留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于人类感知的SAR图像海上溢油检测算法

郭越 王晓峰 张恒振

郭越, 王晓峰, 张恒振. 基于人类感知的SAR图像海上溢油检测算法[J]. 武汉大学学报 ● 信息科学版, 2016, 41(3): 395-401,407. doi: 10.13203/j.whugis20140404
引用本文: 郭越, 王晓峰, 张恒振. 基于人类感知的SAR图像海上溢油检测算法[J]. 武汉大学学报 ● 信息科学版, 2016, 41(3): 395-401,407. doi: 10.13203/j.whugis20140404
GUO Yue, WANG Xiaofeng, ZHANG Hengzhen. Oil Spill Detection by SAR Images Based on Human Perception[J]. Geomatics and Information Science of Wuhan University, 2016, 41(3): 395-401,407. doi: 10.13203/j.whugis20140404
Citation: GUO Yue, WANG Xiaofeng, ZHANG Hengzhen. Oil Spill Detection by SAR Images Based on Human Perception[J]. Geomatics and Information Science of Wuhan University, 2016, 41(3): 395-401,407. doi: 10.13203/j.whugis20140404

基于人类感知的SAR图像海上溢油检测算法

doi: 10.13203/j.whugis20140404
基金项目: 国家海洋局海洋公益性行业科研专项基金(201305026-3);上海市科学技术委员基础研究重大重点项目(08240510800)
详细信息
    作者简介:

    郭越,讲师,博士生,从事海洋遥感图像目标检测研究。yueguo@shmtu.edu.cn

  • 中图分类号: P237;TP751

Oil Spill Detection by SAR Images Based on Human Perception

Funds: The Marine Nonprofit Industry-specific Research, State Oceanic Administration Peeple's Republic of China, No. 201305026-3;the Members of Key Projects in Shanghai Science and Technology Commission,No.08240510800.
  • 摘要: 在基于SAR图像的海上溢油检测中,识别的效率与准确率是关键。纹理特征是人类专家能够较好的判别SAR图像中油膜,类油膜以及海水的一个重要依据。本文算法一方面融合灰度共生矩阵与Tamura特征,直接对SAR原始图像进行特征提取,避免了对图像进行分割、降噪等预处理,提高了识别算法的可行性与识别效率。另一方面,应用深度信念网络(DBN)的分类方法,可以很好地解决溢油检测中小样本分类的问题,并且模仿人类感知系统高效准确的表示信息、获取本质特征。本文应用人类感知的思想对油膜、类油膜以及海水这3类样本进行分类识别。通过实验确定了DBN中利于分类的关键参数值。本算法对原始SAR图像中3类样本的识别准确率达到90.36%,具有较好的实用价值。
  • [1] Ma Long,Li Ying,Niu Ying. Research on SAR Oil Spill Monitoring by SVM Based on Texture Features[J]. Navigation of China, 2010,33(1):75-79(马龙,李颖,牛莹. 结合纹理的支持向量机合成孔径雷达溢油监测[J]. 中国航海,2010,33(1):75-79)
    [2] Topouzelis K,Karathanassi V,Pavlakis P,et al. Oil Spill Detection Using Netural Netwrks and SAR Data[C].The 20th ISPRS Congress,Istanbul,2004
    [3] Zhao Dakang. Synthetic Aperture Radar Image Classification Based on Neural Networks[J]. Science Information, 2006(7):5-8(赵大康.基于神经网络的合成孔径雷图像分类研究[J].科技信息,2006(7):5-8)
    [4] Shi Lijian,Zhao Chaofang,Liu Peng. Oil Spill Identification in Marine SAR Images Based on TextureFeature and Artificial Neural Network[J]. Periodical of Ocean University of China,2009,39(6): 1 269-1 274(石立坚,赵朝方,刘朋.基于纹理分析和人工神经网络的SAR图像中海面溢油识别方法[J]. 中国海洋大学学报,2009,39(6):1 269-1 274)
    [5] Mansor S B, Assilzadeh H, IbrahimH M, et al. Oil Spill Detection and Monitoring from Satellite Image [OL]. http:// www.Gisdevelopment.net/appli2cation/miscellaneous,2014
    [6] He Chu,Liu Ming. A Hierarchical Classification Method Based on Feature Selection and Adaptive Decision Tree for SAR Image[J]. Geomatics and Information Science of Wuhan University,2012,37(1):46-49(何楚,刘明.利用特征选择自适应决策树的层次SAR图像分类[J].武汉大学学报·信息科学版,2012,37(1):46-49)
    [7] Wu Zhaocong,Ouyang Qundong,Hu Zhongwen. Polarimetric SAR Image Classification Using Watershed-Transformation and Support Vector Machine [J]. Geomatics and Information Science of Wuhan University,2012,37(1):7-10(巫兆聪,欧阳群东,胡忠文.应用分水岭变换与支持向量机的极化SAR图像分类[J].武汉大学学报·信息科学版, 2012,37(1):7-10)
    [8] Tamura H,Mori S,Yamawaki T. Textural Features Corresponding to Visual Perception[J]. IEEE Transaction on Systems,1978,8(6):460-473
    [9] Utgoff P,Stracuzzi D. Many Layered Learning[J].Neural Computation,2002,14(10):2 497-2 529
    [10] Bengio Y,Lecun Y. Scaling Learning Algorithms Towards AI[J].Large-Scale Kernel Machines,2007,1:1-41
    [11] G E. Hinton,S Osindero,Yee W. Teh. A Fast Learning Algorithm for Deep Belief Nets[J]. Neural Comput, 2006,18(7):1 527-1 554
    [12] Bengio Y,Delalleau O. On the Expressive Power of Deep Architectures [C]. The 14th International Conference on Discovery Science, Berlin,2011
    [13] Bengio Y,Lecun Y. Scaling Learning Algorithms Towards AI[M]. Cambridge: MIT Press,2007: 321-358; 599-619
    [14] Xiao Hanguang, Cai Congzhong. Comparison Study of Normalization of Feature Vector[J]. Computer Engineering and Applications,2009,45(22):117-119(肖汉光,蔡从中. 特征向量的归一化比较性研究[J]. 计算机工程与应用,2009,45(22):117-119)
    [15] Zhou Shusen, Chen Qingcai, Wang Xiaolong. Active Deep Learning Method for Semi-supervised Sentiment Classification[J]. Neurocomputing, 2013, 120: 536-546
    [16] Wang Jun. Estimation of the Kappa Coefficient from Consistency[D]. Chengdou: Sichuan University, 2006(王军. Kappa系数在一致性评价中的应用研究[D].成都:四川大学,2006)
    [17] Lena Chang, Tang Z S, Chang S H, et al. A Region-based GLRT Detection of Oil Spills in SAR Images[J]. Pattern Recognition Letters, 2008,29: 1 915-1 923
    [18] Konstantinos T, Apostolos P. Oil Spill Feature Selection and Classification Using Decision Tree Forest on SAR Image Data[J]. ISPRS Journal of Photogrammetry and Remote Sensing,2012, 68: 135-143
    [19] del Frate F, Petrocchi A, Lichtenegger J, et al. Neural Networks for Oil Spill Detection Using ERS-SAR Data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000,38(5): 2 282-2 287
  • [1] 张波, 张瑞, 刘国祥, 刘巧, 蔡嘉伦, 于冰, 符茵, 李志林.  基于SAR影像的贡巴冰川末端冰湖年际变化监测及溃决规律分析 . 武汉大学学报 ● 信息科学版, 2019, 44(7): 1054-1064. doi: 10.13203/j.whugis20190087
    [2] 李健伟, 曲长文, 彭书娟.  SAR图像舰船目标联合检测与方向估计 . 武汉大学学报 ● 信息科学版, 2019, 44(6): 901-907. doi: 10.13203/j.whugis20170328
    [3] 呙维, 彭旭, 刘异, 朱欣焰.  边缘约束下的分形网络分割算法 . 武汉大学学报 ● 信息科学版, 2019, 44(11): 1693-1699. doi: 10.13203/j.whugis20170262
    [4] 吕凤华, 舒宁, 龚颵, 郭清, 曲雪光.  利用多特征进行航空影像建筑物提取 . 武汉大学学报 ● 信息科学版, 2017, 42(5): 656-660. doi: 10.13203/j.whugis20140781
    [5] 邰建豪, 潘斌, 赵珊珊, 赵园.  基于Shearlet变换的SAR与多光谱遥感影像融合 . 武汉大学学报 ● 信息科学版, 2017, 42(4): 468-474. doi: 10.13203/j.whugis20150768
    [6] 朱婷婷, 李斐, 张胜凯, 袁乐先.  基于CFAR的RADARSAT-1南极裸岩目标信息提取 . 武汉大学学报 ● 信息科学版, 2016, 41(11): 1512-1517. doi: 10.13203/j.whugis20150266
    [7] 樊恒, 徐俊, 邓勇, 向金海.  基于深度学习的人体行为识别 . 武汉大学学报 ● 信息科学版, 2016, 41(4): 492-497. doi: 10.13203/j.whugis20140110
    [8] 眭海刚, 华凤, 范一大, 刘俊怡.  利用GIS与贝叶斯网络进行高分辨率SAR影像道路损毁信息提取 . 武汉大学学报 ● 信息科学版, 2016, 41(5): 578-583. doi: 10.13203/j.whugis20140323
    [9] 郭际明, 黄长军, 喻小东, 聂智平.  利用BEMD-自适应滤波去除SAR干涉图噪声 . 武汉大学学报 ● 信息科学版, 2014, 39(4): 422-427. doi: 10.13203/j.whugis20120013
    [10] 梁志锋, 凌飞龙, 陈尔学.  全极化SAR数据的最大后验概率分类 . 武汉大学学报 ● 信息科学版, 2013, 38(6): 648-651.
    [11] 岳春宇, 江万寿.  一种利用级联滤波和松弛法的SAR图像配准方法 . 武汉大学学报 ● 信息科学版, 2012, 37(1): 43-45.
    [12] 肖金群, 李志伟, 汪长城, 丁晓利.  相位补偿SAR差分干涉提取山区DEM算法及精度分析 . 武汉大学学报 ● 信息科学版, 2012, 37(3): 334-338.
    [13] 杨书成, 黄国满, 赵争.  一种利用影像模拟制作SAR立体模型的方法 . 武汉大学学报 ● 信息科学版, 2012, 37(11): 1325-1328.
    [14] 邓少平, 李平湘, 张继贤, 黄国满.  基于乘积模型的极化SAR滤波 . 武汉大学学报 ● 信息科学版, 2011, 36(10): 1168-1171.
    [15] 余凡, 赵英时.  合成孔径雷达反演裸露地表土壤水分的新方法 . 武汉大学学报 ● 信息科学版, 2010, 35(3): 318-321.
    [16] 张静, 王莉丽, 林雪原, 杨智勇.  一种基于数据的核优化新方法 . 武汉大学学报 ● 信息科学版, 2010, 35(1): 110-113.
    [17] 史磊, 李平湘, 杨杰.  利用SIFT与粗差探测进行SAR影像配准 . 武汉大学学报 ● 信息科学版, 2010, 35(11): 1296-1299.
    [18] 尤红建, 傅琨.  基于分布模型差异的SAR变化检测 . 武汉大学学报 ● 信息科学版, 2008, 33(5): 454-456.
    [19] 王健, 向茂生, 李绍恩.  一种基于InSAR相干系数的SAR阴影提取方法 . 武汉大学学报 ● 信息科学版, 2005, 30(12): 1063-1066.
    [20] 王任享.  论不同航天摄影测量传感器的摄影测量性能 . 武汉大学学报 ● 信息科学版, 2001, 26(2): 95-100.
  • 加载中
计量
  • 文章访问数:  1325
  • HTML全文浏览量:  45
  • PDF下载量:  576
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-10-07
  • 刊出日期:  2016-03-05

基于人类感知的SAR图像海上溢油检测算法

doi: 10.13203/j.whugis20140404
    基金项目:  国家海洋局海洋公益性行业科研专项基金(201305026-3);上海市科学技术委员基础研究重大重点项目(08240510800)
    作者简介:

    郭越,讲师,博士生,从事海洋遥感图像目标检测研究。yueguo@shmtu.edu.cn

  • 中图分类号: P237;TP751

摘要: 在基于SAR图像的海上溢油检测中,识别的效率与准确率是关键。纹理特征是人类专家能够较好的判别SAR图像中油膜,类油膜以及海水的一个重要依据。本文算法一方面融合灰度共生矩阵与Tamura特征,直接对SAR原始图像进行特征提取,避免了对图像进行分割、降噪等预处理,提高了识别算法的可行性与识别效率。另一方面,应用深度信念网络(DBN)的分类方法,可以很好地解决溢油检测中小样本分类的问题,并且模仿人类感知系统高效准确的表示信息、获取本质特征。本文应用人类感知的思想对油膜、类油膜以及海水这3类样本进行分类识别。通过实验确定了DBN中利于分类的关键参数值。本算法对原始SAR图像中3类样本的识别准确率达到90.36%,具有较好的实用价值。

English Abstract

郭越, 王晓峰, 张恒振. 基于人类感知的SAR图像海上溢油检测算法[J]. 武汉大学学报 ● 信息科学版, 2016, 41(3): 395-401,407. doi: 10.13203/j.whugis20140404
引用本文: 郭越, 王晓峰, 张恒振. 基于人类感知的SAR图像海上溢油检测算法[J]. 武汉大学学报 ● 信息科学版, 2016, 41(3): 395-401,407. doi: 10.13203/j.whugis20140404
GUO Yue, WANG Xiaofeng, ZHANG Hengzhen. Oil Spill Detection by SAR Images Based on Human Perception[J]. Geomatics and Information Science of Wuhan University, 2016, 41(3): 395-401,407. doi: 10.13203/j.whugis20140404
Citation: GUO Yue, WANG Xiaofeng, ZHANG Hengzhen. Oil Spill Detection by SAR Images Based on Human Perception[J]. Geomatics and Information Science of Wuhan University, 2016, 41(3): 395-401,407. doi: 10.13203/j.whugis20140404
参考文献 (19)

目录

    /

    返回文章
    返回