舒遲,宋莎莎
(1.煙臺(tái)海事局, 山東 煙臺(tái) 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(duì)SAR海面溢油做過長(zhǎng)期的持續(xù)性研究,或參與SAR溢油監(jiān)測(cè)系統(tǒng)研制的主要團(tuán)隊(duì)有:Solberg團(tuán)隊(duì)、Fiscella團(tuán)隊(duì)、Topouzelis團(tuán)隊(duì)、Singha團(tuán)隊(duì)。Solberg團(tuán)隊(duì)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(tuán)隊(duì)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(tuán)隊(duì)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(gè)數(shù)也較穩(wěn)定[2]。Topouzelis于2003年首次嘗試?yán)胑Cognition算法對(duì)SAR圖像暗目標(biāo)分割,并用12個(gè)特征和模糊邏輯分類器進(jìn)行溢油識(shí)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(gè)特征參數(shù)的特征集合。Singha團(tuán)隊(duì)在基于決策樹進(jìn)行溢油識(shí)別研究中,特征參數(shù)選用幾何特征為23個(gè),灰度特征為5個(gè),并增加了8個(gè)紋理特征和5個(gè)空間特征[4]。綜上,同一研究團(tuán)隊(duì)在使用相同的分類器時(shí),選用的特征參數(shù)一般變化不大。
由于海洋環(huán)境復(fù)雜、海面大氣影響,水體對(duì)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(shí)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(duì)海面油膜信息的遙感探測(cè)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)。
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(huì)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。
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(tuán)、鋒面、大氣重力波等。
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(gè)像素的集合作為一個(gè)整體來對(duì)待,對(duì)于分割出來的每個(gè)目標(biāo)個(gè)體,通過計(jì)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(gè)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(duì)SAR海面溢油檢測(cè)的各種自動(dòng)或半自動(dòng)算法被實(shí)踐檢驗(yàn)。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(jì)算每個(gè)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(duì)目標(biāo)類別進(jìn)行判斷。
基于煙臺(tái)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(jì)學(xué)角度觀測(cè)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
幾何特征參數(shù)是對(duì)暗目標(biāo)幾何形狀的度量,在SAR溢油文獻(xiàn)中使用較為廣泛的幾何特征包括:面積、周長(zhǎng)、歸一化周長(zhǎng)面積比、目標(biāo)的不對(duì)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(zhǎng)、歸一化周長(zhǎng)面積比上差別不顯著。溢油樣本的不對(duì)稱性明顯高于疑似現(xiàn)象。
灰度特征參數(shù)是針對(duì)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(jì)算的統(tǒng)計(jì)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(duì)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。
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(duì)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(xiàn)中采用的紋理特征包括基于灰度共生矩陣的角二階矩、對(duì)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(jì)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(shí)驗(yàn)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(cè)系統(tǒng)研制過程中,在重視灰度特征和幾何特征的同時(shí),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(xiàng)指標(biāo)。
通過對(duì)樣本庫中影像樣本進(jìn)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(duì)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(shí)踐工作中可以參考。