人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡。在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素。为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] 。由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中。海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）。一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑。除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑。相对溢油区域而言,这类暗斑统称为疑似溢油区。因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）。暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用。一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）。前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] 。在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境。Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域。利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割。该方法被应用于ERSPRI影像暗斑提取。虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像。为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取。Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的。Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑。尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性。为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法。在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性。为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取。
1 算法描述
在利用SAR影像进行海洋溢油监测的3方面工作中[7 ] ,提出的方法是第二阶段的暗斑特征提取工作,即在预先实现海洋暗斑定位[14 ] 的基础上,在给定SAR影像中框画出覆盖海洋暗斑的区域,作为算法提取海洋暗斑几何形态及其统计分布参数的基础。图1 所示为算法的具体流程,其中实线框代表算法功能,虚线框为实现相应功能的技术手段。
图1 海洋暗斑特征提取流程
Fig.1 Process of dark spot feature extraction by SAR
在统计学框架下,SAR影像中所有像素集合z 为：z= {zi |i = 1, …,n },并可以看作离散随机场Z= {Zi =Z (xi , yi )|(xi , yi )∈D ; i= 1, …,n }的实现,其中D 为影像域,i 为像素点索引,(xi , yi )为第i 个像素点的位置,Zi 为表征第i 个像素点像素强度的随机变量,n 为总像素数。
海洋暗斑提取是在涵盖暗斑及一定范围海洋背景的SAR影像上进行的,由此可以假设给定SAR影像仅覆盖两个目标区域,即暗斑及海洋背景区域。首先利用Voronoi划分技术将影像域D 划分为一系列子区域（Voronoi多边形）,则影像域D 可表示为所有子区域的集合,即：D= {Pj |j= 1, …, m },其中,j 用于索引子区域,m 为划分的子区域数。并以Voronoi多边形为基本处理单元,即假设同一Voronoi多边形内像素隶属于同一目标类。由此,为每一Voronoi多边形Pj 定义一个标号变量Lj ∈{d, b },其中,d 和b 分别代表海洋暗斑和海洋背景,Lj 表征第j 个多边形Pj 隶属的目标类。每个目标类的几何区域则由一组Voronoi多边形拟合而成。显然,对所有Voronoi多边形的标号集合L= {Lj |j= 1, …, m }形成了一个随机标号场,而L 的实现对应于SAR影像z 的分割结果。定义给定生成点集G= {(uj , vj )|(uj , vj )∈D ; j= 1, …,m },其中,(uj , vj )表示第j 个生成点在影像域D 中的坐标。生成点集G 相应的Voronoi划分定义为m 个生成点诱导的m 个子区域的集合,即P= {Pj , j= 1,...,m },其中,Pj 由生成点(uj , vj )诱导生成,即Pj 中的任意一点(x, y )与生成点(uj , vj )的距离小于距离生成点集中其它生成点的距离,可以表达为：Pj = {(x,y )|δ [(x,y ),(uj ,vj )]<δ [(x,y ),(uj ′ ,vj ′ )},(uj , vj ),(uj ′ ,vj ′ )∈G, j ≠j′ , j ,j′= 1, …, m ,其中δ 为平面上两点间的欧几里德距离。
由于SAR影像成像过程中特有的斑点噪声,尽管Lee等[18 ] 从理论上推到出同质区域内像素强度应服从Gamma分布,但Dong等[11 ] 的比较研究发现,在许多情况下高斯分布更适于建模SAR影像像素强度分布。因此,假设暗斑和海洋背景区域内像素强度分别服从参数为(μd ,σd )和(μb ,σb )的高斯分布,定义θ = {(μd ,σd ),(μb ,σb )}表示暗斑和背景的参数集合,其中μ 和σ 分别为高斯分布的均值和标准差,下标d 和b 分别代表海洋暗斑和海洋背景。
为了算法实现SAR影像分割,假定分布参数θ 为解析变量,在算法迭代中直接计算得到,而Z 、L 、G 和m 为随机矢量（变量）,因此需要构建给定图像Z 条件下标号场L ,生成点集G ,多边形个数m 的联合概率密度函数p (L ,G, m|Z )。根据贝叶斯定理,该条件联合概率密度函数（即溢油SAR分割模型）可表达为：
p ( L , G , m Z ) ∝ p ( Z L , G , m ) p ( L m ) p ( G m ) p ( m )
其中,p (Z|L,G,m )为SAR影像像素强度的联合概率密度函数,如假设各像素强度服从的高斯分布相互独立,则p (Z|L,G, m )可写为：
p ( Z L , G , m ) = ∏ j = 1 m ∏ ( x i , y i ) ∈ p j 1 2 π σ L j exp - ( Z i - μ L j ) 2 2 σ L j 2
其中,μLj 和σLj 为Gaussian分布的均值和标准差;p (L|m )为标号场L 的先验概率,将刻画像素标号关系的均值场近似Potts模型移植到影像域划分中以建模该先验概率,即
其中,NPj 为Pj 的邻域Voronoi多边形,而两个Voronoi多边形互为邻域当且仅当两者有共同边界;A 为归一化常数; η I 为指示函数,当x=y ,有I (x,y )=1,否则,I (x, y )=0。假设生成点均匀分布于影像域D 中,并且各生成点的分布相互独立,据此,生成点集的先验概率密度函数p (G|m )表示为：
p ( G m ) = ∏ j = 1 m 1 D = | D | - m
其中,|D| 为影像域D 的面积。对于Voronoi划分中生成点数m ,假设其满足均值为λ 的泊松分布,即
p ( m ) = λ m m ! exp ( - λ )
将（2~5）式代入（1）式即可构建溢油SAR影像分割模型。海洋暗斑几何及统计特征由求解该分割模型得到。
利用M-H算法设计随机采样器以完备地采样随机变量（L ,G ,m ）,以获取海洋暗斑几何特征（即,暗斑分割区域）。由此,设计3种移动操作[19 ] ：
① 改变标号场;② 位移生成点;③ 增加或删除生成点。对每次迭代采样需要遍历所有的移动操作。
海洋暗斑统计分布参数θ 是在ML条件下计算得到的。分两步完成ML估计：计算期望值和最大化期望值。如果设θ (t )为在第t 次迭代时的参数θ 估计值,则
式中,Pb,d = {Pj : Lj = b, d },
Zj = {Zi , (xi ,yi )∈P },# 操作返回集合中元素数。
2 实验结果及讨论
为验证海洋暗斑特征提取方法的可行性和有效性,分别对溢油SAR影像及模拟溢油SAR影像进行实验（图2 ）。该组SAR影像均为HH极化方式,30 m×30 m空间分辨率,其中的海洋暗斑由专家辨识为溢油油膜并经实地验证,分别为初始海洋溢油（非法倾倒造成）、溢油油膜扩散,及溢油油膜漂移。
图2 海洋溢油SAR影像
Fig.2 SAR images with marine oil spills
图3 a1~c1给出对不同测试影像的暗斑提取结果,深色区域为提取的海洋暗斑;图3 a2~c2为各暗斑区域轮廓线,即暗斑区域的几何特征。
图3 溢油区分割及提取几何特征
Fig.3 Segmentations and geometries in oil spill area
为了视觉上验证提取暗斑区域的准确性及提出的几何划分对分割区域的拟合能力,将提取的海洋暗斑轮廓线叠加在测试影像和几何划分结果上（图4 a1~c1和a2~c2,其中图4 a2~c2的几何划分结果中各同质子区域分别被随机分配一种彩色进行显示）。图4 可见,提出方法可以准确地提取暗斑区域并能利用有限的Voronoi多边形有效地拟合该区域。
图4 溢油区轮廓线与影像及其划分叠加
Fig.4 Outlines of oil spills overlaid with images and tessellations
由于假设溢油SAR影像中统计同质区域内像素强度服从高斯分布,因此需要估计其同质区域（海洋暗斑区域和海洋背景区域）像素强度分布的均值和标准差作为暗斑区域的统计分布特征。表1 列出算法估计得到的不同时期海洋溢油区内暗斑区域和海洋背景区域像素强度统计分布参数。
为了验证表1 中估计参数的准确性,图5 画出以表1 估计参数为分布参数的高斯分布曲线,以及暗斑区域和海洋背景区域像素强度直方图。图5 看出,根据估计参数绘制的高斯分布曲线较好地拟合各区域内像素强度直方图。
图5 溢油区暗斑区域及海洋背景直方图及高斯分布
Fig.5 Histograms and curves of Gaussian distribution
为了定量评价提取暗斑几何及统计分布特征的精确度,生成已知几何形态和分布参数的模拟SAR影像。如图6 a~c为模拟高斯SAR影像,图6 d为其模板。表2 给出各模拟SAR影像暗斑区域和背景区域像素高斯分布参数（μd ,σd , μb ,σb ）。
图6 模拟高斯SAR影像
Fig. 6 Simulated Gaussian SAR images with mean/std
图7 a1~c1为模拟SAR影像分割结果图,图7 a2~c2为暗斑轮廓线与模拟SAR影像叠加结果,其中红线为提取的轮廓线,绿线为真实轮廓线,而蓝线为两者重合部分。图7 看出,尽管模拟SAR影像中暗斑区域和背景区域有相同的标准差（图6 a）和相同的均值（图6 c）,但仍能精准地提取出暗斑区域（图7 a2和c2）。表2 亦列出得到的高斯分布参数的估计值（μd 估 , σd 估 , μb 估 , σb 估 ）以及估计误差（eμd , eσd , eμb , eσb ）。表2 看出,提出的方法能以相当高的精度（最高估计误差仅为2.8%）估计暗斑和背景统计分布参数。
图7 分割结果及原始影像叠加轮廓线结果
Fig.7 Segmentation results and overlaying outlines and simulated images
3 结论与讨论
3.1 结论
SAR影像海洋溢油监测包括暗斑检测、暗斑特征提取、以及溢油分类（辨识）3方面工作,本文基于几何划分的区域影像分割策略进行了溢油暗斑几何及统计分布特征的提取工作,主要结论如下：
1） 海洋暗斑边界往往呈现出一定的不规则性,尤其是对于扩散期和漂移期的溢油油膜暗斑区域往往呈现出极其不规则性特征,实验结果证明基于几何划分的区域影像分割方法,能够较精准地拟合具有复杂几何形态的海洋暗斑。
2） 海洋暗斑和背景区域的统计模型是建立在暗斑几何特征和统计分布特征基础上的或然率模型,通过M-H采样和最大化期望值方法对或然率进行模拟后,可以同时得到暗斑区域的几何特征和统计分布特征,减少传统的提取海洋暗斑过程中对统计分布特征参数的后处理过程。
3） 为定量评价提取海洋暗斑几何及统计分布特征参数的精确度并验证不同复杂情况下海洋暗斑特征提取能力,生成具有复杂几何形态及各种不同暗斑和海洋环境分布的模拟SAR影像,即两者具有相同均值不相同标准差、相同标准差不相同均值、不相同标准差不相同均值SAR影像。实验结果表明：即使暗斑区域和背景区域有相同的标准差（图6 a）或相同的均值（图6 c）,该方法仍能精准地提取出暗斑区域,证明该方法在暗斑和背景区域统计分布特征相近条件下仍能准确提取暗斑。此外,通过提取的统计分布特征和模拟SAR影像的统计分布参数进行对比可以发现,该方法能以较高的精度（最高估计误差仅为2.8%）估计暗斑和背景统计分布参数。
4） 提取的暗斑几何特征基础上,可以进一步派生出刻画海洋溢油暗斑的面积、周长及几何复杂度等特征,为进一步的海洋溢油辨识提供充分依据。
3.2 讨论
1） 实验用影像尺寸为256×256像素,分辨率为30 m,整幅影像覆盖范围约为58.9 km2 。由于影像覆盖范围较小,暗斑及背景特征均呈现出分布相对均一的特征。但是在大尺度SAR影像中,由于海洋表面的复杂性和成像条件的差异性,造成海洋背景和暗斑在影像中不同的区域分别呈现出像素强度非一致性,这使得算法中假定暗斑和背景分别服从同一的高斯分布不再适用,因此,在后续分割模型建立过程中,需要针对不同类型的暗斑区域和不同分布特征的背景区域分别定义不同的分布参数。
2） 虽然在或然率模型模拟过程中,采用M-H算法和最大化期望值极大地提高算法速度,但对大尺度的海洋溢油特征提取,算法时间仍然是值得注意的问题。因此,为适应大尺度海洋溢油检测,应进一步深入研究算法的加速问题,如开发并行算法等,以期提高算法的运行效率。
3） 在分割模型构建过程中,采用高斯分布建模SAR影像像素强度分布,虽然实验证明高斯分布适用于建模SAR影像,但相对于其它的分布模型,如K分布、Gamma分布等,在建模SAR影像中的差异性,并未进行深入研究。
The authors have declared that no competing interests exist.
参考文献
文献选项
[1]
Topouzelis K N Oil spill detection by SAR images:dark formation detection,feature extraction and classification algorithms
[J].Sensors ,2008 ,8 (10 ):6642 -6659 .
URL
[本文引用: 2]
[2]
王颖 ,季小梅 .中国海陆过渡带——海岸海洋环境特征与变化研究
[J].地理科学 ,2011 ,31 (2 ):129 -135 .
URL
摘要
海岸海洋是陆地与海洋过渡的地带,位居亚洲与太平洋之交的中国海岸类型丰富,河海交互作用与人类活动影响使海岸海洋环境与作用过程独具特色。河流的贯通作用,使得全球变化与人类活动对河流流域的作用,亦在海岸海洋地区表现出来,并对海洋环境形成显著的影响。历史与现实实例表明,在海岸海洋的开发利用中需重视研究海陆交互过渡带环境特征,尽可能减小人类活动对海岸海洋环境的负面效应。人们应调查研究区域海岸环境特点,探索其动力过程机制,阐明其发展变化趋势,依据自然规律,在阀值极限的范围内规划设计工程与开发利用,才可达到事半功倍与避免灾害的效果,确保海岸海洋的可持续性开发利用。
[Wang Ying Ji Xiaomei Environmental characteristics and changes of coastal ocean as land-ocean transitional zone of China
.Scientia Geographica Sinica ,2011 ,31 (2 ):129 -135 .]
URL
摘要
海岸海洋是陆地与海洋过渡的地带,位居亚洲与太平洋之交的中国海岸类型丰富,河海交互作用与人类活动影响使海岸海洋环境与作用过程独具特色。河流的贯通作用,使得全球变化与人类活动对河流流域的作用,亦在海岸海洋地区表现出来,并对海洋环境形成显著的影响。历史与现实实例表明,在海岸海洋的开发利用中需重视研究海陆交互过渡带环境特征,尽可能减小人类活动对海岸海洋环境的负面效应。人们应调查研究区域海岸环境特点,探索其动力过程机制,阐明其发展变化趋势,依据自然规律,在阀值极限的范围内规划设计工程与开发利用,才可达到事半功倍与避免灾害的效果,确保海岸海洋的可持续性开发利用。
[3]
樊辉 ,黄海军 .南黄海辐射沙洲邻近海域表层悬浮颗粒物浓度遥感反演
[J].地理科学 ,2011 , 31 (2 ):159 -165 .
URL
摘要
利用2003年春、秋季南黄海辐射沙洲邻近海域水体表观光谱测量与同步水体取样数据,分析该海域不同季节表层水体遥感反射率光谱响应特性。结合常用水色传感器波段光谱响应模拟,建立春、秋季表层水体总悬浮颗粒物浓度（TSM）与悬浮泥沙浓度（SSC）的最适单波段、双波段（波段比值）和3波段统计反演模式。结果表明,不同季节水体上述3类算法的最优波段均不相同,欲寻求适合所有季节水体的统一反演算法,仅能选择次优波段。通过比较,3种不同反演模式中三波段模式更适于反演近岸水体悬浮颗粒物浓度。
[Fan Hui Huang Haijun Remote sensing retrieval of suspended particulate matter concentrations of surface waters near radial sand ridges area in the South Yellow Sea
.Scientia Geographica Sinica ,2011 , 31 (2 ):159 -165 .]
URL
摘要
利用2003年春、秋季南黄海辐射沙洲邻近海域水体表观光谱测量与同步水体取样数据,分析该海域不同季节表层水体遥感反射率光谱响应特性。结合常用水色传感器波段光谱响应模拟,建立春、秋季表层水体总悬浮颗粒物浓度（TSM）与悬浮泥沙浓度（SSC）的最适单波段、双波段（波段比值）和3波段统计反演模式。结果表明,不同季节水体上述3类算法的最优波段均不相同,欲寻求适合所有季节水体的统一反演算法,仅能选择次优波段。通过比较,3种不同反演模式中三波段模式更适于反演近岸水体悬浮颗粒物浓度。
[4]
狄乾斌 ,刘欣欣 ,曹可 .中国海洋经济发展的时空差异及其动态变化研究
[J].地理科学 ,2013 , 33 (12 ):1413 -1420 .
Magsci
[本文引用: 1]
摘要
<p>中国海洋经济近年来快速发展，但地区差异明显。以沿海11 个省市区为研究对象，从时间与空间2 个角度，运用变差系数及加权变差系数来表现1996~2010 年沿海省市经济发展的差异程度，结果表明中国沿海省市海洋经济成倍增长，总体差异在波动中减小；采用区位熵、洛伦兹曲线及基尼系数对海洋产业结构及其空间布局演化进行分析，得出海洋产业结构向高级阶段演进，海洋产业集聚规模有所减弱，各产业趋于均衡发展；具有资源属性的海洋产业集聚程度最高，海洋第三产业集聚程度降低；利用主成分分析法对沿海省市的海洋经济发展进行综合评价将其分为3 个梯队；使用R/S 分析法对沿海地区差异情况进行预测，显示未来差距有增大的趋势。最后从提高海洋资源开发能力、提高海洋经济发展质量等角度提出了具体建议。</p>
[Di Qianbin Liu Xinxin Cao Ke Spatial and temportal disparities of marine economic development and dynamic changes in China
.Scientia Geographica Sinica ,2013 , 33 (12 ):1413 -1420 .]
Magsci
[本文引用: 1]
摘要
<p>中国海洋经济近年来快速发展，但地区差异明显。以沿海11 个省市区为研究对象，从时间与空间2 个角度，运用变差系数及加权变差系数来表现1996~2010 年沿海省市经济发展的差异程度，结果表明中国沿海省市海洋经济成倍增长，总体差异在波动中减小；采用区位熵、洛伦兹曲线及基尼系数对海洋产业结构及其空间布局演化进行分析，得出海洋产业结构向高级阶段演进，海洋产业集聚规模有所减弱，各产业趋于均衡发展；具有资源属性的海洋产业集聚程度最高，海洋第三产业集聚程度降低；利用主成分分析法对沿海省市的海洋经济发展进行综合评价将其分为3 个梯队；使用R/S 分析法对沿海地区差异情况进行预测，显示未来差距有增大的趋势。最后从提高海洋资源开发能力、提高海洋经济发展质量等角度提出了具体建议。</p>
[5]
范开国 ,黄韦艮 ,傅斌 ,等 .台湾浅滩浅海水深SAR遥感探测实例研究
[J].地球物理学报 ,2012 ,55 (1 ):310 -316 .
https://doi.org/10.6038/j.issn.0001-5733.2012.01.031
Magsci
[本文引用: 1]
摘要
本文基于浅海地形SAR遥感成像机理,提出星载SAR图像浅海水深遥感探测新技术.利用该遥感探测新技术与浅海地形SAR遥感图像,在台湾浅滩海域进行了浅海水深SAR遥感探测实例研究.SAR遥感探测水深值与实测水深值的比较结果显示,SAR遥感探测水深值的均方根误差达到2.5 m,误差小于10%.表明SAR具有探测浅海水深的能力,本文提出的浅海水深SAR遥感探测技术是收敛与可行的.
[Fan Kaiguo Huang Weigen Fu Bin et al .SAR shallow water bathymetry surveys:a case study in Taiwan Shoal
.Chinese Journal of Geophysics ,2012 ,55 (1 ):310 -316 .]
https://doi.org/10.6038/j.issn.0001-5733.2012.01.031
Magsci
[本文引用: 1]
摘要
本文基于浅海地形SAR遥感成像机理,提出星载SAR图像浅海水深遥感探测新技术.利用该遥感探测新技术与浅海地形SAR遥感图像,在台湾浅滩海域进行了浅海水深SAR遥感探测实例研究.SAR遥感探测水深值与实测水深值的比较结果显示,SAR遥感探测水深值的均方根误差达到2.5 m,误差小于10%.表明SAR具有探测浅海水深的能力,本文提出的浅海水深SAR遥感探测技术是收敛与可行的.
[6]
张金芝 ,黄海军 ,刘艳霞 ,等 .基于PSInSAR 技术的现代黄河三角洲地面沉降监测与分析
[J].地理科学 ,2013 ,33 (7 ):831 -836 .
Magsci
[本文引用: 1]
摘要
<p>地面沉降是现代黄河三角洲地区主要的地质灾害之一, 利用PSInSAR技术对覆盖现代黄河三角洲部分地区的10 景ERS1/2 数据进行处理, 获得该研究区的地面沉降范围、沉降速率和形变时间序列情况。选取3 个地面沉降范围和速率相对较大的区域进行重点分析, 同时将监测结果与相应时间段的居民区分布图和油田分布图进行叠加分析, 结果表明, 地面沉降与石油开采、地表载荷增加具有较强的相关性。利用水准观测数据对获得的监测结果进行精度验证, 结果显示PSInSAR监测结果与水准观测数据吻合, 中误差达到mm级。</p>
[Zhang Jinzhi Huang Haijun Liu Yanxia et al .Monitoring and analysis of ground subsidence in the modern Yellow River delta area based on PSInSAR technique
.Scientia Geographica Sinica ,2013 ,33 (7 ):831 -836 .]
Magsci
[本文引用: 1]
摘要
<p>地面沉降是现代黄河三角洲地区主要的地质灾害之一, 利用PSInSAR技术对覆盖现代黄河三角洲部分地区的10 景ERS1/2 数据进行处理, 获得该研究区的地面沉降范围、沉降速率和形变时间序列情况。选取3 个地面沉降范围和速率相对较大的区域进行重点分析, 同时将监测结果与相应时间段的居民区分布图和油田分布图进行叠加分析, 结果表明, 地面沉降与石油开采、地表载荷增加具有较强的相关性。利用水准观测数据对获得的监测结果进行精度验证, 结果显示PSInSAR监测结果与水准观测数据吻合, 中误差达到mm级。</p>
[7]
Brekke C Solberg A H Oil spill detection by satellite remote sensing
[J].Remote Sensing of Environment ,2005 ,95 (1 ):1 -13 .
https://doi.org/10.1016/j.rse.2004.11.015
URL
[本文引用: 2]
摘要
This paper presents the state of the art for oil spill detection in the world oceans. We discuss different satellite sensors and oil spill detectability under varying conditions. In particular, we concentrate on the use of manual and automatic approaches to discriminate between oil slicks and look-alikes based on pattern recognition. We conclude with a discussion of suggestions for further research with respect to oil spill detection systems.
[8]
邹亚荣 ,王华 ,朱海天 ,等 .海上溢油SAR图像分割算法研究
[J].海洋环境科学 ,2009 ,28 (3 ):313 -315 .
https://doi.org/10.3969/j.issn.1007-6336.2009.03.020
URL
[本文引用: 1]
摘要
运用SAR进行海上溢油监测是目前主要的手段。本文采用ENVISAR—ASAR数据，在分 析溢油特性基础上，基于专家知识，开展一种区域种子扩散的方法进行图像分割研究，为溢油信息自动提取打下基础。该方法能够有效的分割出溢油信息，采用不同 的预值，产生不同的结果，这与专家知识有关，这在一定程度上使分割结果受到人为影响，并且在分割后的图像的平滑与形状上存在误差，这将在以后的研究中进一 步研究。
[Zou Yarong Wang Hua Zhu Haitian et al .Study on segmentation of SAR image for oil spilled at sea
.Marine Environmental Science ,2009 ,28 (3 ):313 -315 .]
https://doi.org/10.3969/j.issn.1007-6336.2009.03.020
URL
[本文引用: 1]
摘要
运用SAR进行海上溢油监测是目前主要的手段。本文采用ENVISAR—ASAR数据，在分 析溢油特性基础上，基于专家知识，开展一种区域种子扩散的方法进行图像分割研究，为溢油信息自动提取打下基础。该方法能够有效的分割出溢油信息，采用不同 的预值，产生不同的结果，这与专家知识有关，这在一定程度上使分割结果受到人为影响，并且在分割后的图像的平滑与形状上存在误差，这将在以后的研究中进一 步研究。
[9]
Manore M J Vachon P W Bjerkelund C et al .Operational use of RADARSATSAR in the coastal zone: the Canadian experience
[M]//27th International Symposium on Remote Sensing of the Environment Proceedings. Tromsø,Norway ,1998 :115 -118 .
[本文引用: 1]
[10]
Solberg A H S Dokken S T Solberg R Automatic detection of oil spills in Envisat,Radarsat and ERS SAR images
[M]//International IEEE Geoscience and Remote Sensing Symposium Proceedings.Toulouse:IGARSS ,2003 :2747 -2748 .
[本文引用: 1]
[11]
Wu S Y Liu A K Towards an automated ocean feature detection,extraction and classification scheme for SAR imagery
[J].International Journal of Remote Sensing ,2003 ,24 (5 ):935 -951 .
URL
[本文引用: 2]
[12]
Mercier G Derrode S Pieczynski W et al .Multiscale oil slick segmentation with Markov chain model
[M]//International IEEE Geoscience and Remote Sensing Symposium Proceedings. Toulouse:IGARSS ,2003 :3501 -3503 .
[本文引用: 1]
[13]
Marghany M Hashim M Cracknell A P Fractal dimension algorithm for detecting oil spills using RADARSAT-1 SAR
[M]//Gervasi O.Computational Science and Its Applications-ICCSA.New York:Springer ,2007 :1054 -1062 .
[本文引用: 1]
[14]
Li Y Li J Oil spill detection from SAR intensity imagery using a marked point process
[J]. Remote Sensing of Environment ,2010 ,114 (7 ):1590 -1601 .
https://doi.org/10.1016/j.rse.2010.02.013
URL
[本文引用: 2]
摘要
This paper presents a new algorithm for the detection of oil spill from SAR intensity images. The proposed algorithm combines the marked point process, Bayesian inference and Markov Chain Monte Carlo (MCMC) technique. In this paper, the candidates of oil spills or dark spots in a SAR intensity image are characterized by a Poisson marked point process. The marked point process is formed by a group of random points (as a point process modelling the locations of oil spills) and a set of parameters including geometric parameters of windows centred at the random points and gamma distribution parameters (as the marks attaching to each point). As a result, the candidates of oil spills are represented by a group of windows, in which the intensities of pixels follow independent and identical gamma distribution with lower mean than that for the identical gamma distribution of the pixels out of windows. Following the Bayesian paradigm, the posterior distribution, which characterizes the locations and statistical distributions of oil spills, can be obtained up to a normalizing constant. In order to simulate from the posterior distribution and to estimate the parameters of the posterior distribution, the Revisable Jump MCMC (RJMCMC) algorithm is used. The optimal locations and sizes of dark spots are obtained by a maximum a posteriori (MAP) algorithm. The proposed approach is tested using Radarsat-1 SAR images with oil spills indicated by human analysts. The results show that the proposed approach works well and is very promising.
[15]
Zhao Q Li Y Liu Z SAR image segmentation using Voronoi tessellation and Bayesian inference applied to dark spot feature extraction
[J].Sensors ,2013 ,13 (11 ):14484 -14499 .
URL
PMID: 3288271165661701457998920292223222224233074811696415094288963769
[本文引用: 1]
[16]
Dempster A P Laird N M Rubin D B Maximum likelihood from incomplete data via the EM algorithm
[J]. Journal of the Royal Statistical Society,Series B ,1977 ,39 (1 ):1 -38 .
URL
[本文引用: 1]
摘要
Maximum likelihood from incomplete data DEMPSTER A. P. J. Roy. Statist. Soc. B 39, 1-38, 1977
[17]
Hastings W K Monte Carlo sampling methods using Markov chains and their applications
[J].Biometrika ,1970 ,57 (1 ):97 -109 .
URL
[本文引用: 1]
[18]
Lee J Jurkevich L Dewaele P et al .Speckle filtering of synthetic aperture radar images:a review
[J]. Remote Sensing Reviews ,1994 ,8 (4 ):313 -340 .
URL
[本文引用: 1]
[19]
赵泉华 ,李玉 ,何晓军 ,等 .基于Voronoi 几何划分和EM/MPM算法的多视SAR图像分割
[J].遥感学报 ,2013 ,17 (4 ):841 -854 .
https://doi.org/10.11834/jrs.20132239
Magsci
[本文引用: 1]
摘要
基于区域和统计的SAR分割方法,提出一种结合Voronoi划分技术、最大期望值EM (Expectation Maximization)和最大边缘概率MPM (Maximization of the Posterior Marginal)算法的多视SAR图像分割方法。首先利用Voronoi划分将图像域划分成不同的子区域,而每个子区域可以被看成待分割同质区域的一个组成部分,并假设每个子区域内的像素满足同一独立的Gamma分布,从而建立多视SAR图像模型,并在贝叶斯理论架构下建立图像分割模型,然后结合EM/MPM算法进行图像分割和模型参数估计。该方法将基于像元的马尔可夫随机场(Markov Random Field, MRF)模型扩展到基于区域的MRF模型,并且能同时有效地获取模型参数估计和基于区域的SAR图像最优分割。采用本文算法,分别对RADARSAT-Ⅰ/Ⅱ SAR强度图像和合成SAR强度图像进行了分割实验,定性和定量的测试结果验证了本文方法的有效性、可靠性和准确性。
[Zhao Quanhua Li Yu He Xiaojun et al . Multi-look SAR image segmentation based on voronoi tessellation technique and EM/MPM algorithm
.Journal of Remote Sensing ,2013 ,17 (4 ):841 -854 .]
https://doi.org/10.11834/jrs.20132239
Magsci
[本文引用: 1]
摘要
基于区域和统计的SAR分割方法,提出一种结合Voronoi划分技术、最大期望值EM (Expectation Maximization)和最大边缘概率MPM (Maximization of the Posterior Marginal)算法的多视SAR图像分割方法。首先利用Voronoi划分将图像域划分成不同的子区域,而每个子区域可以被看成待分割同质区域的一个组成部分,并假设每个子区域内的像素满足同一独立的Gamma分布,从而建立多视SAR图像模型,并在贝叶斯理论架构下建立图像分割模型,然后结合EM/MPM算法进行图像分割和模型参数估计。该方法将基于像元的马尔可夫随机场(Markov Random Field, MRF)模型扩展到基于区域的MRF模型,并且能同时有效地获取模型参数估计和基于区域的SAR图像最优分割。采用本文算法,分别对RADARSAT-Ⅰ/Ⅱ SAR强度图像和合成SAR强度图像进行了分割实验,定性和定量的测试结果验证了本文方法的有效性、可靠性和准确性。
Oil spill detection by SAR images:dark formation detection,feature extraction and classification algorithms
2
2008
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
... [1 ]采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
中国海陆过渡带——海岸海洋环境特征与变化研究
0
2011
中国海陆过渡带——海岸海洋环境特征与变化研究
0
2011
南黄海辐射沙洲邻近海域表层悬浮颗粒物浓度遥感反演
0
2011
南黄海辐射沙洲邻近海域表层悬浮颗粒物浓度遥感反演
0
2011
中国海洋经济发展的时空差异及其动态变化研究
1
2013
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
中国海洋经济发展的时空差异及其动态变化研究
1
2013
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
台湾浅滩浅海水深SAR遥感探测实例研究
1
2012
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
台湾浅滩浅海水深SAR遥感探测实例研究
1
2012
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
基于PSInSAR 技术的现代黄河三角洲地面沉降监测与分析
1
2013
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
基于PSInSAR 技术的现代黄河三角洲地面沉降监测与分析
1
2013
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
Oil spill detection by satellite remote sensing
2
2005
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
... 在利用SAR影像进行海洋溢油监测的3方面工作中[7 ] ,提出的方法是第二阶段的暗斑特征提取工作,即在预先实现海洋暗斑定位[14 ] 的基础上,在给定SAR影像中框画出覆盖海洋暗斑的区域,作为算法提取海洋暗斑几何形态及其统计分布参数的基础.图1 所示为算法的具体流程,其中实线框代表算法功能,虚线框为实现相应功能的技术手段. ...
海上溢油SAR图像分割算法研究
1
2009
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
海上溢油SAR图像分割算法研究
1
2009
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
Operational use of RADARSATSAR in the coastal zone: the Canadian experience
1
1998
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
Automatic detection of oil spills in Envisat,Radarsat and ERS SAR images
1
2003
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
Towards an automated ocean feature detection,extraction and classification scheme for SAR imagery
2
2003
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
... 由于SAR影像成像过程中特有的斑点噪声,尽管Lee等[18 ] 从理论上推到出同质区域内像素强度应服从Gamma分布,但Dong等[11 ] 的比较研究发现,在许多情况下高斯分布更适于建模SAR影像像素强度分布.因此,假设暗斑和海洋背景区域内像素强度分别服从参数为(μd ,σd )和(μb ,σb )的高斯分布,定义θ = {(μd ,σd ),(μb ,σb )}表示暗斑和背景的参数集合,其中μ 和σ 分别为高斯分布的均值和标准差,下标d 和b 分别代表海洋暗斑和海洋背景. ...
Multiscale oil slick segmentation with Markov chain model
1
2003
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
Fractal dimension algorithm for detecting oil spills using RADARSAT-1 SAR
1
2007
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
Oil spill detection from SAR intensity imagery using a marked point process
2
2010
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
... 在利用SAR影像进行海洋溢油监测的3方面工作中[7 ] ,提出的方法是第二阶段的暗斑特征提取工作,即在预先实现海洋暗斑定位[14 ] 的基础上,在给定SAR影像中框画出覆盖海洋暗斑的区域,作为算法提取海洋暗斑几何形态及其统计分布参数的基础.图1 所示为算法的具体流程,其中实线框代表算法功能,虚线框为实现相应功能的技术手段. ...
SAR image segmentation using Voronoi tessellation and Bayesian inference applied to dark spot feature extraction
1
2013
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
Maximum likelihood from incomplete data via the EM algorithm
1
1977
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
Monte Carlo sampling methods using Markov chains and their applications
1
1970
... 人类海洋活动正在不断污染海洋环境,破坏海洋生态平衡.在众多海洋污染中,海洋溢油是造成海洋环境污染的最为主要因素.为及时发现、跟踪、评估海洋溢油并为处理海洋溢油提供决策支持,目前许多国家正在积极开展与海洋溢油监测有关的科学研究[1 -4 ] .由于星载合成孔径雷达（Synthetic Aperture Radar, SAR）有着全天候、全天时、覆盖面积广、快速及接近实时数据获取等特点[5 ,6 ] ,因此利用SAR遥感技术可及时、准确、全面地监测海洋溢油污染,是目前海洋溢油监测方面最为有效的手段并越来越多地应用于海洋溢油监测中.海洋溢油监测包括早期溢油预报,以及对已确认溢油区域的变化监测（如油膜扩散漂移状态的监测）.一般而言,由于海洋溢油形成的油膜对由海风诱导的海洋短重力- 毛细波的抑制作用,使得SAR影像中溢油油膜覆盖的海面区域变暗,通常称为海洋暗斑.除海洋溢油油膜外,还有许多其它海洋现象同样可能形成SAR影像中的海洋暗斑.相对溢油区域而言,这类暗斑统称为疑似溢油区.因此,利用SAR影像的海洋溢油监测包括如下3方面工作[7 ] ,即：暗斑检测、暗斑特征提取以及溢油分类（辨识）.暗斑特征作为后续海洋溢油分类的输入量,对其准确提取起着至关重要的作用.一般而言,蕴含在SAR影像用于海洋溢油分类的暗斑特征可以分为三大类：几何特征,如暗斑的几何形态、面积、周长及几何复杂度;物理特征,如暗斑的后向散射值、统计分布参数（均值、标准差等）、暗斑数量等;地理特征,如暗斑区域是否靠近航线、是否为海洋作业区域（海产养殖、海洋钻井平台、海洋观光旅游等）.前两种与SAR影像有关的特征可由相应的影像处理方法获取,其中基于影像分割的方法不失为有效途径[8 ] .在早期工作中多采用阈值方法[9 ,10 ] ,该算法结合阈值技术、多尺度金字塔方法和聚类技术以有效分割海洋暗斑及其海洋环境.Wu和Liu[11 ] 提出基于小波的算法以提取海洋暗斑边缘,从而确定暗斑区域.利用海洋溢油油膜衰减海洋毛细波的特点,Mercier等[12 ] 提出利用波谱局部变化的分割方法,首先由小波变换实现多分辨率分析,然后利用隐含马尔可夫链（Hidden Markov Chain, HMC）估计小波参数,从而实现SAR影像分割.该方法被应用于ERSPRI影像暗斑提取.虽然上述方法在一定程度上较好地提取海洋暗斑的几何形态,但它们仅仅适用于中低分辨率遥感影像.为充分利用目前的高分辨率遥感影像,近来已有许多新技术被用于海洋暗斑区域提取.Marghany等[13 ] 利用改进的分形维方法提出基于分形几何的多分辨率SAR影像纹理分割,从而达到检测海洋暗斑的目的.Topouzelis[1 ] 采用人工神经网络方法检测高分辨率SAR影像海洋暗斑.尽管上述方法在一定程度上可以划分暗斑区域和非暗斑区域,但这些方法均为基于像素的方法,并且仅仅考虑像素强度的一阶统计,因此这些方法亦难实现高分辨率SAR影像海洋暗斑的精确检测,更无法直接提取暗斑区域影像强度的统计分布特性.为克服基于像素方法在高分辨率遥感影像分割方面的局限性,Li等[14 ] 提出贝叶斯架构下基于Voronoi划分的SAR影像分割算法.在此基础上,Zhao等[15 ] 提出了基于区域分割的海洋暗斑特征提取方法,但由于该算法采用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）实现SAR影像分割及暗斑特征提取,使得该方法的运行时间较长,缺乏实用性.为避免以上不足,本文在SAR影像暗斑特征提取过程中,引入利用最大或然率（Maximum Likelihood, ML）[16 ] 估计,用于海洋暗斑统计分布特征提取,然后采用最大化期望值和M-H（Metropolis-Hastings）算法[17 ] 完成SAR影像溢油区几何特征提取. ...
Speckle filtering of synthetic aperture radar images:a review
1
1994
... 由于SAR影像成像过程中特有的斑点噪声,尽管Lee等[18 ] 从理论上推到出同质区域内像素强度应服从Gamma分布,但Dong等[11 ] 的比较研究发现,在许多情况下高斯分布更适于建模SAR影像像素强度分布.因此,假设暗斑和海洋背景区域内像素强度分别服从参数为(μd ,σd )和(μb ,σb )的高斯分布,定义θ = {(μd ,σd ),(μb ,σb )}表示暗斑和背景的参数集合,其中μ 和σ 分别为高斯分布的均值和标准差,下标d 和b 分别代表海洋暗斑和海洋背景. ...
基于Voronoi 几何划分和EM/MPM算法的多视SAR图像分割
1
2013
... 利用M-H算法设计随机采样器以完备地采样随机变量（L ,G ,m ）,以获取海洋暗斑几何特征（即,暗斑分割区域）.由此,设计3种移动操作[19 ] ： ...
基于Voronoi 几何划分和EM/MPM算法的多视SAR图像分割
1
2013
... 利用M-H算法设计随机采样器以完备地采样随机变量（L ,G ,m ）,以获取海洋暗斑几何特征（即,暗斑分割区域）.由此,设计3种移动操作[19 ] ： ...
, 王玉, 李玉
