本發(fā)明遙感圖像應(yīng)用技術(shù)領(lǐng)域，具體涉及一種海上油膜識別提取方法及系統(tǒng)。

背景技術(shù)：

隨著海洋運輸業(yè)的迅猛發(fā)展，海上溢油的發(fā)生頻率和分布范圍以及危害程度均居海洋污染首位，因此快速而準確的檢測到海上油膜對于海洋環(huán)境的評價具有非常重要的意義。目前，進行海面溢油識別和監(jiān)測的方式通常是利用衛(wèi)星遙感數(shù)據(jù)，基于遙感影像提取海上油膜信息來實現(xiàn)。

其中，由于合成孔徑雷達(Synthetic Aperture Radar，SAR)具有全天候、全天時、多視角、多俯角的數(shù)據(jù)獲取能力及較好的穿透性能，并且能夠提供分辨率較高的遙感圖像，對于海洋表面的油膜檢測具有重要的意義，因此，利用SAR遙感圖像識別提取海上油膜逐漸成為國內(nèi)外專家深入研究的重要課題之一。但是，在利用SAR遙感圖像進行海上油膜識別判斷過程中，由于涉及到SAR遙感圖像油膜分類識別的研究，目前還沒有一種有效方法能夠直接用于判斷SAR遙感圖像上暗斑的性質(zhì)，大多只限于油膜邊緣增強和檢測的研究，因此使得傳統(tǒng)的基于SAR遙感圖像進行海上油膜識別的準確率偏低，識別結(jié)果不夠精確。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明實施例提供一種海上油膜識別提取方法和系統(tǒng)，以解決傳統(tǒng)的基于SAR遙感圖像進行海上油膜識別的準確率偏低，識別結(jié)果不夠精確的問題。

為實現(xiàn)本發(fā)明目的提供的一種海上油膜識別提取方法，包括如下步驟：

讀取衛(wèi)星遙感圖像數(shù)據(jù)，對讀取到的所述衛(wèi)星遙感圖像數(shù)據(jù)進行預(yù)處理，獲取標準格式的遙感圖像；

對標準格式的所述遙感圖像進行分割，由所述遙感圖像中提取出海面溢油信息；

利用數(shù)學(xué)形態(tài)學(xué)中的開運算，對提取出海面溢油信息的所述遙感圖像進行處理，建立油膜信息判別規(guī)則，并根據(jù)所建立的所述油膜信息判別規(guī)則去除所述遙感圖像中的非油膜信息，獲取相應(yīng)的海上油膜識別結(jié)果。

在其中一個實施例中，還包括如下步驟：

根據(jù)獲取的所述海上油膜識別結(jié)果，并結(jié)合實際檢測到的當(dāng)前海流信息和海風(fēng)信息，以及預(yù)測的海流信息和海風(fēng)信息，生成相應(yīng)的溢油監(jiān)測產(chǎn)品；

其中，所述溢油監(jiān)測產(chǎn)品包括溢油監(jiān)測圖件和溢油簡報中的至少一種。

在其中一個實施例中，所述對讀取到的所述衛(wèi)星遙感圖像數(shù)據(jù)進行預(yù)處理，包括如下步驟：

對所述衛(wèi)星遙感圖像數(shù)據(jù)進行輻射定標，創(chuàng)建定標后的影像文件；

采用自適應(yīng)濾波方法對所述影像文件進行濾波，去除所述影像文件中的斑點噪聲；

利用趨勢面分析法去除所述影像文件中的趨勢面，提取出所述影像文件中的區(qū)域性變化規(guī)律，并突出所述影像文件中的異常局部；

利用所述衛(wèi)星遙感圖像數(shù)據(jù)自帶的控制點對所述影像文件的畸變進行校正。

在其中一個實施例中，所述對所述衛(wèi)星遙感圖像數(shù)據(jù)進行輻射定標，創(chuàng)建定標后的影像文件，包括如下步驟：

讀取所述衛(wèi)星遙感圖像數(shù)據(jù)，獲取相應(yīng)的Sigma Nought影像；

根據(jù)所述Sigma Nought影像，計算所述衛(wèi)星遙感圖像數(shù)據(jù)的雷達后向散射亮度、雷達入射角和雷達后向散射系數(shù)；

根據(jù)計算得到的所述雷達后向散射亮度、所述雷達入射角和所述雷達后向散射系數(shù)，創(chuàng)建定標后的所述影像文件。

在其中一個實施例中，所述利用所述衛(wèi)星遙感圖像數(shù)據(jù)自帶的控制點對所述影像文件的畸變進行校正，包括如下步驟：

讀取所述影像文件，獲取相應(yīng)的圖像控制點；

建立原始影像空間與校正空間的像元關(guān)系；

根據(jù)建立的所述像元關(guān)系進行多項式擬合，并根據(jù)擬合結(jié)果計算校正空間像元新亮度值；

根據(jù)計算得到的所述校正空間像元新亮度值創(chuàng)建校正后的圖像。

在其中一個實施例中，所述對標準格式的所述遙感圖像進行分割時，采用自適應(yīng)閾值分割法。

在其中一個實施例中，所述利用數(shù)學(xué)形態(tài)學(xué)中的開運算，對提取出海面溢油信息的所述遙感圖像進行處理時，包括先對所述遙感圖像進行腐蝕運算再進行膨脹運算的步驟。

相應(yīng)的，本發(fā)明還提供了一種海上油膜識別提取系統(tǒng)，包括圖像預(yù)處理模塊、溢油信息提取模塊和海上油膜識別模塊；

所述圖像預(yù)處理模塊，用于讀取衛(wèi)星遙感圖像數(shù)據(jù)，對讀取到的所述衛(wèi)星遙感圖像數(shù)據(jù)進行預(yù)處理，獲取標準格式的遙感圖像；

所述溢油信息提取模塊，用于對標準格式的所述遙感圖像進行分割，由所述遙感圖像中提取出海面溢油信息；

所述海上油膜識別模塊，用于利用數(shù)學(xué)形態(tài)學(xué)中的開運算，對提取出海面溢油信息的所述遙感圖像進行處理，建立油膜信息的判別規(guī)則，并根據(jù)所建立的所述判別規(guī)則去除所述遙感圖像中的非油膜信息，獲取相應(yīng)的海上油膜識別結(jié)果。

在其中一個實施例中，還包括溢油監(jiān)測產(chǎn)品生成模塊；

所述溢油監(jiān)測產(chǎn)品生成模塊，用于根據(jù)獲取的所述海上油膜識別結(jié)果，并結(jié)合實際檢測到的當(dāng)前海流信息和海風(fēng)信息，以及預(yù)測的海流信息和海風(fēng)信息，生成相應(yīng)的溢油監(jiān)測產(chǎn)品；

其中，所述溢油監(jiān)測產(chǎn)品包括溢油監(jiān)測圖件和溢油簡報中的至少一種。

在其中一個實施例中，所述圖像預(yù)處理模塊包括輻射定標子模塊、影像濾波子模塊、趨勢面去除子模塊和幾何校正子模塊；

所述輻射定標子模塊，用于對所述衛(wèi)星遙感圖像數(shù)據(jù)進行輻射定標，創(chuàng)建定標后的影像文件；

所述影像濾波子模塊，用于采用自適應(yīng)濾波方法對所述影像文件進行濾波，去除所述影像文件中的斑點噪聲；

所述趨勢面去除子模塊，用于利用趨勢面分析法去除所述影像文件中的趨勢面，提取出所述影像文件中的區(qū)域性變化規(guī)律，并突出所述影像文件中的異常局部；

所述幾何校正子模塊，用于利用所述衛(wèi)星遙感圖像數(shù)據(jù)自帶的控制點對所述影像文件的畸變進行校正。

采用上述技術(shù)方案，本發(fā)明至少可取得下述技術(shù)效果：

其通過對衛(wèi)星遙感圖像數(shù)據(jù)進行預(yù)處理并對其進行分割，由遙感圖像中提取出海面溢油信息后，再利用數(shù)學(xué)形態(tài)學(xué)中的開運算，對分割的每一塊遙感圖像進行處理，建立相應(yīng)的油膜信息判別規(guī)則，并根據(jù)所建立的油膜信息判別規(guī)則去除每一塊遙感圖像中的非油膜信息，從而獲取相應(yīng)的海上油膜識別結(jié)果。由此，其從利用油膜形態(tài)判別衛(wèi)星遙感圖像數(shù)據(jù)中的暗斑性質(zhì)的角度出發(fā)，通過數(shù)學(xué)形態(tài)學(xué)中的開運算去除分割后的遙感圖像中的非油膜信息，實現(xiàn)了排除非油膜樣本的目的，大大提高了油膜的識別準確率。最終有效解決了傳統(tǒng)的基于SAR遙感圖像進行海上油膜識別的準確率偏低，識別結(jié)果不夠精確的問題。

附圖說明

為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對本發(fā)明實施例描述中所需要使用的附圖作簡單的介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)本發(fā)明實施例的內(nèi)容和這些附圖獲得其他的附圖。

圖1是本實施例所述的海上油膜識別提取方法的流程圖；

圖2是本實施例所述的海上油膜識別提取方法中，對衛(wèi)星遙感圖像數(shù)據(jù)進行預(yù)處理過程中，對衛(wèi)星遙感圖像數(shù)據(jù)進行輻射定標的流程圖；

圖3是本實施例所述的海上油膜識別提取方法中，對衛(wèi)星遙感圖像數(shù)據(jù)進行預(yù)處理過程中，利用衛(wèi)星遙感圖像數(shù)據(jù)自帶的控制點對影像文件的畸變進行校正的流程圖；

圖4是本實施例所述的海上油膜識別提取方法中，利用數(shù)學(xué)形態(tài)學(xué)中的開運算，對提取出海面溢油信息的所述遙感圖像進行處理時的示意圖；

圖5是本實施例所述的海上油膜識別提取方法中，生成溢油監(jiān)測產(chǎn)品的制作流程框圖；

圖6是本實施例所述的海上油膜識別提取方法中，利用Radarsat-2雷達獲取的原始Radarsat-2影像；

圖7是對圖6進行輻射定標后的Radarsat-2影像；

圖8是Radarsat-2影像濾波前影像；

圖9是Radarsat-2影像濾波后影像；

圖10是Radarsat-2趨勢面圖像；

圖11是趨勢面去除前的Radarsat-2影像；

圖12是趨勢面去除后的Radarsat-2影像；

圖13是海面溢油信息提取之前的Radarsat-2原始影像；

圖14是使用固定值對Radarsat-2原始影像進行分割的影像；

圖15是使用自適應(yīng)閾值Radarsat-2原始影像進行分割的影像；

圖16是開運算前的圖像；

圖17是開運算后的圖像；

圖18是本實施例所述的海上油膜識別提取系統(tǒng)的結(jié)構(gòu)示意圖；

圖19是本實施例所述的另一海上油膜識別提取系統(tǒng)的結(jié)構(gòu)示意圖。

貫穿附圖，應(yīng)該注意的是，相似的標號用于描繪相同或相似的元件、特征和結(jié)構(gòu)。

具體實施方式

提供以下參照附圖的描述來幫助全面理解由權(quán)利要求及其等同物限定的本公開的各種實施例。以下描述包括幫助理解的各種具體細節(jié)，但是這些細節(jié)將被視為僅是示例性的。因此，本領(lǐng)域普通技術(shù)人員將認識到，在不脫離本公開的范圍和精神的情況下，可對本文所述的各種實施例進行各種改變和修改。另外，為了清晰和簡潔，公知功能和構(gòu)造的描述可被省略。

以下描述和權(quán)利要求書中所使用的術(shù)語和詞匯不限于文獻含義，而是僅由發(fā)明人用來使本公開能夠被清晰和一致地理解。因此，對于本領(lǐng)域技術(shù)人員而言應(yīng)該明顯的是，提供以下對本公開的各種實施例的描述僅是為了示例性目的，而非限制由所附權(quán)利要求及其等同物限定的本公開的目的。

應(yīng)該理解，除非上下文明確另外指示，否則單數(shù)形式也包括復(fù)數(shù)指代。因此，例如，對“組件表面”的引用包括對一個或更多個這樣的表面的引用。

圖1是本實施例所述的海上油膜識別提取方法的流程圖。參考圖1，本實施例所述的海上油膜識別提取方法包括以下步驟：S100，讀取衛(wèi)星遙感圖像數(shù)據(jù)，對讀取到的衛(wèi)星遙感圖像數(shù)據(jù)進行預(yù)處理，獲取標準格式的遙感圖像。此處，需要說明的是，本實施例所述的海上油膜識別提取方法中，主要是基于合成孔徑雷達所采集到的SAR遙感圖像。其中，由于RADARSAT-2原始數(shù)據(jù)中包含XML數(shù)據(jù)，存儲了DN值(記載電磁波信號的值)，因此，為了獲取影像的像素值需要對其進行輻射定標。同時，為了去除大氣、地球自轉(zhuǎn)、影像幾何形變等因素對影像質(zhì)量的影響，需要對數(shù)據(jù)進行濾波、幾何校正和趨勢面去除等處理。即，在本實施例中，對衛(wèi)星遙感圖像數(shù)據(jù)進行預(yù)處理主要包括：輻射定標、影像濾波、去除趨勢面和幾何校正等處理。由此，通過對遙感影像數(shù)據(jù)預(yù)處理獲得標準格式的遙感影像數(shù)據(jù)，根據(jù)結(jié)果影像，業(yè)務(wù)人員基于先驗知識，交互勾選溢油區(qū)。

更為具體的，步驟S100中，對讀取到的衛(wèi)星遙感圖像數(shù)據(jù)進行預(yù)處理，主要包括如下步驟：對衛(wèi)星遙感圖像數(shù)據(jù)進行輻射定標，創(chuàng)建定標后的影像文件；采用自適應(yīng)濾波方法對影像文件進行濾波，去除影像文件中的斑點噪聲；利用趨勢面分析法去除影像文件中的趨勢面，提取出影像文件中的區(qū)域性變化規(guī)律，并突出影像文件中的異常局部；以及，利用衛(wèi)星遙感圖像數(shù)據(jù)自帶的控制點對影像文件的畸變進行校正。

其中，參考圖2，為本實施例中對衛(wèi)星遙感圖像數(shù)據(jù)(即，Radarsat-2影像)進行輻射定標的具體流程圖。其主要包括：S111，讀取衛(wèi)星遙感圖像數(shù)據(jù)(如：Radarsat-2影像)，獲取相應(yīng)的Sigma Nought影像；步驟S112，根據(jù)Sigma Nought影像，計算衛(wèi)星遙感圖像數(shù)據(jù)的雷達后向散射亮度；步驟S113，計算雷達入射角；以及步驟S114，計算雷達后向散射系數(shù)；進而再執(zhí)行步驟S115，根據(jù)計算得到的雷達后向散射亮度、雷達入射角和雷達后向散射系數(shù)，創(chuàng)建定標后的影像文件。

也就是說，在本實施例中，對衛(wèi)星遙感圖像數(shù)據(jù)進行的是輻射定標中的絕對定標。即，將Radarsat-2遙感圖像的DN值轉(zhuǎn)化為雷達的后向散射系數(shù)。經(jīng)過輻射定標可以突出油水反差，突出了油膜與背景的對比度。

當(dāng)完成對衛(wèi)星遙感圖像數(shù)據(jù)的輻射定標后，即可進行對衛(wèi)星遙感圖像數(shù)據(jù)的濾波處理。其中，需要指出的是，在本實施例中，在影像濾波時，優(yōu)選為利用增強LEE濾波7×7窗口的自適應(yīng)濾波方法去除SAR圖像的斑點噪聲。

然后，再利用趨勢面分析法去除影像文件中的趨勢面(即，排除SAR圖像中隨機干擾部分)，以提取出影像文件(即，SAR遙感圖像)中的區(qū)域性變化規(guī)律，并突出SAR遙感圖像中的局部異常，將SAR遙感圖像中被淹沒的油膜信息清晰地重現(xiàn)出來。由此，本實施例的海上油膜識別提取方法中，其通過分析SAR圖像趨勢面的方法對SAR圖像油膜信息進行增強，在調(diào)節(jié)SAR圖像亮度的同時，有效排除了圖像中隨機干擾的部分，從而保證了識別結(jié)果的準確性。

另外，當(dāng)SAR遙感圖像成像的時候，由于SAR受到飛行器的姿態(tài)、高度以及地球自轉(zhuǎn)等因素的影響，造成遙感圖像相對于地面目標發(fā)生幾何畸變，這種畸變表現(xiàn)為像元相對于地面目標的實際位置發(fā)生擠壓、扭曲、拉伸和偏移等，因此，為了更進一步的保證后續(xù)識別結(jié)果的準確性，需要對遙感圖像進行幾何校正。其中，針對幾何畸變進行的誤差校正就是幾何校正。

其中，其對衛(wèi)星遙感圖像數(shù)據(jù)進行幾何校正時，優(yōu)選的，在本實施例中，主要是利用圖像自帶的控制點對SAR影像進行幾何校正。具體的，參考圖3，首先，通過步驟S141，讀取所影像文件，獲取相應(yīng)的圖像控制點；然后，執(zhí)行步驟S142，建立原始影像空間與校正空間的像元關(guān)系，并執(zhí)行步驟S143，根據(jù)建立的像元關(guān)系進行多項式擬合；然后，執(zhí)行步驟S144，根據(jù)擬合結(jié)果計算校正空間像元新亮度值；進而，通過步驟S145，根據(jù)計算得到的校正空間像元新亮度值創(chuàng)建校正后的圖像。

參考圖1，當(dāng)通過上述輻射定標、影像濾波、去除趨勢面和幾何校正等處理手段完成對衛(wèi)星遙感圖像數(shù)據(jù)的預(yù)處理，得到相應(yīng)的標準格式的遙感圖像之后，即可執(zhí)行步驟S200，對標準格式的遙感圖像進行分割，由遙感圖像中提取出海面溢油信息。

其中，需要說明的是，此處對遙感圖像進行分割時可采用固定閾值分割法，也可采用自適應(yīng)閾值分割法。優(yōu)選的，在本實施例中，采用自適應(yīng)閾值分割法對遙感圖像進行分割處理，提取出海面溢油信息。

具體的，其采用自適應(yīng)閾值分割法進行分割提取海面溢油信息時，首先，將原始的遙感圖像劃分為若干個子圖像，分別計算每個子圖像的最優(yōu)分割閾值f(i,j)，從而再根據(jù)計算出的每個子圖像的最優(yōu)分割閾值f(i,j)判別該子圖像的窗口中心像素是否為興趣目標。即，其中，T_ij表示窗口內(nèi)的分割閾值，該閾值一般取窗口內(nèi)像素的均值。由此，其通過上述步驟實現(xiàn)對遙感圖像的分割，從而由遙感圖像中提取出海面溢油信息。同時，分割后所得到的各個自適應(yīng)分割影像為后續(xù)非油膜信息的去除做好鋪墊。

待完成上述海面溢油信息的提取之后，由于分割后的自適應(yīng)影像(即，二值圖像)中通常會存在很多小斑點，并且在大面積的連通區(qū)域中存在很多漏洞，為了便于后期進行油膜的選擇，就要去除這些小斑點，并且減少大面積的連通區(qū)域內(nèi)的小的非連通區(qū)域。

由此，參考圖1，在本實施例中，通過步驟S300，利用數(shù)學(xué)形態(tài)學(xué)中的開運算，對提取出海面溢油信息的遙感圖像進行處理以去除小斑點，并建立油膜信息判別規(guī)則，根據(jù)所建立的油膜信息判別規(guī)則去除遙感圖像中的非油膜信息，獲取相應(yīng)的海上油膜識別結(jié)果。即，在該步驟中，利用數(shù)學(xué)形態(tài)學(xué)中的開運算去除步驟S200得到的自適應(yīng)影像中的非油膜信息。同時，本領(lǐng)域技術(shù)人員可以理解的是，此處所建立的油膜信息判別規(guī)則具體指的是：

(1)油膜在入海的瞬間以慣性為主，形態(tài)呈近圓形，即離心率e＝0。

(2)漂移一段時間后，油層厚度會逐漸變小，勢能和動能也隨之減弱，逐漸過渡到粘性和表層張力擴散階段，油層主要向風(fēng)和流合成方向擴散，且擴散速度不斷增加，而向兩側(cè)的擴散速度逐漸降低，此時油膜形態(tài)呈類橢圓狀，即0<e<1。

(3)若油膜縱向擴散大于橫向擴散的速度時，油膜形態(tài)表現(xiàn)為長而窄，即0.5<e<1。

依據(jù)上述規(guī)律以及已有的KSAT油膜分類準則，可從研究樣本識別出高概率油膜作為研究樣本。再根據(jù)非線性擬合結(jié)果，建立形狀指數(shù)模型，數(shù)學(xué)表達式為S＝0.094L^2-0.131L+0.224，其中，S為樣本的預(yù)測面積，L為樣本的實際周長。在該數(shù)學(xué)模型中，R2＝0.951，這表示該模型正確判別率為95.1％。

其中，需要說明的是，在本實施例中，開運算中包括腐蝕和膨脹兩類運算，影像通過開運算處理，建立SAR圖像的油膜信息判別規(guī)則，利用該規(guī)則有效地排除明顯的非油膜樣本，大大提高了識別油膜的準確率。

同時，在本實施例中，其所進行的開運算具體指的是先腐蝕運算再膨脹運算的過程。具體的，參考圖4，假設(shè)A和B是n維歐式空間中的點集，若A是被處理的對象，而B是用來處理A的，則B就稱為結(jié)構(gòu)元素。

其中，用結(jié)構(gòu)元素B對圖像集合A進行腐蝕運算的定義就是：將B結(jié)構(gòu)元素平移a后得到B_a，若B_a包含于A，記下這個點，所有滿足這個條件的點a組成的集合就為A被B腐蝕的結(jié)果。腐蝕運算可以把小于結(jié)構(gòu)元素的物體去除，這樣選取不同大小的結(jié)構(gòu)元素，就可以在原圖像中去除不同大小的物體。如果兩個物體之間有細小的連通，那么當(dāng)結(jié)構(gòu)元素足夠大時，通過腐蝕運算就可以將兩個物體分開。

膨脹運算可以看作是腐蝕運算的對偶運算，它的定義表示為：把結(jié)構(gòu)元素B平移a后得到B_a，如果B_a∩A≠Φ，則將這個點記下，所有滿足這個條件的點a組成的集合就是A被B膨脹的結(jié)果。膨脹運算可以使小面積的非連通區(qū)域連通，當(dāng)結(jié)構(gòu)元素足夠大時，通過膨脹運算可以將兩個物體連接起來。

開運算就是指先進行腐蝕運算，再進行膨脹運算。開運算可以使輪廓平滑，抑制A物體邊界的小離散點或尖峰，在研究物體的形態(tài)分布時用于消除小物體、在纖細點處分離物體、平滑較大物體的邊界的同時并不明顯改變其面積。

當(dāng)通過上述步驟S300，對遙感圖像進行開運算處理，去除遙感圖像中的非油膜信息，獲取相應(yīng)的海上油膜識別結(jié)果之后，基于衛(wèi)星遙感影像，業(yè)務(wù)人員需要及時生成相應(yīng)的專題圖產(chǎn)品，包括溢油遙感影像圖與溢油遙感解譯圖。溢油監(jiān)測需要及時、準確的發(fā)布溢油監(jiān)測信息，業(yè)務(wù)單位一般采用Office-WORD文檔的方式，將溢油詳細信息、專題圖產(chǎn)品等放入文檔中生成相應(yīng)的溢油監(jiān)測快報產(chǎn)品。而傳統(tǒng)的生成快報產(chǎn)品的方式，由于其影像處理流程繁雜、過程不連續(xù)導(dǎo)致影像處理效率較低，業(yè)務(wù)人員數(shù)據(jù)處理和提取標準不同導(dǎo)致監(jiān)測準確率難以保證，人工生成監(jiān)測產(chǎn)品格式不固定，易出錯，監(jiān)測產(chǎn)品不能在最快時間內(nèi)制作完成并發(fā)布。因此，為了解決上述問題，基于本實施例的海上油膜識別提取方法，參考圖1和圖5，其在完成步驟S300，實現(xiàn)海上油膜的識別提取之后，此時可在通過步驟S400，根據(jù)獲取的海上油膜識別結(jié)果，并結(jié)合實際檢測到的當(dāng)前海流信息和海風(fēng)信息，以及預(yù)測的海流信息和海風(fēng)信息，生成相應(yīng)的溢油監(jiān)測產(chǎn)品。其中，溢油監(jiān)測產(chǎn)品包括溢油監(jiān)測圖件和溢油簡報中的至少一種。其通過基于上述步驟獲取還蠻油膜識別結(jié)果，并結(jié)合海流、海面風(fēng)的實測和預(yù)報，實現(xiàn)了自動/半自動海上油膜的提取的目的，為海上溢油檢測的準確性提供了可行性方案。

為了更清楚的說明本實施例的海上油膜識別提取方法的技術(shù)方案，同時驗證本實施例的海上油膜識別提取方法的溢油檢測性能，以下以Radarsat-2雷達衛(wèi)星所采集到的一張遙感圖像為例進行更為詳細的說明。

其中，參考圖6，為Radarsat-2雷達衛(wèi)星所采集到的原始遙感圖像。即，在進行輻射定標之前的遙感圖像。根據(jù)前面所述，對該遙感圖像進行預(yù)處理。首先，對其進行輻射定標處理。具體的，參考圖2所示流程圖，讀取Radarsat-2影像，獲取Sigma Nought影像，計算雷達后向散射亮度、入射角以及雷達后向散射系數(shù)后，創(chuàng)建定標后影像文件，Radarsat-2雷達影像定標前后的對比圖分別如圖6和圖7所示。

待進行完輻射定標處理后，由于Radarsat-2遙感圖像中含有斑點噪聲，這對后續(xù)工作諸如幾何校正、圖像分割、目標識別等操作造成嚴重的影響。因此，在Radarsat-2圖像預(yù)處理中，要去除Radarsat-2圖像的斑點噪聲。即，對輻射定標后的遙感圖像進行濾波處理。其中，參考圖8和圖9，分別為Radarsat-2影像濾波前影像和Radarsat-2影像濾波后影像。

進一步的，由于Radarsat-2原始影像存在明顯的亮度不一致現(xiàn)象，因此，需要對該圖像進行趨勢面分析。為了獲得SAR趨勢面圖像，在本實施例中，選用MATLAB軟件進行建模分析，構(gòu)建趨勢面方程，并利用最小二乘法原理進行矩陣運算，從而生成趨勢面圖像。根據(jù)趨勢面圖像是具有明顯連續(xù)變化的分布規(guī)律的圖像這一特征，結(jié)合對Radarsat-2影像波段信息的分析，認為SAR圖像的Incident angle波段服從這一原則，并將Incidentangle波段進行數(shù)據(jù)壓縮，生成趨勢面圖像，作為趨勢值而參與運算，如圖10所示。

需要說明的是，趨勢面分析的核心就是從實際觀測值的角度出發(fā)，推算趨勢面，使殘差平方和趨于最小。在Radarsat-2圖像處理過程中，根據(jù)實際值與趨勢值之差為剩余值，本實施例中，通過將濾波后的Radarsat-2圖像作為實驗的原始圖像，用該圖像與趨勢面圖像進行波段運算，所得到的剩余圖像即為亮度相對均勻的圖像，如圖12所示。該過程不僅能夠調(diào)節(jié)Radarsat-2圖像的整體亮度，而且可增強Radarsat-2圖像的油膜信息。其中，圖11為趨勢面去除前Radarsat-2影像。

最后，再對遙感去除趨勢面的遙感圖像進行幾何校正即可完成對遙感圖像的預(yù)處理過程。

進一步的，然后，再進行遙感圖像的分割，由遙感圖像中提取出海面溢油信息的步驟。在本實施例中，其對遙感圖像進行分割時，分別采用固定閾值分割法和自適應(yīng)閾值分割法進行處理。具體的，參考圖13、圖14和圖15，在本實施例中，從原始Radarsat-2圖像中截取其中的一塊區(qū)域，分別對其進行固定閾值分割、自適應(yīng)閾值分割。其中，圖13為分割之前(即，海面溢油信息提取之前)的Radarsat-2原始影像；圖14為使用固定值進行分割的影像，圖15為使用自適應(yīng)閾值進行分割的影像。通過對比分析，自適應(yīng)分割方法固定閾值分割方法效果好，存在較少的小細斑。

待分割完之后，即可對提取出海面溢油信息的遙感圖像進行開運算。即，先進行腐蝕運算，然后進行膨脹運算。其中，根據(jù)圖4所示的開運算方法過程圖，左上角是待處理的圖像A，右上角是結(jié)構(gòu)元素B，origin為原點位置，采用的結(jié)構(gòu)元素是3×3，左下角為腐蝕運算后的結(jié)果，右下角為在腐蝕基礎(chǔ)上進行膨脹的結(jié)果，即最終的開運算結(jié)果。

在本實施例中，開運算的結(jié)構(gòu)元素的大小采用9×9，結(jié)構(gòu)元素的類型為水平和垂直，開運算前后的效果參考圖16和圖17所示。其中圖16為開運算前的圖像，圖17為開運算后的圖像。從效果圖中可以看出，經(jīng)過數(shù)學(xué)開運算之后，分割后的圖像中的非油膜信息明顯減少，一些不連通的小裂縫也被連接起來，有利于油膜最終選擇。

由此，通過上述驗證結(jié)果可以發(fā)現(xiàn)，本發(fā)明方法對于SAR衛(wèi)星數(shù)據(jù)的溢油信息能夠?qū)崿F(xiàn)有效檢測，使用本發(fā)明方法可以實現(xiàn)自動/半自動溢油檢測海上油膜信息。該發(fā)明是基于SAR衛(wèi)星數(shù)據(jù)海上溢油檢測算法的應(yīng)用。

相應(yīng)的，為了實現(xiàn)上述任一種海上油膜識別提取方法，本發(fā)明還提供了一種海上油膜識別提取系統(tǒng)。由于本發(fā)明提供的海上油膜識別提取系統(tǒng)的工作原理與本發(fā)明的海上油膜識別提取方法的原理相同或相似，因此重復(fù)之處不再贅述。

參考圖18，本實施例所述的海上油膜識別提取系統(tǒng)100包括圖像預(yù)處理模塊110、溢油信息提取模塊120和海上油膜識別模塊130。其中，圖像預(yù)處理模塊110，用于讀取衛(wèi)星遙感圖像數(shù)據(jù)，對讀取到的衛(wèi)星遙感圖像數(shù)據(jù)進行預(yù)處理，獲取標準格式的遙感圖像。溢油信息提取模塊120，用于對標準格式的遙感圖像進行分割，由遙感圖像中提取出海面溢油信息。海上油膜識別模塊130，用于利用數(shù)學(xué)形態(tài)學(xué)中的開運算，對提取出海面溢油信息的遙感圖像進行處理，建立油膜信息的判別規(guī)則，并根據(jù)所建立的判別規(guī)則去除遙感圖像中的非油膜信息，獲取相應(yīng)的海上油膜識別結(jié)果。

進一步的，參考圖18，在本實施例中，海上油膜識別提取系統(tǒng)100還包括溢油監(jiān)測產(chǎn)品生成模塊140。其中，溢油監(jiān)測產(chǎn)品生成模塊140，用于根據(jù)獲取的海上油膜識別結(jié)果，并結(jié)合實際檢測到的當(dāng)前海流信息和海風(fēng)信息，以及預(yù)測的海流信息和海風(fēng)信息，生成相應(yīng)的溢油監(jiān)測產(chǎn)品。其中，溢油監(jiān)測產(chǎn)品包括溢油監(jiān)測圖件和溢油簡報中的至少一種。

更進一步的，參考圖19，在本實施例中，圖像預(yù)處理模塊110包括輻射定標子模塊111、影像濾波子模塊112、趨勢面去除子模塊113和幾何校正子模塊114。其中，輻射定標子模塊111，用于對衛(wèi)星遙感圖像數(shù)據(jù)進行輻射定標，創(chuàng)建定標后的影像文件。影像濾波子模塊112，用于采用自適應(yīng)濾波方法對影像文件進行濾波，去除影像文件中的斑點噪聲。趨勢面去除子模塊113，用于利用趨勢面分析法去除影像文件中的趨勢面，提取出影像文件中的區(qū)域性變化規(guī)律，并突出影像文件中的異常局部。幾何校正子模塊114，用于利用衛(wèi)星遙感圖像數(shù)據(jù)自帶的控制點對影像文件的畸變進行校正。

另外，優(yōu)選的，參考圖19，在本實施例中，溢油信息提取模塊120包括自適應(yīng)閾值分割子模塊121。自適應(yīng)閾值分割子模塊121，用于采用自適應(yīng)閾值分割法對標準格式的遙感圖像進行分割，提取出遙感圖像中的海面溢油信息。

進一步的，參考圖19，在本實施例中，海上油膜識別模塊130包括腐蝕運算子模塊131和膨脹運算子模塊132。其中，腐蝕運算子模塊131，用于對提取出海面溢油信息的遙感圖像進行腐蝕運算。膨脹運算子模塊132，用于當(dāng)腐蝕運算子模塊131對遙感圖像進行腐蝕運算后，再對遙感圖像進行膨脹運算。

應(yīng)該注意的是，如上所述的本公開的各種實施例通常在一定程度上涉及輸入數(shù)據(jù)的處理和輸出數(shù)據(jù)的生成。此輸入數(shù)據(jù)處理和輸出數(shù)據(jù)生成可在硬件或者與硬件結(jié)合的軟件中實現(xiàn)。例如，可在移動裝置或者相似或相關(guān)的電路中采用特定電子組件以用于實現(xiàn)與如上所述本公開的各種實施例關(guān)聯(lián)的功能。另選地，依據(jù)所存儲的指令來操作的一個或更多個處理器可實現(xiàn)與如上所述本公開的各種實施例關(guān)聯(lián)的功能。如果是這樣，則這些指令可被存儲在一個或更多個非暫時性處理器可讀介質(zhì)上，這是在本公開的范圍內(nèi)。處理器可讀介質(zhì)的示例包括只讀存儲器(ROM)、隨機存取存儲器(RAM)、CD-ROM、磁帶、軟盤和光學(xué)數(shù)據(jù)存儲裝置。另外，用于實現(xiàn)本公開的功能計算機程序、指令和指令段可由本公開所屬領(lǐng)域的程序員容易地解釋。

盡管已參照本公開的各種實施例示出并描述了本公開，但是本領(lǐng)域技術(shù)人員將理解，在不脫離由所附權(quán)利要求及其等同物限定的本公開的精神和范圍的情況下，可對其進行形式和細節(jié)上的各種改變。