一种基于基团光谱特征的海洋溢油乳化物遥感识别方法技术

本发明专利技术涉及一种基于基团光谱特征的海洋溢油乳化物遥感识别方法，利用油水乳化物基团(‑CH、‑OH)引起的独特的光谱特征及其分布模式，实现在高光谱影像中快速、准确、有效地识别不同类型油水乳化物，并实现分类。本发明专利技术与传统观测手段相比，能够提供及时高效的指导信息，无需浪费大量的人力物力，只需基于准确辐射校正和大气校正的高光谱遥感反射率影像，便能准确的识别、分类不同类型海洋溢油乳化物，同时有效避免误判为马尾藻(马尾藻在目视特征和光谱形态特征上与某些溢油乳化物相似，在本发明专利技术说明书中给出实例加以说明)。该方法能满足溢油监测的需求，提高溢油污染治理的工作效率。

A remote sensing identification method for marine oil spill emulsion based on spectral characteristics of groups

The present invention relates to a remote sensing recognition method for oil spill emulsifiers based on group spectral characteristics. By using the unique spectral characteristics and distribution patterns caused by oil-water emulsifier groups (CH, OH), different types of oil-water emulsifiers can be quickly, accurately and effectively identified and classified in hyperspectral images. Compared with traditional observation methods, the present invention can provide timely and efficient guidance information without wasting a lot of manpower and material resources, and can accurately identify and classify different types of marine oil spill emulsifiers by using hyperspectral remote sensing reflectance images based on accurate radiation correction and atmospheric correction, while effectively avoiding misjudgement as cauda equina. Algae (Sargassum is similar to some oil spill emulsifiers in visual and spectral morphological characteristics, and illustrated by examples in the specification of the invention). This method can meet the needs of oil spill monitoring and improve the efficiency of oil spill pollution control.

【技术实现步骤摘要】
一种基于基团光谱特征的海洋溢油乳化物遥感识别方法
本专利技术涉及遥感海洋溢油监测
，特别是涉及一种基于基团光谱特征的不同类型海洋溢油乳化物高光谱遥感识别与分类方法。
技术介绍
据不完全估算，海洋溢油事件的47％来源于人类活动，发生在包括石油开采、加工、运输等诸多过程中，由此带来的溢油污染会严重危害海洋生态环境，引起巨大的经济损失。此外，在风、浪、流等因素的综合影响下，溢油污染还会对海水、海表大气、海底、海岸带等产生大范围、长时间的危害。如美国墨西哥湾2010年深海油井溢油事故、2010年中国大连新港溢油事件，都引起巨大的环境、经济损失。海洋溢油事故发生时，在海洋动力作用下，溢油与水混合，会形成稳定或者不稳定的(油包水相或水包油相)的油水混合物(油水乳化物)。其中，油包水相溢油乳化物是指海水以小液滴的形式分散存在于连续的原油中。水包油相溢油乳化物是连续的海水中存在分散的原油小液滴。油包水乳化物一旦形成，则更加难以清除和回收，现有表面活性剂和溢油回收设备等都无法有效的发挥作用，其对海洋环境的危害更为显著。溢油乳化物在目视特征上表现为棕色、橘黄色或黄色的“巧克力冻”、“慕斯”条带状物质，这与海洋中马尾藻极其相似。在反射光谱形态上，马尾藻不是唯一能够抬升红边反射率的海洋有机物，海洋溢油乳化物也会导致近红外波段反射率的抬升，却不是由于红边效应；溢油乳化物与马尾藻目视特征和光谱特征的相似性进一步增加了两者识别和分类的难度。高光谱遥感技术是20世纪90年代后期才趋于成熟的新型光学遥感前沿技术，高光谱遥感影像蕴含着近似连续的地物光谱信息，精细的光谱分辨率使其能够探测出诊断性光谱吸收特征，从而反映地物间的细微差异。不同类型溢油乳化物的基团和马尾藻的叶绿素、细胞壁等在其各自的光谱曲线中产生了独特的吸收特征，这些特征以峰谷的形式呈现，峰谷的位置和数值提供了足够的信息来探测识别不同目标物。因此，准确及时地识别不同类型的溢油乳化物并与马尾藻区分，应用于海洋溢油污染治理工作，对于海洋溢油污染监测具有重要的现实意义。
技术实现思路
本专利技术要解决的技术问题是：针对溢油污染区域难以人为进入监测，水色背景噪声大，不同溢油乳化物与马尾藻目视特征相同、光谱形态相似、目前难以区分的问题，本专利技术结合高光谱遥感影像，通过对不同类型溢油乳化物或马尾藻各自独有基团的特征光谱检测，实现对其识别与分类(区分)，对于海洋溢油污染监测具有重要意义。为了解决以上技术问题，本专利技术提供的基于基团光谱特征的海洋溢油乳化物遥感识别方法，包括以下步骤：步骤1、数据预处理对高光谱遥感影像数据进行预处理，获得高光谱反射率数据；步骤2、光谱信息增强对高光谱反射率数据进行背景水体光谱差值计算，逐像元减去背景水体光谱，削弱背景水色的影响；对高光谱反射率数据进行归一化处理，得到归一化的反射率值；步骤3、基团特征光谱检测不同类型溢油乳化物与马尾藻的特征基团在高光谱曲线中是以不同的峰谷点分布模式的形式存在。高光谱曲线的峰谷信息是区分不同种类物质的指示性光谱特征，相同的物质具有相似的峰谷点分布模式，不同的物质峰谷点分布模式则差异明显。针对每个像元，检测其光谱曲线的波峰和波谷作为基团特征点(利用两次差分计算，能够提取出光谱曲线中的峰谷点位置)，基团特征点数据存储为[pos,pk,value]，pos为所检测基团特征点的光谱波长，pk为峰谷标识，value为归一化的反射率值，每个像元的基团特征点数据构成该像元的特征光谱数据；步骤4、计算相似匹配度阈值选取溢油乳化物的多条典型特征光谱数据作为训练样本，所述溢油乳化物的典型特征光谱数据是指确定为溢油乳化物的光谱经过上述步骤1-3所获得的特征光谱数据，进一步利用[pos,pk,value]中的峰谷标识pk，将每条典型特征光谱数据分为波峰特征点光谱数据peak和波谷特征点光谱数据trough,利用下述公式计算两两光谱特征数据之间的相似匹配度ε：ε＝|dF(peakf，peakg)-dF(troughf，troughg)|式中,dF(peakf，peakg)为两条特征光谱数据的波峰特征点光谱数据peakf和peakg之间的离散Fréchet距离，dF(troughf，troughg)为两条特征光谱数据的波谷特征点数据troughf和troughg之间的离散Fréchet距离；离散Fréchet距离考虑了曲线上点的数值和分布模式，能有效地计算出曲线之间的相似度，离散Fréchet距离的计算模型涉及到参数m、n和Q，其中，Q＝max(m,n)；计算dF(peakf，peakg)时，m,n分别为两条特征光谱曲线的波峰特征点数量；计算dF(troughf，troughg)时，m,n分别为两条特征光谱曲线的波谷特征点数量；计算得到的相似匹配度的最大值作为相似匹配度阈值ε0；基于离散Fréchet距离的相似匹配度计算方法区别于常见的相似度计算方法，会考虑曲线上点的数值和分布模式，不仅计算了数值的差异，也考虑了曲线间的形态相似性；在此基础上，本专利技术提出的基于离散Fréchet距离的相似匹配度计算方法，还兼顾了峰点与谷点的差异(反射光谱曲线的峰谷形成原因不同)。步骤5、溢油乳化物的识别与分类计算待识别分类影像中每个像元的特征光谱数据与训练样本的平均光谱数据之间的相似匹配度，如果相似匹配度大于相似匹配度阈值，则该像元为海洋溢油乳化物，将判定为海洋溢油乳化物的像元进行合并，即得到识别结果。本专利技术具有如下有益效果：本专利技术借助高光谱影像包含的精细特征光谱信息，基于不同类型溢油乳化物各自独有的基团特征光谱，并区别于马尾藻的特征光谱，能够有效识别出不同类型溢油乳化物，并消除目视特征相同、光谱形态相似导致的误判现象。实际效果表明，本专利技术能够降低溢油区监测的时间、人力和物力成本，保证监测精度，提高实时监测效率。本专利技术的应用实例也能进一步增强高光谱遥感技术在海洋溢油油膜污染监测应用的普及性和有效性，可以更好地服务于海洋环境监测、海洋溢油污染评估、海洋溢油量估算与溢油污染定损索赔等海洋应用行业。附图说明图1为本专利技术流程示意图。图2为不同类型溢油乳化油区以及马尾藻区影像。图3-a为马尾藻原始光谱。图3-b为马尾藻背景水体差值光谱。图3-c为马尾藻归一化光谱。图4-a为水包油乳化物原始光谱。图4-b为水包油乳化物归一化光谱。图4-c为油包水乳化物原始光谱。图4-d为油包水乳化物归一化光谱。图5为本专利技术基团特征光谱检测结果示意图。图6为本专利技术训练-识别的归一化相似度指数示意图。图7为本专利技术溢油乳化物、马尾藻识别结果图。图8为本专利技术不同类型溢油乳化物分类结果图。具体实施方式下面结合附图对本专利技术的较佳实施例进行详细阐述，以使本专利技术的优点和特征能更易于被本领域技术人员理解，从而对本专利技术的保护范围做出更为清楚明确的界定。本实施例应用于4景AVIRIS机载高光谱影像数据，光谱范围350-2400nm，光谱分辨率为10nm；区域1-3为不同类型溢油乳化物研究区，区域4为马尾藻研究区；对上述4景高光谱影像实施本专利技术，类间(溢油乳化物与马尾藻)区分识别、类内(两种类型溢油乳化物)区分识别效果均精确；基于本专利技术对马尾藻区给出区分结果图以说明本专利技术在不同溢油乳化物识别分类上不会误判为其他还要物质，说明本文档来自技高网...

【技术保护点】
1.一种基于基团光谱特征的海洋溢油乳化物遥感识别方法，包括以下步骤：步骤1、数据预处理对高光谱遥感影像数据进行预处理，获得高光谱反射率数据；步骤2、光谱信息增强对高光谱反射率数据进行背景水体光谱差值计算，逐像元减去背景水体光谱，削弱背景水色的影响；对高光谱反射率数据进行归一化处理，得到归一化的反射率值；步骤3、基团特征光谱检测针对每个像元，检测其光谱曲线的波峰和波谷作为基团特征点，基团特征点数据存储为[pos,pk,value]，pos为所检测基团特征点的光谱波长，pk为峰谷标识，value为归一化的反射率值，每个像元的基团特征点数据构成该像元的特征光谱数据；步骤4、计算相似匹配度阈值选取溢油乳化物的多条典型特征光谱数据作为训练样本，所述溢油乳化物的典型特征光谱数据是指确定为溢油乳化物的光谱经过上述步骤1‑3所获得的特征光谱数据，进一步利用[pos,pk,value]中的峰谷标识pk，将每条典型特征光谱数据分为波峰特征点光谱数据peak和波谷特征点光谱数据trough,利用下述公式计算两两光谱特征数据之间的相似匹配度ε：ε＝|dF(peakf，peakg)‑dF(troughf，troughg)|式中,dF(peakf，peakg)为两条特征光谱数据的波峰特征点光谱数据peakf和peakg之间的离散Fréchet距离，dF(troughf，troughg)为两条特征光谱数据的波谷特征点数据troughf和troughg之间的离散Fréchet距离；离散Fréchet距离的计算模型涉及到参数m、n和Q，其中，Q＝max(m,n)；计算dF(peakf，peakg)时，m,n分别为两条特征光谱曲线的波峰特征点数量；计算dF(troughf，troughg)时，m,n分别为两条特征光谱曲线的波谷特征点数量；计算得到的相似匹配度的最大值作为相似匹配度阈值ε0；步骤5、溢油乳化物的识别与分类计算待识别分类影像中每个像元的特征光谱数据与训练样本的平均光谱数据之间的相似匹配度，如果相似匹配度大于相似匹配度阈值，则该像元为海洋溢油乳化物，将判定为海洋溢油乳化物的像元进行合并，即得到识别结果。...

【技术特征摘要】
1.一种基于基团光谱特征的海洋溢油乳化物遥感识别方法，包括以下步骤：步骤1、数据预处理对高光谱遥感影像数据进行预处理，获得高光谱反射率数据；步骤2、光谱信息增强对高光谱反射率数据进行背景水体光谱差值计算，逐像元减去背景水体光谱，削弱背景水色的影响；对高光谱反射率数据进行归一化处理，得到归一化的反射率值；步骤3、基团特征光谱检测针对每个像元，检测其光谱曲线的波峰和波谷作为基团特征点，基团特征点数据存储为[pos,pk,value]，pos为所检测基团特征点的光谱波长，pk为峰谷标识，value为归一化的反射率值，每个像元的基团特征点数据构成该像元的特征光谱数据；步骤4、计算相似匹配度阈值选取溢油乳化物的多条典型特征光谱数据作为训练样本，所述溢油乳化物的典型特征光谱数据是指确定为溢油乳化物的光谱经过上述步骤1-3所获得的特征光谱数据，进一步利用[pos,pk,value]中的峰谷标识pk，将每条典型特征光谱数据分为波峰特征点光谱数据peak和波谷特征点光谱数据trough,利用下述公式计算两两光谱特征数据之间的相似匹配度ε：ε＝|dF(peakf，peakg)-dF(troughf，troughg)|式中,dF(peakf，peakg)为两条特征光谱数据的波峰特征点光谱数据peakf和peakg之间的离散Fréchet距离，dF(troughf，troughg)为两条特征光谱数据的波谷特征点数据troughf和troughg之间的离散Fréchet距离；离散Fréchet距离的计算模型涉及到参数m、n和Q，其中，Q＝max(m,n)；计算dF(peakf，peakg)时，m,n分别为两条特征光谱曲线的波峰特征点数量；计算dF(troughf，troughg)时，m,n分别为两条特征光谱曲线的波谷特征点数量；计算得到的相似匹配度的最大值作为相似匹配度阈值ε0；步骤5、溢油乳化物的识别与分类计算待识别分类影像中每个像元的特征光谱数据与训练样本的平均光谱数据之间的相似匹配度，如果相似匹配度大于相似匹配度阈值，则该像元为海洋溢油乳化物，将判定为海洋溢油乳化物的像元进行合并，即得到识别结果。2.根据权利要求1所述的基于基团光谱特征的海洋溢油乳化物遥感识别方法，其特征在于：所述步骤1中，所述高光谱遥感影像数据的波段范围包含400-2...

【专利技术属性】
技术研发人员：焦俊男，石静，陆应诚，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏,32