基于合成孔径雷达回波信号的海洋溢油监测方法研究

海洋油污染是各类海洋污染中最常见、分布面积最广且危害程度最大的污染之一。近年来，海洋特别是近海人类活动频繁，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。研究采用MatLAB工具，通过图像预处理(图像校正和增强)、特征提取和神经网络识别等方法，对合成孔径雷达(SAR)海洋溢油图像进行处理，最终期望实现半自动区分SAR图像上各类目标，并进行多种神经网络方法效果比较。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。通过输出图像分析发现，神经网络能对SAR海洋溢油图像中溢油、海水、土地3类目标进行明确分类，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3类，提高图像处理的全面性，同时通过比较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。