資源描述：
《基于sar圖像的海面溢油檢測研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、中圖分類號：TN911.73UDC分類號：621.3基于SAR圖像的海面溢油檢測研究作者姓名馮景學院名稱信息與電子學院指導教師陳禾教授申請學位工學博士學科專業(yè)信號與信息處理學位授予單位北京理工大學論文答辯日期2015年6月基于SAR圖像的海面溢油檢測研究（申請北京理工大學工學博士學位論文）馮景2015年6月OilspilldetectionandrecognitionbasedonSARimageCandidateName：JingFengSchoolorDepartment:SchoolofInformationandElectronicsFacultyMentor:Pro
2、f.HeChenDegreeApplied:DoctorofEngineeringMajor：SignalandInformationProcessingDegreeby:BeijingInstituteofTechnologyTheDateofDefence：June，2015研究成果聲明本人鄭重聲明：所提交的學位論文是我本人在指導教師的指導下進行的研究工作獲得的研究成果。盡我所知，文中除特別標注和致謝的地方外，學位論文中不包含其他人已經發(fā)表或撰寫過的研究成果，也不包含為獲得北京理工大學或其它教育機構的學位或證書所使用過的材料。與我一同工作的合作者對此研究工作所做的任何貢獻
3、均已在學位論文中作了明確的說明并表示了謝意。特此申明。簽名：日期：北京理工大學博士學位論文摘要近年來海洋環(huán)境受到了來自海上運輸船只漏油和海上石油鉆井平臺泄漏的嚴重威脅，世界各國紛紛加強了海洋環(huán)境監(jiān)控，建立了全天時的海面溢油檢測識別系統(tǒng)。隨著衛(wèi)星遙感技術的進步，SAR（SyntheticApertureRadar）技術由于其全天時、全天候的特征，已被證明是一種有效的海洋環(huán)境監(jiān)控手段，SAR衛(wèi)星遙感圖像結合各種圖像處理技術，可以比較準確地檢測識別出海面上大面積的非自然產生的油膜，為及時發(fā)現、快速處理漏油事故提供了有力的支持。本文針對基于SAR的溢油檢測關鍵問題，如對圖像預處理、溢
4、油疑似區(qū)域提取、目標識別、虛警剔除等進行了深入的研究。本文的主要研究成果如下：在圖像分割部分，本文提出一種基于分水嶺同質區(qū)劃分的改進CV（Chan-Vese）模型的SAR圖像分割方法，在包含陸地、海面及海面溢油區(qū)域的SAR大視場圖像中提取候選溢油區(qū)域。首先對圖像進行預處理，使用GammaMAP（maximumaposteriori）自適應濾波對SAR圖像的斑點噪聲進行抑制；其次利用分水嶺算法進行標號得到大致的同質區(qū)，通過填充處理，使圖像僅包含海面和溢油區(qū)；最后使用基于CV模型的分割方法得到候選溢油區(qū)域。針對SAR圖像在成像時灰度信息不均勻可導致CV算法失敗的現象，引入基于平滑
5、灰度的信息，提出了改進的CV算法，使CV分割算法對噪聲的影響有所降低。針對SAR圖像溢油檢測的大視場、復雜性高的問題，本文提出以視覺詞袋模型為目標檢測關鍵技術的復雜場景SAR圖像溢油檢測方法。首先從SAR圖像中提取出興趣區(qū)域，提取圖像的低層特征，然后利用K-means聚類方法將低層特征構建為視覺詞典。其次選擇標記的溢油SAR圖像和非溢油SAR圖像作為圖像的訓練樣本，提取樣本圖像興趣區(qū)域的低層特征，并在已經建立的視覺詞典中找到與之匹配的視覺單詞，統(tǒng)計兩種樣本的視覺單詞頻率直方圖。最后設計一種合適的分類器，實現對SAR圖像中提取的興趣區(qū)域進行溢油區(qū)域識別。通過對視覺詞袋在SAR圖
6、像理解中的應用分析和研究，為后續(xù)對SAR圖像的高級語義理解的深入研究工作奠定良好的基礎。最后，本文提出了基于上下文思想構建馬爾科夫隨機場（Markovrandomfield,MRF）的溢油檢測方法，充分利用圖像中的上下文信息實現對圖像中目標的識別和分割，結合上下文關系和目標自身特征與噪聲的差異性形成了一種虛警剔除的方法。通I北京理工大學博士學位論文過運用馬爾科夫概率統(tǒng)計模型來描述各個局部像素點或像素塊的鄰域系統(tǒng)之間的上下文的概率關系，基于馬爾科夫隨機場和吉布斯（Gibbs）分布的等效原理建立SAR圖像的溢油數據統(tǒng)計模型，根據局部概率和全局概率按照條件迭代的算法求得最大后驗概率
7、的最佳解的分割。重點討論和論證了初始標號場對于馬爾科夫隨機場上下文模型的影響和改進，通過視覺凸顯圖建立初始標號場，通過視覺金字塔建立SAR圖像的多尺度的大視場分析；并對吉布斯分布中的切分函數的能量函數的勢函數參數進行了詳盡的討論與實驗分析論證。實驗驗證本方法不但可以準確地進行分割和檢測，加強了對噪聲和虛警的抑制作用，而且使高分辨率小尺度的SAR圖像的紋理細節(jié)信息得到了很好的保存。關鍵詞：SAR；溢油檢測；圖像分割；特征提?。粓D像分類；視覺詞袋；上下文；馬爾科夫隨機場II北京理工大學博士學位論文Abstr
