[发明专利]一种海面油膜识别方法

说明书

技术领域

本发明涉及图像分析和识别方法，具体涉及一种海面油膜识别方法。 

背景技术

海洋资源是我国自然资源的主要组成部分，伴随着海洋资源的不断开发，海上溢油已经成为一个日益严重的问题。海上溢油污染在海面大多数以海面油膜的形式存在。海面油膜会使得海洋生产力降低，同时破坏海洋的生态平衡。因此能否准确及时的检测海上溢油已经变得越来越重要。遥感技术已经成为检测海面溢油的主要方法之一，而其中卫星遥感和航空遥感是目前普遍采用的方法。卫星遥感主要以合成孔径雷达（Synthetic Aperture Radar，简称SAR）为主。它可以根据油膜特性导致的黑色斑块特征来判断是否存在溢油。然而，并不是所有黑色斑块特征都是油膜造成。有些是其他自然现象造成。比如例如低风速雨区、自然油膜、背风区、海藻。因此，为了更精确的监测油膜，迫切需要一种识别航空遥感海面油膜的方式，进行对具有类似现象的区域进行进一步的识别。 

发明内容

本发明的目的在于提供一种识别航空遥感海面油膜的方法。气候的变化会影响水面的颜色和形状，比如光线的改变会影响成像后水面的亮度；风向的改变会影响成像后水面的形状。因此，颜色和形状都不是识别油膜的鉴别性特征。油滴是从中心开始扩散的，因此油污表面会出现很多一圈一圈的形状，这种形状会在水面成像的纹理上体现出来。本发明是根据图像的黑像素连续度、黑像素连续度的角度粒度和像素变换粒度密度三方面的特征来提取图像特征，进行油膜的识别。当海面油膜出现时，根据水面的这些特征的改变差异进行数字化比较，来识别区分油膜和非油膜。 

为了达到上述目的，本发明通过以下技术方案实现： 

一种海面油膜识别方法，其特点是，该识别方法包含如下步骤：

步骤1，收集并处理多个原始航拍油膜图像、原始非油膜图像形成多个样本图像存入图像库。

步骤2，将上述的每个样本图像经二值化处理、去噪处理形成黑白样本图像并存入油膜识别特征数据库。 

步骤3，将上述的每个黑白样本图像经计算处理获得a个特征值，并将上述的a个特征值存入上述的油膜识别特征数据库。 

步骤4，将被识别测试图像进行处理形成被识别测试黑白图像，并计算、提取该被识别测试黑白图像的a个特征值。 

步骤5，将上述的被识别测试黑白图像的a个特征值分别与上述的油膜识别特征数据库内的所有黑白样本图像的a个特征值比对、筛选，提取与被识别测试图像的a个特征值相似程度大的a组黑白样本图像，每组图像个数大于1并且小于所有样本图像总数。 

步骤6，将上述的a组黑白样本图像生成图像集合，并根据与上述的被识别测试图像的每个特征值相似程度的大小对上述的图像集合进行排序生成a组排序图集。 

步骤7，根据上述的被识别测试图像的特征值的权重值、上述的a组排序图集中每个黑白样本图像的排序位置，计算并得出上述的图像集合中每个黑白样本图像与该被识别测试图像的相似程度。 

步骤8，将上述的图像集合中所有黑白样本图像的相似程度进行排序，根据相似程度最大的黑白样本图像对应的上述的图像库内的原始图像的属性对上述的被识别测试图像进行判断；当该原始图像为油膜时，该被识别测试图像即为油膜图像；当该原始图像为非油膜图像时，该被识别测试图像为非油膜图像。 

上述的海面油膜识别方法，其特点是，上述的步骤3包含如下步骤： 

步骤3.1，上述的每个黑白样本图像根据下述黑像素连续度公式计算，获取该黑白样本图像的多个黑像素连续度 、多个黑像素连续度均值及多个黑像素连续度方差。

其中，--图像的像素点，为全黑像素，否则为； 

--图像像素的倾角方向，分别为0°，45°，90°，135°；

--以像素点为中心，前后对称的像素值为1的像素点组成区间的半径的值；

，--像素的位置信息；

其中，D--方向上黑像素连续度的值点的集合;

s--方向上黑白样本图像的黑像素连续度非零值的像素点的个数。

步骤3.2，上述的每个黑白样本图像根据下述黑像素连续度的角度粒度均值、方差公式计算，获取该黑白样本图像的多个黑像素连续度的角度粒度的均值、，方差、。 

其中，--正交相关粒度。 

D—方向，上黑像素连续度的值至少一个非零值的点的集合；