海洋表面油膜的ERS-SAR圖像提取及浮油面積估算.pdf

1、近年來，通過衛(wèi)星遙感對海洋表面油膜進(jìn)行檢測技術(shù)已經(jīng)得到普及，許多學(xué)者對此給予很大的關(guān)注。合成孔徑雷達(dá)(SAR)使用微波輻射來探測描述地球表面信息，克服了由傳統(tǒng)視頻遙感成像帶來的相關(guān)技術(shù)問題。SAR對海表面敏感的原因是因?yàn)槎滩ǖ拇嬖冢L(fēng)是波浪產(chǎn)生的最重要的原因。當(dāng)風(fēng)吹在海表面時(shí)，產(chǎn)生了波長少于5毫米毛細(xì)波。當(dāng)風(fēng)繼續(xù)激發(fā)毛細(xì)波，它們把能量轉(zhuǎn)移到波長較長的波直到平衡，此時(shí)中間波和短波就形成了。另外，重力波也將能量轉(zhuǎn)移到重力毛細(xì)波。由于短波的

2、產(chǎn)生以及由于浮油粘性而使波的傳播停止等原因，在清潔的海洋表面就形成了浮油覆蓋的油膜層。從SAR傳感器的角度，浮油的特點(diǎn)就是在雷達(dá)圖像上海面后向散射能量的減少并通過與周圍區(qū)域比較形成一個(gè)黑色區(qū)域而重新得到復(fù)原。SAR與其他遙感系統(tǒng)相比較，其優(yōu)勢在于它能在不同的天氣情況下起作用。由于被油覆蓋的海水表面可以在雷達(dá)圖象上形成黑色斑點(diǎn)，因此合成孔徑雷達(dá)(SAR)為人們檢測浮油提供了一種很好的手段。 油膜圖像信息提取的兩個(gè)關(guān)鍵問題是SAR圖

3、像本身受到斑點(diǎn)噪聲及雷達(dá)圖像上類油信號的干擾，從而使雷達(dá)圖像模糊不可辨。連續(xù)的微波信號產(chǎn)生的斑點(diǎn)噪聲破壞了雷達(dá)圖像的清晰性。基本的紋理一般是由于斑點(diǎn)噪聲影響的。而且，斑點(diǎn)的出現(xiàn)把圖像的顯示率損壞還有它影響人的解釋和景物分析任務(wù)。因此，在SAR圖像上仔細(xì)地減少斑點(diǎn)噪聲而使邊緣和紋理信息得以保留是非常重要的，因此，減少斑點(diǎn)噪聲是浮油檢測、目標(biāo)跟蹤和物標(biāo)識別的一個(gè)必不可少的程序。在圖像系統(tǒng)中撤除斑點(diǎn)噪聲時(shí)而沒有把圖象邊緣弄臟(變模糊)是非常重

4、要的。一般來看，噪聲在圖像信號上體現(xiàn)為高空間頻率?；诟盗⑷~變換減少斑點(diǎn)噪聲影響的方法通常采用抑制高頻率組分該方法同樣也影響了邊緣圖像的清晰性和分辨率。小波變換能提供在空間域和頻譜域都較好的定位。小波基的非線性閾值技術(shù)在降噪效果上比線性降噪技術(shù)明顯具有優(yōu)勢。在這篇學(xué)術(shù)論文文章里，我們提出了一種應(yīng)用小波包變換的斑點(diǎn)噪聲抑制的新方法。 在所提出的方法中，本文使用小波包變換方法，它不僅分解近似子空間，而且是細(xì)節(jié)子空間，這在圖像壓縮中是

5、常用的方法。因?yàn)樗屑?xì)節(jié)成分被分解，被分解的子空間次數(shù)量大于其在小波變換中分解的數(shù)量。以這樣很大數(shù)量有效的擴(kuò)展，基于變換的小波包能大大提高對分段圖像頻譜的控制。引入這種控制的代價(jià)是增大了計(jì)算的復(fù)雜性(計(jì)算量從0(M)增大到0(Mlog M))。可能的分解數(shù)量經(jīng)常是很大，所以尋找每一個(gè)分解的閾值然后撤除斑點(diǎn)噪聲往往成為不切實(shí)際的空想。因此，人們迫切需要尋找一種使用某種特殊評判標(biāo)準(zhǔn)而尋找最優(yōu)分解的高效率的算法。在本文的方法里，使用疊加性價(jià)值

6、函數(shù)分解標(biāo)準(zhǔn)。這個(gè)函數(shù)可以確定二維函數(shù)的熵或稱為負(fù)平均信息量。熵接近于零表明這函數(shù)幾乎不帶任何信息的。換句話說高信息含量價(jià)值是表示那函數(shù)以許多非零熵值。所以，從降噪的角度，使熵值非零的數(shù)量最大的價(jià)值函數(shù)是選擇最佳分解的合理判據(jù)。該方法的原理在于，在壓縮中，用一個(gè)價(jià)值函數(shù)找到更多數(shù)量的包含近似于零價(jià)值的成分然后把它們刪除或取閾值到零。由這個(gè)想法啟發(fā)，我們通過疊加性價(jià)值函數(shù)提出了基于能適應(yīng)的小波包方法來解決消除斑點(diǎn)噪聲。葉節(jié)點(diǎn)閾值是通過每一

7、葉節(jié)點(diǎn)以及整個(gè)圖像的噪聲的估計(jì)方差變化進(jìn)行計(jì)算。因此，閾值操作可以用更多接近零系數(shù)處理在更加狹窄的更高的頻帶信號，使降噪效果得到大大體高。問題的關(guān)鍵是如何為每個(gè)分段信號的小波系統(tǒng)選擇合理的閾值。首先，把整個(gè)圖像的估計(jì)斑點(diǎn)噪聲分差估計(jì)。然后，葉節(jié)點(diǎn)閾值是通過每一葉節(jié)點(diǎn)以及整個(gè)圖像的噪聲的估計(jì)方差變化進(jìn)行計(jì)算。最后，除了近似子空間以外每個(gè)葉節(jié)點(diǎn)子空間以自適應(yīng)的方式進(jìn)行處理。文章最后對本文提出的方法的降噪結(jié)果與目前常用的人工斑點(diǎn)噪聲濾波方法以

8、及基于小波的軟性和硬性閾值處理法在圖像視覺效果和信躁比(即峰值信號對噪聲信號的比值)(PSNR)方面進(jìn)行比較。 為了解決第二個(gè)問題，本文采用基于模糊聚類的自動(dòng)識別技術(shù)來區(qū)別浮油與其他類似于東西。所謂其他類似于浮油的東西包括自然薄膜，油膏冰，門限風(fēng)速區(qū)域，風(fēng)庇護(hù)陸路，雨滴形成區(qū)域，水流形成區(qū)域，內(nèi)部波浪和上升流等。在它們之中，自然薄膜形成的混淆是最大的問題。在本文里，油的自動(dòng)識別是使用Mamdani模糊模型來解決的。在這種方法，模

9、糊分類器對分割圖象的結(jié)果進(jìn)行識別，而分割是通過圖像平滑和閾值運(yùn)算是來完成的。由于圖像平滑不僅消除噪聲也消除細(xì)節(jié)，總值模糊的照片只能在某種程度上代表原始圖象。因此，它在識別過程中可能將影響接下來的處理，比如說運(yùn)算浮油面積。在本論文的工作中，應(yīng)用小波包變換的斑點(diǎn)噪聲抑制方法來進(jìn)行圖像的平滑處理，而對非常小的物標(biāo)則采用區(qū)域?yàn)V波的方來去除。采用灰度閾值算法將圖像分為兩類，一類具有用戶定義值一下的像素圖像，而另一類是具有定義值以上的像素。這是一個(gè)