基于極化分解技術(shù)的溢油檢測方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及石油領(lǐng)域，具體而言，涉及基于極化分解技術(shù)的溢油檢測方法及裝置。
【背景技術(shù)】
[0002] 隨著我國經(jīng)濟(jì)的快速發(fā)展，對石油消費(fèi)的劇增，導(dǎo)致海上運(yùn)輸石油量大增，同時增 加海上重大溢油事故發(fā)生的可能性。溢油事故往往造成大面積海面石油污染，不僅使海洋、 大氣自然環(huán)境、生態(tài)資源受到損害，造成海洋生物的大量死亡，經(jīng)濟(jì)蒙受損失，而且嚴(yán)重危 害人體健康。溢油事故引發(fā)的火災(zāi)，還可能會導(dǎo)致海上和沿岸設(shè)施、船舶等的損壞。溢油對 近海海域的污染，已引起各國政府的重視。2006年以來，我國管轄海域每年均有多起溢油事 件發(fā)生，尤其是2010年7月大連新港輸油管道破裂造成海上溢油，對環(huán)境造成巨大的危害。 2011年6月渤海PL19-3石油平臺發(fā)生溢油事故，時間長，影響范圍廣，危害大，溢油對近海 海域的污染，已引起了全國的廣泛重視。
[0003] 為了避免溢油所產(chǎn)生的危害擴(kuò)大，首要的是針對溢油進(jìn)行處理，而進(jìn)行處理的前 提便是要偵測到溢油。由于海上溢油對海洋毛細(xì)波具有阻尼作用，因而在SAR(SynthetiC apertureradar)影像上呈現(xiàn)出暗色，由此，應(yīng)用遙感技術(shù)開展溢油監(jiān)測已成為主要手段之 一。多數(shù)學(xué)者應(yīng)用SAR數(shù)據(jù)開展了溢油的檢測等方面的研究，研究內(nèi)容主要集中于溢油的 圖像處理方面，運(yùn)用雷達(dá)與光學(xué)數(shù)據(jù)協(xié)同下的溢油信息提取流程以及判別準(zhǔn)則，構(gòu)建基于 多源遙感信息的溢油應(yīng)急構(gòu)架，進(jìn)行了多種信息提取的算法研究，開展了溢油信息提取。對 溢油遙感探測的另一部分研究主要是基于極化SAR的特性，進(jìn)行了溢油極化分解研究，建 立了溢油探測特征參數(shù)，計(jì)算了海水與溢油的相位差與相位標(biāo)準(zhǔn)差，開展溢油探測研究，以 此來提取溢油信息。目前大多學(xué)者單獨(dú)利用極化分解參數(shù)Η與A，設(shè)計(jì)了多種算法來進(jìn)行溢 油的監(jiān)測，但應(yīng)用單參數(shù)進(jìn)行溢油探測的效果并不理想，經(jīng)常會出現(xiàn)虛警（錯誤報警）的情 況。
[0004] 由此可見，相關(guān)技術(shù)中針對溢油探測的技術(shù)有一定缺陷。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供基于極化分解技術(shù)的溢油檢測方法和裝置，以提高海面溢 油檢測的準(zhǔn)確度。
[0006] 第一方面，本發(fā)明實(shí)施例提供了基于極化分解技術(shù)的溢油檢測方法，包括：
[0007] 獲取目標(biāo)圖像所對應(yīng)的極化反熵和散射熵；
[0008] 針對目標(biāo)圖像中的包含溢油和海水的區(qū)域進(jìn)行采樣，以獲取目標(biāo)采樣樣本；
[0009] 根據(jù)所述極化反熵和散射熵，計(jì)算所述目標(biāo)采樣樣本的極化參數(shù)組合值；
[0010] 使用所述極化參數(shù)組合值進(jìn)行第一溢油檢測。
[0011] 結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第一種可能的實(shí)施方式，其中，所 述使用所述極化參數(shù)組合值進(jìn)行溢油檢測包括：
[0012] 使用以下一個或多個參數(shù)進(jìn)行溢油檢測：
[0013] HA、H(1-A)、（l-H)A，和（1-H) (1-A)，其中，Η為散射熵，A為極化反熵。
[0014] 結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第二種可能的實(shí)施方式，其中，還 包括：
[0015] 判斷散射熵是否大于預(yù)設(shè)的標(biāo)準(zhǔn)閾值，若大于，則執(zhí)行步驟所述使用所述極化參 數(shù)組合值進(jìn)行溢油檢測。
[0016] 結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第三種可能的實(shí)施方式，其中，所 述使用所述極化參數(shù)組合值進(jìn)行第一溢油檢測包括：
[0017] 選擇檢測程度超過閾值的極化參數(shù)組合值進(jìn)行第一溢油檢測，其中，所述檢測程 度是分別使用HA、H(l-A)、（l-H)A，和（1-H) (1-A)對候選采樣樣本進(jìn)行第二溢油檢測后得 到的，其中Η為散射熵，A為極化反熵。
[0018] 結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第四種可能的實(shí)施方式，其中，判 斷散射熵是否大于預(yù)設(shè)的標(biāo)準(zhǔn)閾值包括：
[0019] 判斷散射熵是否大于〇· 7。
[0020] 結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第五種可能的實(shí)施方式，其中，所 述使用所述極化參數(shù)組合值進(jìn)行溢油檢測包括：
[0021] 使用（l-H)A和（1-H) (1-A)進(jìn)行溢油檢測，其中，Η為散射熵，A為極化反熵。
[0022] 結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第六種可能的實(shí)施方式，其中，所 述獲取目標(biāo)圖像所對應(yīng)的極化反熵和散射熵包括：
[0023] 獲取目標(biāo)圖像的C3或T3矩陣；
[0024] 根據(jù)C3或T3矩陣，計(jì)算所述極化反熵和散射熵。
[0025] 結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第七種可能的實(shí)施方式，其中，所 述根據(jù)C3矩陣，計(jì)算所述極化反熵和散射熵包括：
[0026] 使用
計(jì)算所述散射熵和 所述極化反熵，其中，λρ\2和λ3為〇3矩陣的特征向量，Η為散射熵，A為極化反熵。
[0027] 結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第八種可能的實(shí)施方式，其中，所 述使用所述極化參數(shù)組合值進(jìn)行第一溢油檢測包括：
[0028] 分別使用HA、H(l-A)、（l-H)A，和（1-H) (1-A)進(jìn)行第一溢油檢測，其中，Η為散射 熵，Α為極化反熵；
[0029] 將所述第一溢油檢測結(jié)果中，檢測結(jié)果的明顯程度超過預(yù)定閾值的檢測結(jié)果作為 最終檢測結(jié)果。
[0030] 第二方面，本發(fā)明實(shí)施例還提供了基于極化分解技術(shù)的溢油檢測裝置，包括：
[0031] 獲取模塊，用于獲取目標(biāo)圖像所對應(yīng)的極化反熵和散射熵；
[0032] 采樣模塊，用于針對目標(biāo)圖像中的包含溢油和海水的區(qū)域進(jìn)行采樣，以獲取目標(biāo) 采樣樣本；
[0033] 計(jì)算模塊，用于根據(jù)所述極化反熵和散射熵，計(jì)算所述目標(biāo)采樣樣本的極化參數(shù) 組合值；
[0034] 檢測模塊，用于使用所述極化參數(shù)組合值進(jìn)行第一溢油檢測。
[0035]本發(fā)明實(shí)施例提供的基于極化分解技術(shù)的溢油檢測方法，采用復(fù)合檢測的方式， 與現(xiàn)有技術(shù)中的單獨(dú)使用極化分解參數(shù)Η和A進(jìn)行溢油檢測，導(dǎo)致檢測出的結(jié)果出現(xiàn)較多 的虛警相比，其先獲取了目標(biāo)圖像的極化反熵和散射熵，再針對目標(biāo)圖像中的包含溢油和 海水的區(qū)域進(jìn)行采樣，進(jìn)而獲取到目標(biāo)采樣樣本；之后，利用所述極化反熵和散射熵，計(jì)算 所述目標(biāo)采樣樣本的極化參數(shù)組合值，其中極化參數(shù)組合值是由散射熵和極化反熵共同構(gòu) 成的；最后，使用所述極化參數(shù)組合值進(jìn)行第一溢油檢測，由于采用了極化參數(shù)組合值進(jìn)行 了溢油檢測，使得檢測的結(jié)果同時受到了散射熵和極化反熵的約束，使得檢測的結(jié)果更為 準(zhǔn)確，提高了正確報警的概率。
[0036] 為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉較佳實(shí)施例，并配合 所附附圖，作詳細(xì)說明如下。
【附圖說明】
[0037] 為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案，下面將對實(shí)施例中所需要使用的附 圖作簡單地介紹，應(yīng)當(dāng)理解，以下附圖僅示出了本發(fā)明的某些實(shí)施例，因此不應(yīng)被看作是對 范圍的限定，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)這 些附圖獲得其他相關(guān)的附圖。
[0038] 圖1示出了本發(fā)明實(shí)施例所提供的