基于深度学习和决策层信息融合的 SAR 图像溢油检测研究
其他题名Study on Oil Spill Detection in SAR Images Based on Deep Learning and Decision Level Information Fusion
张天龙
学位类型硕士
导师过杰
2020-05-22
学位授予单位中国科学院大学
学位授予地点中国科学院烟台海岸带研究所
学位名称工程硕士
学位专业环境工程
关键词溢油检测主观贝叶斯Faster-RCNND-S 证据理论SAR 数据
摘要随着全球经济的快速发展，海上油气开采及船舶运输活动激增，使得海上溢油事故频发。由于溢油污染具有影响范围广、持续时间长且污染形式多样的特点，严重破坏了海洋生态环境，制约着海洋渔业、旅游业等经济产业的发展。美国科学院报告指出到2030年，海洋溢油仍是全球32个海洋问题之一。如何及时有效的识别油膜，追溯源头，监测溢油漂移、扩散方向及溢油量，为油污及时清理、合理评估溢油灾害及生态修复提供数据支持是我们面临的重要任务。在快速发展的卫星遥感技术中，合成孔径雷达（Synthetic Aperture Radar, SAR）以其全天时、全天候连续观测能力，快速有效的监测海上溢油，已经成为海上溢油监测重要手段之一。准确区分SAR图像上的溢油和疑似溢油暗斑是SAR图像溢油检测的重点和难点，为此论文以溢油和疑似溢油暗斑为研究对象，开展了基于深度学习和决策层信息融合的SAR图像溢油检测方法研究。主要研究内容如下：（1）基于专家先验知识及多源遥感数据辅助目视解译的方式实现了溢油和疑似溢油样本数据库的建立；（2）利用主观贝叶斯方法将环境因素识别溢油的分析过程模型化，建立环境因素驱动的溢油检测方法；（3）使用Faster-RCNN神经网络模型（Faster Region-based Convolutional Neural Network）将SAR图像溢油和疑似溢油暗斑特征提取、特征选择的过程高度自动化，从图像特征角度建立了基于Faster-RCNN神经网络的溢油检测方法，并使用软化非极大值抑制算法对Faster-RCNN溢油检测方法进行了优化；（4）使用模糊集理论改进的D-S证据理论（Dempster-Shafer evidence theory）将主观贝叶斯方法和Faster-RCNN神经网络方法溢油检测结果进行决策层融合，实现了一种决策层信息融合溢油检测方法。基于样本数据库中2100个溢油和疑似溢油样本及样本对应的风速、暗斑与石油平台及航道距离信息，对上述三种溢油检测方法的溢油检测效果进行了实验验证，实验结果表明主观贝叶斯方法溢油检测率、样本识别率和溢油虚警率分别为59.87%，67.70%和37.24%。Faster-RCNN神经网络相比主观贝叶斯方法溢油检测率、样本识别率分别提高了约14%和10%，溢油虚警率降低了约10%。决策层信息融合方法相比Faster-RCNN神经网络方法溢油检测率虽降低了1.32%，但样本识别率提高了1.04%，溢油虚警率降低了2.39%。使用7景溢油SAR影像验证了决策层信息融合溢油检测方法的有效性，在简单海况背景下溢油检测率和样本识别率可达到80%，在复杂海况背景下溢油检测率和样本识别率分别为60.86%和73.68%。SAR影像溢油检测结果表明决策层信息融合法能够有效检测溢油，具有较强的业务化溢油检测潜力。
目录第1章 引言11.1 研究背景及意义11.2 国内外SAR溢油检测研究进展21.3 研究内容与技术路线71.3.1 研究内容71.3.2 技术路线81.4 论文章节安排9第2章 SAR溢油检测原理及数据预处理112.1 SAR图像溢油检测原理112.2 SAR数据介绍142.3 SAR数据预处理162.3.1 辐射校正162.3.2 几何校正172.4 SAR图像溢油暗斑解译辅助数据介绍及数据预处理182.4.1 ECMWF风场数据介绍及预处理192.4.2 TRMM、GPM降雨数据介绍及预处理192.4.3 石油平台和航道数据介绍及预处理202.4.4 光学遥感影像处理202.5 本章小结20第3章 基于深度学习和决策层信息融合的SAR图像溢油检测213.1 溢油与疑似溢油样本数据库建立213.1.1 SAR图像暗斑解译213.1.2 SAR图像样本数据库和样本统计信息数据库建立233.2 主观贝叶斯方法263.3 Faster-RCNN神经网络模型303.4 基于模糊集理论改进的D-S证据理论353.5 实验环境介绍与评价指标383.6 本章小结39第4章 溢油检测方法实验结果及分析414.1 主观贝叶斯方法溢油检测结果及分析414.1.1 风速因素影响分析414.1.2 石油平台因素影响分析464.1.3 航道因素影响分析514.1.4 多因素综合影响分析554.2 Faster-RCNN神经网络模型溢油检测结果及对比分析564.2.1 Faster-RCNN神经网络与BP神经网络对比分析案例564.2.2 Faster-RCNN神经网络模型溢油检测结果及分析584.3 基于改进的D-S证据理论信息融合结果及分析634.3.1 基于改进的D-S证据理论信息融合溢油检测634.3.2 决策层信息融合方法溢油实例验证及结果分析644.4 溢油检测方法对比分析674.5 本章小结71第5章 结论与展望735.1 本文结论735.2 本文创新点745.3 研究展望75参考文献77致 谢85作者简历及攻读学位期间发表的学术论文与研究成果87
页数101
语种中文
文献类型学位论文
条目标识符http://ir.yic.ac.cnhttp://ir.yic.ac.cn/handle/133337/24238
专题中科院烟台海岸带研究所知识产出_学位论文

推荐引用方式
GB/T 7714张天龙. 基于深度学习和决策层信息融合的 SAR 图像溢油检测研究[D]. 中国科学院烟台海岸带研究所. 中国科学院大学,2020.


PDF全文下载地址:

点我下载PDF