基于极化SAR图像的溢油检测方法、装置以及设备制造方法及图纸

本发明专利技术涉及溢油检测技术领域，特别涉及一种基于极化SAR图像的溢油检测方法，方法包括：获取目标区域的极化SAR图像，其中，所述极化SAR图像包括疑似溢油区域以及清洁区域；从所述极化SAR图像的极化特征中提取目标极化特征，将所述目标极化特征输入至预设的检测模型，进行若干次训练，获取目标溢油检测模型；响应于检测指令，所述检测指令包括待检测区域的极化SAR图像，根据所述待检测区域的极化SAR图像以及目标溢油检测模型，获取所述目标溢油检测模型输出的溢油检测结果。能够在实现溢油提取的同时有效的过滤极化SAR图像中的疑似溢油，不仅可以减少极化特征冗余，还可以提高溢油检测精度、油膜分类精度，实现了溢油状况快速、有效地检测。有效地检测。有效地检测。

【技术实现步骤摘要】
基于极化SAR图像的溢油检测方法、装置以及设备


[0001]本专利技术涉及溢油检测
，特别涉及是一种基于极化SAR图像的溢油检测方法、装置、设备以及存储介质。

技术介绍

[0002]海洋溢油事故对海洋生态环境损害严重，造成重大经济损失。在溢油事故发生后需要快速和有效的方法来识别和发现溢油事故，实时掌握溢油动态信息。
[0003]现有的基于极化SAR的溢油检测与分类技术大部分都是采用单个极化特征进行的。然而，单一的极化特征参数不具有普适性，无法在提取溢油目标区域的同时区分疑似溢油，从而无法快速、有效地检测溢油状况，为后续清污工作进行及时的响应以及资源分配，造成经济损失。

技术实现思路

[0004]基于此，本专利技术的目的在于，提供一种基于极化SAR图像的溢油检测方法、装置、设备以及存储介质，通过极化特征对比与分析，筛选出溢油检测与分类性能最优的极化特征，能够在实现溢油提取的同时有效的过滤极化SAR图像中的疑似溢油，不仅可以减少极化特征冗余，还可以提高溢油检测精度、油膜分类精度，实现了溢油状况快速、有效地检测。
[0005]第一方面，本申请实施例提供了一种基于极化SAR图像的溢油检测方法，包括以下步骤：
[0006]获取目标区域的极化SAR图像，其中，所述极化SAR图像包括疑似溢油区域以及清洁区域；
[0007]获取所述极化SAR图像的极化特征，从所述极化SAR图像的极化特征中提取目标极化特征，将所述目标极化特征输入至预设的检测模型，进行若干次训练，获取目标溢油检测模型，其中，所述目标极化特征包括溢油检测特征以及油膜分类特征；
[0008]响应于检测指令，所述检测指令包括待检测区域的极化SAR图像，根据所述待检测区域的极化SAR图像以及目标溢油检测模型，获取所述目标溢油检测模型输出的溢油检测结果。
[0009]第二方面，本申请实施例提供了一种基于极化SAR图像的溢油检测装置，包括：
[0010]获取模块，用于获取目标区域的极化SAR图像，其中，所述极化SAR图像包括疑似溢油区域以及清洁区域；
[0011]训练模块，用于获取所述极化SAR图像的极化特征，从所述极化SAR图像的极化特征中提取目标极化特征，将所述目标极化特征输入至预设的检测模型，进行若干次训练，获取目标溢油检测模型，其中，所述目标极化特征包括溢油检测特征以及油膜分类特征；
[0012]检测模块，用于响应于检测指令，所述检测指令包括待检测区域的极化SAR图像，根据所述待检测区域的极化SAR图像以及目标溢油检测模型，获取所述目标溢油检测模型输出的溢油检测结果。
[0013]第三方面，本申请实施例提供了一种计算机设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述计算机程序被所述处理器执行时实现如第一方面所述基于极化SAR图像的溢油检测方法的步骤。
[0014]第四方面，本申请实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的基于极化SAR图像的溢油检测方法的步骤。
[0015]在本申请实施例中，提供一种基于极化SAR图像的溢油检测方法、装置、设备以及存储介质，通过极化特征对比与分析，筛选出溢油检测与分类性能最优的极化特征，能够在实现溢油提取的同时有效的过滤极化SAR图像中的疑似溢油，不仅可以减少极化特征冗余，还可以提高溢油检测精度、油膜分类精度，实现了溢油状况快速、有效地检测。
[0016]为了更好地理解和实施，下面结合附图详细说明本专利技术。
附图说明
[0017]图1为本申请第一实施例提供的基于极化SAR图像的溢油检测方法的流程示意图；
[0018]图2为本申请第一实施例提供的基于极化SAR图像的溢油检测方法中S2的流程示意图；
[0019]图3为本申请第二实施例提供的基于极化SAR图像的溢油检测方法中S2的流程示意图；
[0020]图4为本申请第三实施例提供的基于极化SAR图像的溢油检测方法中S2的流程示意图；
[0021]图5为本申请第四实施例提供的基于极化SAR图像的溢油检测装置的结构示意图；
[0022]图6为本申请第五实施例提供的计算机设备的结构示意图。
具体实施方式
[0023]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0024]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0025]应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”/“若”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
[0026]请参阅图1，图1为本申请第一实施例提供的基于极化SAR图像的溢油检测方法的流程示意图，所述方法包括如下步骤：
[0027]S1：获取目标区域的极化SAR图像。
[0028]所述基于极化SAR图像的溢油检测方法的执行主体为基于极化SAR图像的溢油检测方法的检测设备(以下简称检测设备)，在一个可选的实施例中，所述检测设备可以是一台计算机设备可以是服务器，或是多台计算机设备联合而成的服务器机群。
[0029]所述极化SAR图像是由合成孔径雷达(SAR)，通过极化方式获取的卫星遥感影像，可以为多时相的ALOS雷达影像或者Landsat多光谱影像，其中ALOS雷达影像为基于高分辨率合成孔径雷达卫星获取的遥感数据，Landsat多光谱影像为基于LANDSAT系列卫星获取的遥感数据。
[0030]在获取所述极化SAR图像的极化特征之前，由于所述极化SAR图像大部分为单视复图像，方位向分辨率和距离向分辨率不同，导致图像狭长，溢油信息不易辨认。因此，需要对所述极化SAR图像沿方位向进行多视处理，使方位向分辨率和距离向分辨率一致，同时利用滤波器进行降噪处理，获取处理后的极化SAR图像；
[0031]在本实施例中，检测设备可以通过雷达遥感系统，获取目标区域的极化SAR图像，也可以通过与预设网络数据库建立数据连接，从所述网络数据库中获取目标区域的极化SAR图像，
[0032]其中，所述极化SAR图像包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于极化SAR图像的溢油检测方法，其特征在于，包括以下步骤：获取目标区域的极化SAR图像，其中，所述极化SAR图像包括疑似溢油区域以及清洁区域；获取所述极化SAR图像的极化特征，从所述极化SAR图像的极化特征中提取目标极化特征，将所述目标极化特征输入至预设的检测模型，进行若干次训练，获取目标溢油检测模型，其中，所述目标极化特征包括溢油检测特征以及油膜分类特征；响应于检测指令，所述检测指令包括待检测区域的极化SAR图像，根据所述待检测区域的极化SAR图像以及目标溢油检测模型，获取所述目标溢油检测模型输出的溢油检测结果。2.根据权利要求1所述的基于极化SAR图像的溢油检测方法，其特征在于：所述极化特征包括简缩极化基站高度特征、偶次散射特征、奇次散射特征、体散射特征、圆度特征、相对相位特征、极化度特征、圆级特征、圆极化度特征、圆极化比特征、线级化度特征、线极化比特征、对比度特征、椭圆方位角特征、椭圆角特征、平均散射角特征、各项异性指数特征、简缩极化熵特征以及总功率特征。3.根据权利要求1或2所述的基于极化SAR图像的溢油检测方法，其特征在于，所述从所述极化SAR图像的极化特征中提取目标极化特征，包括步骤：分别提取所述极化SAR图像中的疑似溢油区域以及清洁区域的图像作为第一样本图像以及第二样本图像，获取所述第一样本图像对应的极化特征，以及第二样本图像对应的极化特征；根据所述第一样本图像、第二样本图像的极化特征，计算各个极化特征的第一欧式距离，根据所述第一欧式距离，获取所述溢油检测特征；根据所述第一样本图像对应的极化特征，计算所述各个极化特征的第二欧式距离，根据所述第二欧式距离，获取所述油膜分类特征。4.根据权利要求1所述的基于极化SAR图像的溢油检测方法，其特征在于，所述检测模型为SVM分类器。5.根据权利要求4所述的基于极化SAR图像的溢油检测方法，其特征在于，所述将所述目标极化特征输入至预设的检测模型，进行若干次训练，获取目标溢油检测模型，包括步骤：将所述溢油检测特征、油膜分类特征作为输入参数，输入至所述检测模型，根据所述检测模型中的超平面分类函数，进行若干次训练，获取目标溢油检测模型，其中，所述超平面分类函数为：1
‑
y
i
(ω
T
f(x
i
)+b)
‑
ξ
i
≤...

【专利技术属性】
技术研发人员：舒思京，杨传训，彭小燕，杨骥，胡义强，李佳烨，蓝文陆，荆文龙，邓应彬，
申请(专利权)人：南方海洋科学与工程广东省实验室广州广西壮族自治区海洋环境监测中心站，
类型：发明
国别省市：