一種基于sar圖像的海域溢油檢測方法
【專利摘要】本發(fā)明提供了一種基于SAR圖像的海域溢油檢測方法，針對不同海洋場景能夠更準確的檢測海域溢油。第一步、目標進行提取之前，對SAR圖像進行均值濾波處理；第二步、利用最大類間方差的方法對均值濾波處理后的SAR圖像進行第一次閾值分割，從整幅圖中分割出暗海和部分溢油暗斑；第三步、利用基于上下文特征的局部對比度拉伸方法從暗海中提取溢油暗斑：對于對比度不均勻的SAR海域圖像，利用第一次閾值分割會得到大面積的暗海區(qū)域；第四步，形態(tài)學(xué)操作：去除提取的暗海區(qū)域圖像中的小散點暗斑；第五步，利用基于上下文特征的方法進行虛警剔除。
【專利說明】—種基于SAR圖像的海域溢油檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于SAR圖像的海域溢油檢測方法，屬于目標檢測與識別【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]海域溢油主要來源是船舶溢油、不合法的廢油排放以及開采海洋石油產(chǎn)生的溢油等，嚴重影響了海洋生態(tài)環(huán)境。為了有效的檢測和治理海域溢油污染，目前基于SAR圖像的海域溢油檢測方法主要可以分為:基于灰度特征的溢油檢測算法、基于紋理特征的檢測算法、基于邊緣特征的檢測算法等。
[0003]基于灰度特征的溢油檢測算法主要是依據(jù)溢油區(qū)域在SAR海域圖像中呈現(xiàn)黑色暗斑區(qū)域，即溢油區(qū)域的像素值低于周圍海水背景的像素值，然后利用SAR海域圖像的這種灰度特征，通過合適的閾值分割方法能夠從對比度比較均勻的SAR海域圖像中檢測出溢油區(qū)域。但由于海洋環(huán)境復(fù)雜性，例如低風(fēng)速、海洋內(nèi)波、船的尾跡、靠近海岸等這些因素會導(dǎo)致海洋非溢油區(qū)域的后向散射系數(shù)也很小，在SAR圖像上這些區(qū)域的灰度值也比較低，所以只利用圖像的整體灰度特征而忽略圖像局部灰度變化的檢測算法，很難準確地從對比度不均勻的圖像中檢測出溢油區(qū)域，且檢測虛警概率較高。
[0004]基于紋理特征的檢測算法主要是利用了像素間的空間分布信息，采用統(tǒng)計學(xué)分析或者基于模型的方法計算描述圖像中各類別的整體分布規(guī)律的紋理特征。如果選擇的紋理特征合適這種方法可以比較精確的對各類別進行分類，準確地檢測目標。但是確定最佳的紋理特征較困難，為了選擇合適的的紋理特征需要經(jīng)過大量的訓(xùn)練實驗，計算量較大，耗時長。
[0005]基于邊緣特征的檢測算法主要是依據(jù)海水和溢油的在海域SAR圖像中成像原理，它們的交界處像素的灰度值有階躍變化，所以通過計算邊緣梯度值實現(xiàn)邊緣的提取，從而來確定溢油區(qū)域。此方法雖然能夠準確地提取邊界，但是受到干擾影響較大，例如有海風(fēng)或者圖像有陸地時，通過邊緣檢測方法會得到具有很豐富邊緣的梯度圖像，這樣會很難判斷出溢油區(qū)域。

【發(fā)明內(nèi)容】

[0006]有鑒于此，本發(fā)明提供了一種基于SAR圖像的海域溢油檢測方法，能夠針對不同海洋場景更準確的檢測海域溢油。
[0007]一種基于SAR圖像的海域溢油檢測方法，包括以下步驟:
[0008]第一步、目標進行提取之前，對SAR圖像進行均值濾波處理；
[0009]第二步、利用最大類間方差的方法對均值濾波處理后的SAR圖像進行第一次閾值分割，從整幅圖中分割出暗海和部分溢油暗斑；
[0010]第三步、利用基于上下文特征的局部對比度拉伸方法從暗海中提取溢油暗斑:增強暗區(qū)域的低對比度區(qū)域。[0011]第四步，形態(tài)學(xué)操作:去除提取的暗海區(qū)域圖像中的小散點暗斑；
[0012]第五步，利用基于上下文特征的方法進行虛警剔除。
[0013]第三步所述的利用基于上下文特征的局部對比度拉伸的方法來提取暗海區(qū)域中溢油暗斑的方法如下:根據(jù)整幅圖像的均值和方差判斷SAR圖像的對比度，選擇局部對比度拉伸判決條件的加權(quán)系數(shù)，并選擇整幅圖像的均值和方差乘以對應(yīng)的加權(quán)系數(shù)之后的值，作為判決條件的輸入?yún)?shù)；然后利用模板對暗海區(qū)域進行操作，計算每個小模板內(nèi)的均值和方差，經(jīng)過判決條件，判決小模板區(qū)域是否進行對比度拉伸變換；其次對經(jīng)過局部對比度拉伸之后的暗海區(qū)域，利用最大類間方差的方法在O到第一次閾值分割的閾值范圍內(nèi)求第二次分割的閾值，對暗海區(qū)域進行第二次分割；最后經(jīng)過二次閾值分割之后，得到最終提取的暗斑圖像。
[0014]第五步中利用基于上下文特征的方法進行虛警剔除采用以下方法:
[0015]5.1分析第一次閾值分割和第二次閾值分割過程中暗斑區(qū)域和非暗斑區(qū)域周圍特征，選擇特征值；
[0016]5.2計算第一次閾值分割得到的亮區(qū)域的灰度均值、方差，計算對大面積暗海區(qū)域進行第二次分割得到的亮區(qū)域的灰度均值、方差，以及計算最終提取的暗斑圖像中亮區(qū)域的灰度均值、方差；
[0017]5.3計算最終提取的暗斑圖像中每個暗斑區(qū)域邊界的外周圍區(qū)域和內(nèi)周圍區(qū)域的灰度均值和方差；
[0018]5.4根據(jù)5.2和5.3中得到的均值和方差設(shè)置判決條件，針對不同情況的圖像進行
虛警剔除。
[0019]本發(fā)明的有益效果:
[0020]1、本發(fā)明利用基于上下文特征的局部灰度對比度拉伸算法:由于第一次閾值分割提取的暗海區(qū)域?qū)Ρ榷容^低且灰度值較低，淹沒在其中的溢油暗斑難以分辨出來。經(jīng)過局部對比度拉伸之后，提高了暗海區(qū)域和溢油暗斑之間的對比度，更有利于提取暗海中的溢油暗斑。
[0021]2、利用基于上下文特征的局部對比度拉伸算法對暗海區(qū)域處理之后，會改善暗海區(qū)域的灰度直方圖，即灰度直方圖在O像素值附近會出現(xiàn)一個波峰，與高灰度級之間會有一個很明顯的波谷存在。根據(jù)最大類間方差方法求閾值的原理，如果圖像的灰度直方圖之間有波谷存在，可以得到最佳的分割閾值。
[0022]3、本發(fā)明利用最大類間方差方法進行二次閾值分割:由于低風(fēng)速等條件導(dǎo)致海域的低灰度值區(qū)域，所以第一次閾值分割會得到大面積的暗海區(qū)域。利用暗海區(qū)域經(jīng)過局部灰度對比度拉伸之后的圖像，進行第二次閾值分割，可以得到淹沒在暗海區(qū)域中的溢油暗斑圖像存在，大大提高了檢測概率，而且實現(xiàn)了自適應(yīng)求閾值。
[0023]4、本發(fā)明基于上下文特征的虛警剔除算法不僅利用了溢油區(qū)域的像素值主要集中在低灰度級的灰度特征，而且僅利用了均值和方差兩個紋理特征，就實現(xiàn)了很好的虛警剔除效果，克服了紋理特征檢測算法的計算量大、特征多、特征選擇困難的缺點。
[0024]5、基于上下文特征的虛警剔除算法，不僅利用了背景的整體和部分特征信息，而且利用了目標暗斑邊界的內(nèi)外周圍特征信息，可以對虛警暗斑作出更準確地判斷，實現(xiàn)對虛警的正確剔除。[0025]6、在全海域SAR圖像和有部分陸地SAR圖像兩種場景下，能夠?qū)崿F(xiàn)較好的目標提取和虛警剔除效果。
【專利附圖】

【附圖說明】
[0026]圖1為本發(fā)明一種基于SAR圖像的海域溢油檢測方法的流程圖。
【具體實施方式】
[0027]下面結(jié)合圖1對本發(fā)明作進一步介紹。
[0028]本發(fā)明的一種基于SAR圖像的海域溢油檢測方法，具體包括5個步驟:⑴均值濾波處理；(2)基于最大類間方差的第一次閾值分割；(3)基于上下文特征的局部對比度拉伸方法提取暗海中的溢油暗斑；(4)形態(tài)學(xué)去除小散點暗斑；(5)基于上下文特征的虛警剔除。以下為本發(fā)明的詳細描述:
[0029](I)均值濾波處理:利用N*N的小模板對SAR原圖像進行均值濾波。
[0030](2)基于最大類間方差算法的第一次閾值分割:將(I)得到的圖像作為這一步的輸入圖像，統(tǒng)計圖像的灰度直方圖。由于溢油區(qū)域在圖像中的灰度值主要集中在低灰度區(qū)，為了得到最佳的分割閾值和減小計算量，對直方圖進行截取，即在[0，N]范圍內(nèi)利用最大類間方差算法求解第一次分割的閾值，并對圖像進行二值分割。其中N的選擇原則:為了防止漏檢和保證第二次閾值分割的準確性，選擇N>100的值。具體操作:計算整幅圖像的均值來判斷圖像亮度，選擇判決門限T為100左右的值，如果圖像的均值大于門限T，，則判決圖像亮度較大，選擇N值為NI，否則選擇N值為N2。其中N1>N2且N1>100，N2>100，可以通過多樣本訓(xùn)練試驗確定合適的值NI，N2。
`[0031](3)基于上下文特征的局部對比度拉伸方法提取暗海中的溢油暗斑:增強暗區(qū)域的低對比度區(qū)域，但又不增強方差為零的恒定區(qū)域，限制能夠接受的最低的對比度值。所以設(shè)置是否進行對比度拉伸的判決條件為Mknto&kud/cKl^d。，其中ki2〈ki3〈l.0，kn〈l.0。具體操作:
[0032]首先，計算整幅圖像的均值h和方差Cltl，根據(jù)先驗知識和樣本訓(xùn)練實驗，選擇兩個合適的門限L1，L2，判斷圖像整體亮度和對比度，根據(jù)判決結(jié)果選擇局部對比度拉伸時的判決條件的加權(quán)系數(shù) K=[K1，K2，K3，K4]，其中 Kl=[kn, k12，k13]T，K2=[k21, k22，k23]T，K3=[ksl,k32，k33]T, K4=[k41, k42, k43]T,具體的參數(shù)值可以通過多樣本訓(xùn)練確定。選擇加權(quán)系數(shù)的判決條件為:
[0033]如果tQ>Ll且dQ>L2，選擇加權(quán)系數(shù)為Kl ；
[0034]如果tQ>Ll且dQ〈L2，選擇加權(quán)系數(shù)為K2 ；
[0035]如果tQ〈Ll且dQ>L2，選擇加權(quán)系數(shù)為K3 ；
[0036]如果tQ〈Ll且dQ>L2，選擇加權(quán)系數(shù)為K4。
[0037]其次，利用一個m*m的小模板對暗海區(qū)域進行操作，計算每個小模板內(nèi)的均值t_m和方差d_m，并與Vkil和Clc^ki3進行比較，判決小模板區(qū)域是否進行對比度拉伸。判決條件為:
[0038]如果?_πι〈ν?4?η 且 dQ*ki2〈d_m〈dQ*ki3,則根據(jù)對比度變換公式 g(x, y)=k0*f (x, y),對模板內(nèi)的像素值進行對比度拉伸變換，否則模板內(nèi)的像素值不變。其中h為小于0.1的規(guī)定參數(shù)，這樣可以使第一次閾值分割得到的暗海區(qū)域的灰度直方圖在O灰度值附近形成一個波峰，有利于后續(xù)用最大類間方差方法進行第二次閾值分割。
[0039]最后，對經(jīng)過局部對比度拉伸變換得到對比度改善的暗海區(qū)域，利用最大類間方差的方法在O到第一閾值分割的閾值范圍內(nèi)求第二次分割的閾值,對暗海區(qū)域進行第二次分割，得到最終提取的暗斑圖像。
[0040](4)形態(tài)學(xué)去除小散點暗斑:腐蝕和膨脹操作去除最終提取的目標區(qū)域圖像中的小散點暗斑。
[0041](5)基于上下文特征的虛警剔除:計算第一次閾值分割得到的亮區(qū)域的灰度均值h和方差Cl1 ;計算對暗海區(qū)域第二次分割得到亮區(qū)域的灰度均值t2和方差d2 ;計算最終提取的溢油暗斑圖像中亮區(qū)域的灰度均值t3和方差d3;計算最終提取的溢油暗斑圖像中每個暗斑區(qū)域邊界的外周圍和內(nèi)周圍的灰度均值t_out、t_in和方差d_out、d_in。其中外周圍區(qū)域是對最終提取的暗斑圖像進行膨脹操作減去原暗斑圖像得到，內(nèi)周圍區(qū)域是最終提取的暗斑圖像減去對暗斑圖像進行腐蝕操作得到。為了能夠準確的剔除虛警，對于不同的場景的圖像，即主要為全海域圖像和海陸交界圖像兩種情況，選擇不同的虛警剔除判決條件，所以在進行虛警剔除之前，先對圖像的屬于哪種場景進行判斷。
[0042]首先，對不同場景情況下圖像進行分析，如果圖像為全海域圖像，則整幅圖像的均值、方差和最后提取的暗斑圖像中亮區(qū)域的灰度均值、方差一般差別較小，所以設(shè)判決圖像場景圖像的判決條件參數(shù)為:方差誤差比pl=((d(rd3) / dQ)*10,方差之間的差值p2=dQ-d3,均值誤差比p3=(tQ_t3) / t0o判決條件為:
[0043]如果PlXm1且p2〈m2或者p2〈m3且p3〈m4,則判決輸入圖像為全海域圖像，否則判決輸入圖像為海陸交界圖像。
[0044]其次，如果圖像為全海域圖像，則不存在陸地虛警，虛警主要為暗海，而且暗海虛警主要是對大面積暗海區(qū)域進行第二次閾值分割得到。依據(jù)海和溢油的成像特點不同，暗海虛警暗斑的邊界外周圍區(qū)域的灰度均值和邊界內(nèi)周圍區(qū)域的灰度均值差別相對較小，所以針對全海域圖像虛警剔除的判決條件參數(shù)為:ql=t_out / t2,q2=t_in / t_out。判決條件為:
[0045]如果ql>m5且q2〈m6，則判斷暗斑區(qū)域為暗海虛警區(qū)域，進行剔除。
[0046]再次，針對海陸交界圖像，可能會存在陸地虛警、靠近陸地的低風(fēng)速暗海虛警和第二次分割的暗海虛警。由于陸地的紋理較粗糙，所以一般陸地暗斑比整幅圖的均值和方差較大，低風(fēng)速暗海虛警的外周圍一般為陸地，所以其外周圍比整幅圖的均值和方差較大，第二次分割的暗海虛警邊界的內(nèi)外周圍的灰度均值差別較小。虛警剔除的判決參數(shù)為:ql=t_out / t2, q2 = t_in / t_out, q3=t_out / t17 q4=d_out / Cl1。
[0047]①如果q3>m7且(LoutM1，則判決暗斑周圍區(qū)域為陸地虛警區(qū)域，進行剔除。
[0048]②當①不成立時，如果ql>m8且q4>m9，則判決為靠近陸地的低風(fēng)速暗海虛警，進行剔除。
[0049]③當②不成立時，如果ql>m1(l且q2>mn，則判決暗斑區(qū)域為第二次分割得到的暗海虛警區(qū)域，進行剔除。其中Hii (i=l，2，3，4，5，7，8，9，10，11)為判斷條件中的規(guī)定參數(shù)值，經(jīng)過多樣本訓(xùn)練和先驗知識得到。
【權(quán)利要求】
1.一種基于SAR圖像的海域溢油檢測方法，其特征在于，包括以下步驟: 第一步、目標進行提取之前，對SAR圖像進行均值濾波處理； 第二步、利用最大類間方差的方法對均值濾波處理后的SAR圖像進行第一次閾值分害I]，從整幅圖中分割出暗海和部分溢油暗斑； 第三步、利用基于上下文特征的局部對比度拉伸方法從暗海中提取溢油暗斑:增強暗區(qū)域的低對比度區(qū)域。 第四步，形態(tài)學(xué)操作:去除提取的暗海區(qū)域圖像中的小散點暗斑； 第五步，利用基于上下文特征的方法進行虛警剔除。
2.如權(quán)利要求1所述的一種基于SAR圖像的海域溢油檢測方法，其特征在于， 第三步所述的利用基于上下文特征的局部對比度拉伸的方法來提取暗海區(qū)域中溢油暗斑的方法如下:根據(jù)整幅圖像的均值和方差判斷SAR圖像的對比度，選擇局部對比度拉伸判決條件的加權(quán)系數(shù)，并選擇整幅圖像的均值和方差乘以對應(yīng)的加權(quán)系數(shù)之后的值，作為判決條件的輸入?yún)?shù)；然后利用模板對暗海區(qū)域進行操作，計算每個小模板內(nèi)的均值和方差，經(jīng)過判決條件，判決小模板區(qū)域是否進行對比度拉伸變換；其次對經(jīng)過局部對比度拉伸之后的暗海區(qū)域，利用最大類間方差的方法在O到第一次閾值分割的閾值范圍內(nèi)求第二次分割的閾值，對暗海區(qū)域進行第二次分割；最后經(jīng)過二次閾值分割之后，得到最終提取的暗斑圖像。
3.如權(quán)利要求2所述的一種基于SAR圖像的海域溢油檢測方法，其特征在于，第五步中利用基于上下文特征的方法進行虛警剔除采用以下方法: . 5.1分析第一次閾值分割和第二次閾值分割過程中暗斑區(qū)域和非暗斑區(qū)域周圍特征，選擇特征值； .5.2計算第一次閾值分割得到的亮區(qū)域的灰度均值、方差，計算對大面積暗海區(qū)域進行第二次分割得到的亮區(qū)域的灰度均值、方差，以及計算最終提取的暗斑圖像中亮區(qū)域的灰度均值、方差； . 5.3計算最終提取的暗斑圖像中每個暗斑區(qū)域邊界的外周圍區(qū)域和內(nèi)周圍區(qū)域的灰度均值和方差； . 5.4根據(jù)5.2和5.3中得到的均值和方差設(shè)置判決條件，針對不同情況的圖像進行虛警剔除。
【文檔編號】G01N21/94GK103778627SQ201410001561
【公開日】2014年5月7日 申請日期:2014年1月2日 優(yōu)先權(quán)日:2014年1月2日
【發(fā)明者】陳禾, 馬龍, 魏航, 畢福昆, 陳亮, 龍騰 申請人:北京理工大學(xué)