原文传递
基于高光谱遥感的海上溢油检测方法研究
| 论文题名： | 基于高光谱遥感的海上溢油检测方法研究 |
| 关键词： | 海上溢油检测;高光谱图像;光谱指数;卷积神经网络 |
| 摘要： | 海洋溢油是最严重的海洋污染问题之一，对海洋环境和沿海区居民的生产生活造成了严重的危害。溢油事故一旦发生，当务之急是对溢油的快速监测，以及时掌握溢油动态，为应急救援和决策做准备。在众多的海洋遥感技术监测手段中，高光谱遥感以其“图谱合一”、光谱分辨率高、光谱覆盖范围广的优势，成为一种有效的海洋溢油监测工具。本文从基于光谱指数的传统方法和基于卷积神经网络(ConvolutionalNeuralNetwork,CNN)的深度学习方法两个方面入手，开展了高光谱遥感海洋溢油检测方法研究。主要工作如下： 1.高光谱溢油图像光谱指数提取与分析。目前，光谱指数算法是一种重要的高光谱溢油检测方法。本文总结了13个常用的光谱指数，由于数据波段范围的局限性，对其中的11个光谱指数进行提取，并从特征图像、概率密度函数（ProbabilityDensityFunction,PDF）曲线以及J-M距离（Jeffreys-Matusitadistance）三个方面分析了不同指数对厚油膜、薄油膜与海水的区分能力。研究结果表明传统光谱指数算法在溢油检测方面存在很大的局限性，难以准确区分厚油膜、薄油膜和海水。 2.开展了基于卷积神经网络决策级融合的高光谱溢油检测算法研究。为了进行决策级融合，研究了两种基于卷积神经网络的高光谱溢油检测算法，分别是基于线性判别分析(LinearDiscriminantAnalysis,LDA)的CNN溢油检测算法和基于多尺度输入（multiscaleinput,MSI）的CNN溢油检测算法。在确认了上述两种算法溢油检测有效性之后，对其结果进行决策级融合。实验结果表明该方法获得了比单一分类器更高的溢油检测结果，具有较好的实用价值。 3.提出了一种基于联合光谱-空间特征网络的高光谱溢油检测算法。具体来说，采用1-D和2-DCNN模型分别提取光谱和空间特征。在空间特征提取阶段，将三个连续的卷积层串联以实现空间特征的融合。然后将提取的光谱和空间特征串联并馈送到完全连接层以获得联合光谱-空间特征。此外，将L2正则化应用于卷积层以防止过拟合，并对全连接层采用dropout操作以提高网络性能。实验中首先在高光谱公共数据集PaviaUniversity上进行实验并验证算法的有效性。最后溢油数据集的实验结果证实了该算法强大的溢油检测能力，可以有效区分厚油膜、薄油膜和海水。 |
| 作者： | 邵棋藩 |
| 专业： | 测绘科学与技术 |
| 导师： | 宋冬梅 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中国石油大学(华东) |
| 学位年度： | 2021 |
检索历史
应用推荐
