（1-H) (1-A)的結(jié)果，其中，Η為散射熵，A為極化反熵），此時熵Η的取值大于0. 7,計算 極化參數(shù)Η與Α，并對Η與Α的組合進行計算，得到HA、（1-H)A、H(l-A)、（1-H) (1-Α)，以上 6個對于溢油的表現(xiàn)不一，從圖中看出，參數(shù)H、組合（l-H)A對溢油的表現(xiàn)明顯，而參數(shù)A對 溢油的表現(xiàn)不明顯，且噪聲嚴(yán)重。
[0106] 2,計算溢油信息在Radarsat-2圖像上表現(xiàn)，選取出溢油樣本，為提取溢油信息， 研究Η與A的變化對于溢油的表現(xiàn)，需要Η與A的值同為大或小，這樣結(jié)合的參數(shù)在圖像上 表現(xiàn)為亮色或暗色，能夠有效地反應(yīng)出溢油的信息。為此，對Radarsat-2數(shù)據(jù)進行溢油采 樣，選取15個樣本點，計算樣本的熵、反熵以及4個特征量的值，具體如表1，和圖8所示，示 出了在HA、（1-H)A、H(1-A)、（1-H)(1-A)圖像上選取樣本，計算HA、（1-H)A、H(1-A)、（1-H) (1-A)的值。
[0107]表1
[0108]
[0109] 熵Η與反熵A是兩個極化分解的主要參數(shù)，兩者的組合表現(xiàn)了溢油的極化特征譜， 從數(shù)值看，從溢油樣本的幾個參數(shù)的均值分析，熵Η值一般在0. 7-1. 0之間，Η值低于0. 7， 則表現(xiàn)出較為強烈的噪聲影響，溢油信息表現(xiàn)不明顯；反熵Α值一般小于0. 2,當(dāng)Η值大于 0. 8時，（1-Η)的值為最小，這樣（l-H)A的為最小，從表1也可看出，（l-H)A的均值在其中 為最小，圖8可見，溢油在圖像上的表現(xiàn)最明顯。（1-H)(1-A)的值在這4個中為最低，溢油 在圖像上表現(xiàn)明顯，H(l-A)均值為，處于較高值，表現(xiàn)并不明顯。ΗΑ組合對溢油的表現(xiàn)在6 個參數(shù)中為一般。不同的熵Η與反熵A組合對溢油的變現(xiàn)不一樣，當(dāng)H〈0. 7時，溢油在圖像 上的噪聲較大，溢油信息表現(xiàn)不明顯。
[0110] 3,采用SVM方法對Η與A的聯(lián)合特征值進行溢油信息提取，可以看出基于（1-A) (1-H)的溢油信息提取（圖9A)，溢油邊界清晰，信息明顯，但圖像中油井的信息也被提取， 造成虛警，相比于其他幾個參數(shù)，圖像噪聲較少?；贖A參數(shù)的溢油信息提取，溢油信息邊 界不清晰（圖9B)，且油井信息被提取，信息不突出，圖像噪聲嚴(yán)重。其余兩個參數(shù)（l-A)H、 (l-H)A被用來提取溢油信息，圖像上，溢油信息明顯，但相比于（1-A) (1-H)參數(shù)的溢油提 取，圖像噪聲嚴(yán)重，覆蓋了部分油井信息。
[0111] 本申請還提供了與基于極化分解技術(shù)的溢油檢測方法相對應(yīng)的基于極化分解技 術(shù)的溢油檢測裝置，包括：
[0112] 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；
[0113] 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)域進行采樣，以獲取目標(biāo) 采樣樣本；
[0114] 計算模塊，用于根據(jù)所述極化反熵和散射熵，計算所述目標(biāo)采樣樣本的極化參數(shù) 組合值；
[0115] 檢測模塊，用于使用所述極化參數(shù)組合值進行第一溢油檢測。
[0116] 所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，上述描述的裝置 的具體工作過程，可以參考前述方法實施例中的對應(yīng)過程，在此不再贅述。
[0117] 以上所述，僅為本發(fā)明的【具體實施方式】，但本發(fā)明的保護范圍并不局限于此，任何 熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵 蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)所述以權(quán)利要求的保護范圍為準(zhǔn)。
【主權(quán)項】
1. 基于極化分解技術(shù)的溢油檢測方法，其特征在于，包括： 獲取目標(biāo)圖像所對應(yīng)的極化反賭和散射賭； 針對目標(biāo)圖像中的包含溢油和海水的區(qū)域進行采樣，W獲取目標(biāo)采樣樣本； 根據(jù)所述極化反賭和散射賭，計算所述目標(biāo)采樣樣本的極化參數(shù)組合值； 使用所述極化參數(shù)組合值進行第一溢油檢測。2. 根據(jù)權(quán)利要求1所述的基于極化分解技術(shù)的溢油檢測方法，其特征在于，所述使用 所述極化參數(shù)組合值進行溢油檢測包括： 使用W下一個或多個參數(shù)進行溢油檢測： HA、H(1-A)、（I-H)A,和（I-H)(I-A),其中，H為散射賭，A為極化反賭。3. 根據(jù)權(quán)利要求1所述的基于極化分解技術(shù)的溢油檢測方法，其特征在于，還包括： 判斷散射賭是否大于預(yù)設(shè)的標(biāo)準(zhǔn)闊值，若大于，則執(zhí)行步驟所述使用所述極化參數(shù)組 合值進行溢油檢測。4. 根據(jù)權(quán)利要求2所述的基于極化分解技術(shù)的溢油檢測方法，其特征在于，所述使用 所述極化參數(shù)組合值進行第一溢油檢測包括： 選擇檢測程度超過闊值的極化參數(shù)組合值進行第一溢油檢測，其中，所述檢測程度是 分別使用HA、H(1-A)、（I-H)A,和（I-H) (I-A)對候選采樣樣本進行第二溢油檢測后得到的， 其中H為散射賭，A為極化反賭。5. 根據(jù)權(quán)利要求2所述的基于極化分解技術(shù)的溢油檢測方法，其特征在于，判斷散射 賭是否大于預(yù)設(shè)的標(biāo)準(zhǔn)闊值包括： 判斷散射賭是否大于0.7。6. 根據(jù)權(quán)利要求2所述的基于極化分解技術(shù)的溢油檢測方法，其特征在于，所述使用 所述極化參數(shù)組合值進行溢油檢測包括： 使用（I-H)A和（I-H)(I-A)進行溢油檢測，其中，H為散射賭，A為極化反賭。7. 根據(jù)權(quán)利要求1所述的基于極化分解技術(shù)的溢油檢測方法，其特征在于，所述獲取 目標(biāo)圖像所對應(yīng)的極化反賭和散射賭包括： 獲取目標(biāo)圖像的C3或T3矩陣； 根據(jù)C3或T3矩陣，計算所述極化反賭和散射賭。8. 根據(jù)權(quán)利要求7所述的基于極化分解技術(shù)的溢油檢測方法，其特征在于，所述根據(jù) C3矩陣，計算所述極化反賭和散射賭包括：_義 使用If= -X,",. Pi=Ai/(Ai+A2+^3)和 計算所述散射賭和所述 ,，1:、 極化反賭，其中，^ 1、^ 2和^ 3為C3矩陣的特征向量，H為散射賭，A為極化反賭。9. 根據(jù)權(quán)利要求2所述的基于極化分解技術(shù)的溢油檢測方法，其特征在于，所述使用 所述極化參數(shù)組合值進行第一溢油檢測包括： 分別使用HA、H(1-A)、（I-H)A,和（I-H)(I-A)進行第一溢油檢測，其中，H為散射賭，A為極化反賭； 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)定闊值的檢測結(jié)果作為最終 檢測結(jié)果。10.基于極化分解技術(shù)的溢油檢測裝置，其特征在于，包括： 獲取模塊，用于獲取目標(biāo)圖像所對應(yīng)的極化反賭和散射賭； 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)域進行采樣，W獲取目標(biāo)采樣 樣本； 計算模塊，用于根據(jù)所述極化反賭和散射賭，計算所述目標(biāo)采樣樣本的極化參數(shù)組合 值； 檢測模塊，用于使用所述極化參數(shù)組合值進行第一溢油檢測。
【專利摘要】本發(fā)明提供了基于極化分解技術(shù)的溢油檢測方法及裝置，涉及石油領(lǐng)域，該基于極化分解技術(shù)的溢油檢測方法，采用復(fù)合檢測的方式，先計算出了極化參數(shù)組合值，其中，極化參數(shù)組合值是由散射熵和極化反熵所組成的，在利用該極化參數(shù)組合值進行溢油檢測，提高了檢測結(jié)果的準(zhǔn)確程度。
【IPC分類】G01S7/02, G01S13/90
【公開號】CN105372658
【申請?zhí)枴緾N201510945680
【發(fā)明人】鄒亞榮, 梁超, 鄒斌
【申請人】國家衛(wèi)星海洋應(yīng)用中心
【公開日】2016年3月2日
【申請日】2015年12月16日