一种基于活动轮廓模型的船载雷达图像海上油膜识别方法技术

本发明专利技术公开了一种基于活动轮廓模型的船载雷达图像海上油膜识别方法，包括步骤有：对含有海杂波的船载雷达原始图像进行降噪预处理；应用基于区域的活动轮廓模型—LBF模型，进行油膜的初步识别；及应用斑点噪声阈值与最小可识别油膜面积阈值法，对海上油膜进行准确识别。本发明专利技术通过对原始图像进行降噪预处理，降低了误判海上溢油的概率，提高了活动轮廓模型在雷达图像油膜识别过程中的工作效率。通过调整设置LBF模型参数使活动轮廓模型溢油监测速度更快，使船载雷达图像油膜识别过程的及时性大为提高。通过采用斑点噪声阈值法与最小可识别油膜面积阈值法，使海上油膜识别过程的准确性得到了改进。

【技术实现步骤摘要】
一种基于活动轮廓模型的船载雷达图像海上油膜识别方法
本专利技术涉及一种海上油膜识别方法，尤其是一种基于船载雷达图像的海上油膜识别方法。
技术介绍
溢油污染是一个重大的海洋环境灾难[1]，它给沿海生态系统和经济带来巨大危害[2]。在遥感传感器中，船载雷达对海上溢油的实时精确观测和跟踪具有重要的作用。在船载雷达图像中探测溢油仍处于初级阶段。自1988年以来，Tennyson与Atanasov等人已证明在适当的海洋条件下，应用船载雷达探测和跟踪来自后向散射强度图像中溢油的能力[3-4]。基于这一特性，出现了一些商业监测产品，如Miros、Seadarq、Furuno和Shira[5-7]。由于商业政策的保密性，其技术未被公开。它们的应用也没有得到很好的验证。在大连716溢油事件发生后，Zhu、Liu、Xu等人公开发布了一些基于阈值技术的船载雷达溢油监测方法[8-10]。活动轮廓模型由于具有精确定位目标轮廓的能力，在遥感图像分割中得到了广泛的应用，但在船载雷达图像的溢油检测中却鲜有应用。根据不同的轮廓表达形式，活动轮廓模型可分为参数活动轮廓模型和几何活动轮廓模型[11]。第一个活动轮廓模型，Snake模型，是一个参数化活动轮廓模型[12]。Snake活动轮廓模型的思想是预先设定一个参数化的能量曲线，在内外力的控制下移动到目标轮廓。内力代表曲线本身的力，它控制弯曲和拉伸。外力由图像特征决定，并吸引轮廓向所需目标移动。许多学者通过设计新的外力来改进Snake模型。Xu和Prince提出了梯度矢量流蛇模型，成为活动轮廓模型的里程碑参数[13]。在模型中引入了一种新的静力梯度矢量流作为外力，利用扩散方程展开模型的捕获区域，将梯度外力扩展到远离目标边界的区域，解决了初始轮廓的敏感缺陷。但是，梯度矢量流蛇模型很难分割狭长的凹边界，也不能解决曲线的拓扑变化问题。然而，这一缺点可以通过几何活动轮廓模型来解决。几何活动轮廓模型的理论基础是曲线演化理论和水平集理论。一般认为，平面闭合曲线隐式表示为高维曲面函数的零级集。通过将能量函数最小化，将曲线的演化方程转化为高维表面水平集函数的偏微分方程。然后，进行迭代演化，使零位集向目标轮廓移动[14]，测地活动轮廓模型是基于边缘信息的几何活动轮廓模型里程碑模型[15]。当图像边界不明显或不弱时，测地活动轮廓模型分割效果不理想。基于区域的活动轮廓模型的出现解决了这个问题。CV模型[16]是基于Mumford-Shah[17]最优分割的经典区域活动轮廓模型，被视为第一代主流几何活动轮廓模型。但是，CV模型不能有效分割不均匀区域，需要大量的计算时间。为了解决这一问题，提出了局部二元拟合(LocalBinaryFitting，LBF)模型[18](第二代主流几何活动轮廓模型)。在LBF模型中，引入高斯核函数提取局部灰度信息。由水平集演化可以得到非均匀灰度图像中的目标轮廓。在迭代过程中不需要对水平集函数进行重新初始化。一些学者从不同角度对LBF模型进行了改进，并提出了几种改进算法。Wang[19]提出了局部高斯分布拟合模型，将CV模型和LBF模型的能量项相加，在医学图像处理中取得了积极的效果。局部高斯分布拟合模型是通过修改带有高斯分布的LBF模型的局部区域拟合函数而提出的。目前，一些学者采用活动轮廓模型对船载雷达图像溢油识别进行了初步研究。针对灰度分布比较均匀的船载雷达图像，其方法识别效果较好，但针对灰度分布不均匀的船载雷达图像识别效果较差，常伴有斑点噪声和非油膜目标的识别结果。而活动轮廓模型在船载雷达原始图像中油膜提取的准确性与及时性是非常重要的技术指标，提高其准确性与及时性能够直接提高海上溢油清污治理的效率，在船载雷达图像海上油膜识别及海上溢油清污治理领域有着现实需要。参考文献[1]Boehm,P.,Gundlach,E.,Page,D.,2013.OilintheEnvironment:LegaciesandLessonsoftheExxonValdezOilSpill.CambridgeUniversityPress,Cambridge.[2]Tzannatos,E.,Xirouchakis,A.,2013.Techno-economicassessmentofhull-mountedsonarforoil-spillriskControl.JournalofNavigation.66(4),625-636.[3]Tennyson,E.J.,1988.Shipboardnavigationalradarasanoilspilltrackingtool-apreliminaryassessment.ProceedingsoftheOCEANS1988,pp.857-859.[4]Atanassov,V.,MladenovL.,RangelovR.,Savchenko,A.,1991.Observationofoilslicksontheseasurfacebyusingmarinenavigationradar.ProceedingsoftheIGARSS1991,pp.1323-1326.[5]Gangeskar,R.,2004.Automaticoil-spilldetectionbymarineX-bandradars.SeaTechnology.45(8),40–45.[6]Chu,X.L.,Ming,X.U.,Wang,F.,Wang,J.,2011.AnalysisofthewaveinformationextractedbyX-bandradar.Period.OceanUniv.China.41(5),110–113.[7]Nost,E.,Egset.C.N.,2006.Oilspilldetectionsystem-Resultsfromfieldtrials.ProceedingsoftheOCEANS2006.https://doi.org/10.1109/OCEANS.2006.306905.[8]Zhu,X.,Li,Y.,Feng,H.,Liu,B.,Xu,J.,2015.OilspilldetectionmethodusingX-bandmarineradarimagery.JournalofAppliedRemoteSensing.9(1),095985.[9]Liu,P.,Li,Y.,Xu,J.,Zhu,X.,2017.AdaptiveenhancementofX-bandmarineradarimagerytodetectoilspillsegments.Sensors.17(10),2349.[10]Xu,J.,Liu,P.,Wang,H.,Lian,J.,Li,B.,2018.MarineradaroilspillmonitoringtechnologybasedonDual-thresholdandC–Vlevelsetmethods.IndianSocietyofRemoteSensing.46(12),1949-1961.[11]Zhang,X.,Xiong,B.,Dong,G.,Kuang,G.,2018.Shipsegmentat本文档来自技高网...

【技术保护点】
1.一种基于活动轮廓模型的船载雷达图像海上油膜识别方法，其特征在于，包括以下步骤：A、对含有海杂波的船载雷达原始图像进行降噪预处理；B、应用基于区域的活动轮廓模型—LBF模型，进行油膜的初步识别；C、应用斑点噪声阈值法与最小可识别油膜面积阈值法，对海上油膜进行准确识别。

【技术特征摘要】
1.一种基于活动轮廓模型的船载雷达图像海上油膜识别方法，其特征在于，包括以下步骤：A、对含有海杂波的船载雷达原始图像进行降噪预处理；B、应用基于区域的活动轮廓模型—LBF模型，进行油膜的初步识别；C、应用斑点噪声阈值法与最小可识别油膜面积阈值法，对海上油膜进行准确识别。2.根据权利要求1所述的油膜识别方法，其特征在于，步骤A包括：A1、将船载雷达图像从极坐标系统转换至信号抽象世界的平面直角坐标系统；A2、采用拉普拉斯算子对转换后的图像进行卷积运算，计算公式如下：其中，x代表图像中的行号，y代表图像中的列号，f(x,y)代表图像中x行y列位置的灰度值；A3、对卷积处理后的图像，采用Otsu算法，进行图像分割值；A4、采用均值滤波器，对分割出的同频干扰进行降噪处理，均值滤波器计算公式如下：其中，m是噪声点左边最近的非噪声点与噪声之间的距离，n是右边对应的距离；A5、将降噪后的图像投影回直角坐标系统下。3.根据权利要求1所述的油膜识别方法，其特征在于，步骤B中所述LBF活动轮廓模型在每次迭代时，定义如下...

【专利技术属性】
技术研发人员：徐进，王海霞，张云鹏，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：辽宁,21