[发明专利]基于特征值的SAR图像溢油识别方法

说明书

技术领域

本发明涉及一种溢油识别方法，尤其涉及一种基于特征值的SAR图像溢油识别方法。

背景技术

在所有海洋上都能发现浮油，一些大规模和小规模的现象都与浮油有关，例如改变脆弱的海气平衡或者海洋生态系统相互作用造成的本地污染导致了气候变化。我们通常利用卫星遥感和雷达等技术手段，实现检测和鉴定事故或故意排放造成的浮油，尤其是合成孔径雷达(SAR)可以独立使用于日间天气条件下。SAR是唯一被部署用来执行跟踪监测海上溢油的日常任务，许多溢油事故的监测结果证明了这种遥感器的日夜、全天候海上溢油监测的能力。但是溢油不是SAR能监测到的唯一现象。在一些情况下，海面的自然现象会干扰SAR图像的表现形式或者产生类似溢油现象的假目标(即相似物，如：风擦痕面、表面流、内波、生物浮油、低风速区、雨区、低后向散射的沙坡等造成的暗色区域)。因此，需要提出一种方法可以从SAR图像中识别暗区是否为溢油。

发明内容

本发明针对以上问题的提出，而研制一种基于特征值的溢油识别方法，利用此方法可以从SAR图像中解析并识别出暗区是否为溢油，便于计算机实现。本发明的技术实现手段如下：

一种基于特征值的SAR图像溢油识别方法，其特征在于包括如下步骤：

a、选取待识别的SAR图像，截取SAR图像中待判目标物的有效区域，即截取图像的目标区及其附近的有限区域背景作为待处理对象；

b、用改进的C-V模型对图像进行边缘检测确定目标边界，提取目标边界，即识别暗区；

c、提取目标，将目标物与背景分离后，对目标的特征值进行提取并进行量算，具体特征值的量算如下：

①.边界外亮度标准差比：暗区外的雷达平均后向散射强度与其标准差之比；

②.边界外雷达后向散射：在目标区外的一个限定区域内的雷达界面后向散射均值；

③.暗区雷达后向散射：区域内灰度平均值；

④.暗区标准差：暗区内后向散射标准差；

⑤.标准差比：暗区内外后向散射标准差之比；

⑥.形状因数：区域内灰度在其纵向轴上的离差；

⑦.亮度比：暗区内部以及外部限定区域内的后向散射均值的比率；

⑧.暗区亮度标准差比：暗区内部后向散射强度与灰度标准差之比；

上述求得的特征值组成向量x，x＝[x1，x2，...xi]^T  (i＝8)；

d、采用Mahalanobis距离和复合概率法对目标物进行识别：

首先将目标物的特征与已知的溢油模板相比较，已知图像目标区的特征向量x＝[x₁，x₂，…，x_i]^T，i为步骤c中特征值的个数，x_i是步骤c中进行量算的特征值，特征向量m_j(j＝1，2)为两个已知的分类即溢油和“相似物”，先求出特征向量x的协方差矩阵然后根据公式r²_j＝(x-m_j)^TC^-1(x-m_j)求出图像目标区的特征向量x同已知的分类即溢油和“相似物”的特征向量m_j(j＝1，2)之间的Mahalanobis距离；