一种基于散射效率的海面溢油识别方法与流程

本发明属于目标识别
技术领域：
，具体涉及一种基于散射效率的海面溢油识别方法。
背景技术：
：在地面目标研究中，遥感卫星为我们提供了有价值的空间图像数据。因此，利用遥感卫星对地面目标进行测量已成为科学研究的趋势。而如何合理、高效地对收集到的数据进行分析，也成为专家们研究的课题。谱分析的主要算法主要有简单比尔定律、经典最小二乘回归、逐步多元线性回归和主成分回归等，这些算法在遥感数据分析中起着重要的作用，然而，在光谱测量的研究中，反射模型的精度还不能适应数据处理的需要，特别是在海面溢油检测方面,，另外，这些算法都是纯粹的大数据分析工具，不能解释介质的物理机制，从而无法对海面溢油的物理机理做出科学有效的分析。技术实现要素：本发明的目的在于提供一种基于散射效率的海面溢油识别方法，该方法识别误差小、测量效率高。为了解决上述技术问题，本发明提供一种基于散射效率的海面溢油识别方法，包括如下步骤：步骤一，采集海面目标的光谱信息，得到溢油和背景海水的卫星遥感图像；步骤二，对光谱图像进行数据处理，得到每种目标的多组光谱数据；步骤三，分析光谱特征峰值，提取单位面积散射效率，得到无干扰特征带：其中，τ为单位面积的散射效率，λ为特征峰值，d为无干扰特征带半宽，θs为单位面积散射角，θi为入射角，s为单位矢量方向，a(s,ω)是介质产生偏振和磁化的三维傅里叶变换函数；步骤四，将特征带作为神经网络训练样本，对采集数据样本进行训练；步骤五，提取特征信号，对海面溢油进行自动识别；步骤六，计算各目标的识别残差，完善测量方法。进一步，步骤一中，所用数据为2007年5月6日上午10时27分（当地时间）获得的l1t级影像，主要覆盖渤海辽东湾附近海域，直至福州湾海域，如图3a1、3b1所示。进一步，步骤二中，对采集遥感图像进行处理得到反射率数据，主要包括去除受水汽影响严重的未标定波段、绝对辐射亮度值的换算和大气校正，得到每种目标的多组光谱数据，如图2所示。进一步，步骤三中，在可见光/近红外波段，五种介质的散射速率曲线差别很大，在特征波长下，波形明显不同。根据特征峰值提取算法，得到介质的特征波长。进一步，步骤四中，将特征带作为神经网络训练样本，得到采集数据样本的特征信号。进一步，步骤五中，以介质特征信号为训练样本，以整个目标遥感数据为测试样本，结合反向传播神经网络算法，自动识别出背景中突出的目标。进一步，步骤六具体为：分别计算出各目标在基于散射效率识别方法中的残差值；进行校正实验，将其数据与理想数据进行比较；完善测量模型，获得最佳的识别方法。本发明与现有技术相比，其显著优势在于：本发明建立了海面溢油快速自动识别技术分析方法，根据介质自身的物理特性，分析了远散射场模型，确定了单位面积散射效率参量，用来描述不同介质对远区入射场能量的改变能力；在不同的波长下，散射效率是不相等的，可以作为目标分类的特征信号；结合反向传播神经网络实现了对五种地面目标的精准识别，且识别的残差很小。附图说明图1为本发明一种基于散射效率的海面溢油识别方法的主流程图。图2为可见/近红外波段介质的散射速率示意图。图3为总能量散射效率识别效果示意图，（a1）黑土、黄土和植被卫星遥感图像；（b1）溢油卫星遥感图像；（a2）白色区域为黑土目标；（a3）白色区域为黄土目标；（a4）白色区域为植被目标；（b2）白色区域为原油目标，黑色区域为海水。具体实施方式容易理解，依据本发明的技术方案，在不变更发明的实质精神的情况下，本领域的一般技术人员可以想象出本发明一种基于散射效率的海面溢油识别方法的多种实施方式。因此，以下具体实施方式和附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限制或限定。如图1所示，本发明一种基于散射效率的海面溢油识别方法，包括如下步骤：步骤10，目标数据采集：所用数据为2007年5月6日上午10时27分（当地时间）获得的l1t级影像，主要覆盖渤海辽东湾附近海域，直至福州湾海域，具体图像如图3a1、3b1所示。步骤20，数据处理：对采集遥感图像进行处理得到反射率数据，主要包括去除受水汽影响严重的未标定波段、绝对辐射亮度值的换算和大气校正，得到每种目标的多组光谱数据，如图2所示；在可见光/近红外波段，五种介质的散射速率曲线差别很大，在特征波长下，波形明显不同。步骤30，特征峰值分析：根据特征信号提取算法，介质的特征波长如表1所示；表1.介质在可见/近红外波段的特征峰信号/nm溢油762.6915.22952.81993.171144.481265.56海水762.6823.65915.22972.991124.281144.481215.17黑土447.17691.37711.72752.42782.95813.47894.87932.63972.991013.21124.281144.481225.171295.86黄土447.17782.95813.47894.87915.22932.63972.991099.51114.181144.481215.171295.86植被447.17671.02742.24772.77884.7932.631003.31083.991295.86从表1可以看出，在可见光/近红外波段，溢油特征峰个数最少，黑土最多；另外，这五种介质有各自独有的特征峰，如原油（952.81nm、993.17nm、1265.56nm）、海水（823.65nm）、黑土（691.37nm、711.72nm、752.42nm和1225.17nm）、黄土（1033.5nm和1114.18nm）、植被（671.02nm、742.24nm、772.77nm、884.7nm、1003.3nm和1083.99nm）。步骤40，神经网络训练：为了减小测量误差，提出了特征带的概念，将其作为神经网络训练样本，得到采集数据样本的特征信号；对单位面积的散射效率进行积分，降低了特征信号提取过程中的误差，散射的总能量效率可以用以下等式表示：其中，τ为单位面积的散射效率，λ为特征峰值，d为无干扰特征带半宽，θs为单位面积散射角，θi为入射角，s为单位矢量方向，a(s,ω)是介质产生偏振和磁化的三维傅里叶变换函数；通过计算，选择各物质的特征信号带分别为：溢油（1255.56nm-1275.56nm）、海水（813.65nm-833.65nm）、黑土（701.72nm-721.72nm）、黄土（1023.5nm-1043.5nm）、植被（1073.99nm-1093.99nm）；步骤50，目标识别：以介质特征信号为训练样本，以整个目标遥感数据为测试样本，结合反向传播神经网络算法，实现多目标的自动识别；图3中的各图是五种目标的识别示意图。步骤60，完善识别方法：分别计算出各目标在基于散射效率识别方法中的残差值：e溢油=0.0282、e海水=0.0231、e黑土=0.0134、e黄土=0.0184和e植被=0.0192，由此可见，本发明的识别方法的残差很小，具有较高的稳定性和可靠性；根据残差值进行校正实验，将其数据与理想数据进行比较，完善测量模型，获得最佳的识别方法。本发明建立了不同种类介质的散射效率识别技术分析方法，提出了单位面积散射效率模型来研究介质的散射物理特性，并对其物理意义进行了分析。利用特征信号提取方法确定特征峰值。选取了5组互不干扰的特征波段提高了模型的精度，对不同材料的散射总能量效率进行了分析。结合神经网络，确定了五类目标。结果表明，该识别方法的残差很小，具有较高的可靠性和精度，可作为研究散射物理特性的基础，适合于海面溢油的鉴别与评定。本发明的理论依据可进一步进行如下说明：场强i可用波因廷矢量的绝对值来描述，即其中，c是光速，e和h分别为占据自由空间体积的单色波的电场和磁场，r表示实部。因此，远区的总能量可以表示为：其中，θs为单位面积散射角，s为单位矢量方向，n是复折射率，r是测量点到目标的距离，a(s,ω)是介质产生偏振和磁化的三维傅里叶变换函数。入射到单位面积上的主波能量为其中，θi为入射角，根据上式，单位面积的散射效率可表示为：其中，i(s)(rs,ω)为测量点的散射场强，i(i)(rs,ω)为入射场强。在特定的光谱波段，单位面积的散射效率具有不同的特征信号，可以用来识别介质的种类。不仅可以观察到入射场在不同谱带内的电势和磁赫兹势的变化，而且可以计算出远区的总能量。它可以验证远场散射场在不同波段的变化趋势，有助于研究介质的吸收机理。本发明针对海面溢油现象，研究了远区介质的物理特性，并提出了单位面积散射效率物理参量，用来描述不同介质改变远区入射场能量的能力。然后将特征信号提取方法和反向传播神经网络相结合，建立了遥感识别方法。大量实验结果证明，远区介质的散射效率具有明显的特征差异，远场散射效率模型可以作为研究地面目标散射物理特性的基础。当前第1页12