用簡(jiǎn)縮極化基準(zhǔn)高度PH C區(qū)分乳化油和原油。結(jié)果如圖7b所示,同樣的將兩者以不同顏色置于一幅圖中,白色主要為乳化油,紅色主要為原油,圖中白色與紅色混疊,沒(méi)有明顯的劃分,這可能是由于原油和乳化油同屬于礦物質(zhì)油、性質(zhì)相近的緣故,總體分類結(jié)果見圖7c。

圖7 分類方法的油膜分類結(jié)果Fig.7 Oil film classification results of proposed classification method

為進(jìn)行對(duì)比分析,將本文分類方法與經(jīng)典的Wishart極化SAR監(jiān)督分類方法結(jié)果進(jìn)行比較,后者結(jié)果見圖8。圖8a中紅色為油膜,黑色為清潔海面,紫色為船只,其中原油/乳化油的檢測(cè)結(jié)果基本與圖5b相同,但植物油僅有部分與清潔海面分離,效果不及本文提出的基于奇次散射系數(shù)的溢油檢測(cè)結(jié)果。圖8b中,綠色主要為植物油,紅色主要為原油/乳化油,可知植物油與清潔海面混淆較為嚴(yán)重。對(duì)比圖7a和圖8b,可知在植物油與原油/乳化油的區(qū)分上,本文提出的分類方法優(yōu)于Wishart極化SAR監(jiān)督分類方法。圖8c中綠色主要為植物油,白色主要為乳化油,紅色主要為原油,黑色主要為清潔海面,對(duì)比圖7c可以看出2種方法的分類結(jié)果中,原油與乳化油混淆較為嚴(yán)重,但總體上本文的分類方法受海面的影響較小。

圖8 基于Wishart極化SAR監(jiān)督分類方法的油膜分類結(jié)果Fig.8 Classification results of wishart Pol-SAR supervised classification

為對(duì)2種分類方法進(jìn)行定量的評(píng)價(jià),本文采用逐像元判別的方式計(jì)算分類精度。文中采用的Radarsat-2數(shù)據(jù)來(lái)自衛(wèi)星同步的海上溢油實(shí)驗(yàn),文獻(xiàn)[26]詳細(xì)介紹了實(shí)驗(yàn)過(guò)程,乳化油,植物油和原油的布放時(shí)間分別為6月7日12:15,6月8日04:10和08:23,衛(wèi)星過(guò)境時(shí)刻(17:27)實(shí)驗(yàn)精確記錄了3種油膜中心位置,根據(jù)航拍圖像及各油膜中心位置給出粗略人工分類結(jié)果。本文基于上述實(shí)驗(yàn)的觀測(cè)信息和專家經(jīng)驗(yàn)知識(shí),對(duì)圖1作了高精度的溢油類型專家解譯圖(圖9),圖中綠色為植物油,白色為乳化油,紅色為原油,黑色為清潔海面。下文以此溢油類型專家解譯圖,對(duì)本算法進(jìn)行了定量評(píng)價(jià)。

圖9 溢油類型專家解譯結(jié)果Fig.9 Oil spill types from expert interpretation

參照溢油類型專家解譯圖(圖9),對(duì)溢油分類結(jié)果圖7c和圖8c中所有像元進(jìn)行逐點(diǎn)精確判定,得到本文分類方法和Wishart極化SAR監(jiān)督分類方法的溢油分類精度(表5和表6)。由表5和表6可知,在本文提出的溢油分類方法中,清潔水面的識(shí)別精度最高,精度達(dá)到96.24%,而Wishart監(jiān)督分類中植物油與清潔海面的混淆較為嚴(yán)重,精度僅為83.57%;本文分類方法的植物油識(shí)別精度可達(dá)到95.71%,優(yōu)于Wishart監(jiān)督分類方法的93.59%;然而對(duì)于原油和乳化油的區(qū)分,2種方法的精度均不理想,乳化油的分類精度分別為63.21%和65.40%,原油的分類精度分別為56.62%和50.56%,這可能是原油和乳化油成分相似,性質(zhì)相近的緣故。此外,考察兩種分類方法的結(jié)果可知,原油和乳化油區(qū)域邊緣與植物油發(fā)生混淆,這可能是由于邊緣區(qū)域油膜較薄,在圖像中此區(qū)域的特征與植物油相近的緣故,但兩者主體部分有明顯的區(qū)分?？傊?本文的分類方法優(yōu)于Wishart極化SAR監(jiān)督分類方法。

表5 本文提出方法的分類結(jié)果混淆矩陣(%)Table 5 Confusion matrix of proposed classification method(%)

表6 Wishart極化SAR監(jiān)督分類的混淆矩陣(%)Table 6 Confusion matrix of Wishart supervised classification(%)

綜上所述,我們提出的基于簡(jiǎn)縮極化SAR特征和二叉樹原理的溢油檢測(cè)與油膜分類算法可以準(zhǔn)確的區(qū)分海水和疑似溢油,由于目前沒(méi)有能夠有效區(qū)分原油和乳化油的簡(jiǎn)縮極化特征,所以最終實(shí)驗(yàn)結(jié)果中原油和乳化油發(fā)生混淆,分類精度低。本文引入的簡(jiǎn)縮極化特征奇次散射系數(shù)在溢油檢測(cè)中具有較大優(yōu)勢(shì),以及簡(jiǎn)縮極化熵在過(guò)濾生物油膜中具有很大的應(yīng)用潛力;利用奇次散射系數(shù)和簡(jiǎn)縮極化熵,結(jié)合二叉樹分類思想的溢油分類方法能夠有效地檢測(cè)溢油并過(guò)濾疑似溢油。

5 結(jié) 語(yǔ)

簡(jiǎn)縮極化SAR作為極化SAR新興的方向,在大范圍海洋溢油檢測(cè)方面具有很大的應(yīng)用潛力。為了更好地利用簡(jiǎn)縮極化SAR進(jìn)行海洋溢油檢測(cè),我們針對(duì)簡(jiǎn)縮極化SAR溢油檢測(cè)特征篩選問(wèn)題和簡(jiǎn)縮極化SAR溢油油膜分類應(yīng)用開展研究。首先,本文利用簡(jiǎn)縮極化SAR數(shù)據(jù)提取了常用的36個(gè)簡(jiǎn)縮極化特征,并且基于特征圖像中原油、植物油、乳化油和清潔海面四種區(qū)域間的歐氏距離,分別篩選出溢油檢測(cè)和油膜類型區(qū)分的最優(yōu)特征;然后,利用全極化SIR-C和Radarsat-2數(shù)據(jù)生成的模擬簡(jiǎn)縮極化SAR數(shù)據(jù),對(duì)本文提出的基于簡(jiǎn)縮極化特征和二叉樹原理的溢油檢測(cè)與分類方法的有效性進(jìn)行評(píng)估。實(shí)驗(yàn)結(jié)果表明,本文中的簡(jiǎn)縮極化特征奇次散射系數(shù)能有效區(qū)分油膜和清潔海面,具有很大的溢油檢測(cè)應(yīng)用潛力;利用奇次散射系數(shù)和簡(jiǎn)縮極化熵,結(jié)合二叉樹分類思想的溢油分類方法能有效過(guò)濾疑似溢油。對(duì)比分析多種簡(jiǎn)縮極化SAR特征為溢油監(jiān)測(cè)極化特征的選擇提供了參考,提出的溢油檢測(cè)與分類方法對(duì)溢油的檢測(cè)精度可達(dá)95.67%,對(duì)于疑似溢油的識(shí)別精度可達(dá)95.71%,該方法的應(yīng)用有助于提高極化SAR溢油監(jiān)測(cè)能力。