基于面向?qū)ο蟮暮Ｑ笠缬蜋z測(cè)的研究.pdf

1、溢油是嚴(yán)重的海洋生態(tài)環(huán)境災(zāi)害之一。合成孔徑雷達(dá)(Synthetic ApertureRadar，SAR)圖像已經(jīng)被廣泛的應(yīng)用在海上溢油監(jiān)測(cè)中。傳統(tǒng)的SAR圖像識(shí)別溢油一般使用全幅掃描識(shí)別方法。該方法不僅識(shí)別精度較低而且在識(shí)別的時(shí)間和所需的資源等性能方面也遠(yuǎn)達(dá)不到實(shí)用要求。因此，本文提出了一種面向溢油對(duì)象的識(shí)別方法，該方法不僅大大提高了溢油識(shí)別的精度，也顯著地減少了識(shí)別時(shí)間和所需占用的系統(tǒng)資源，從而為海面溢油的實(shí)時(shí)檢測(cè)打下了良好的基礎(chǔ)。

2、 為了精確分類(lèi)SAR溢油圖像，本文首先對(duì)SAR圖像進(jìn)行增強(qiáng)、取反以及二值化等預(yù)處理，然后提取并顯示疑似溢油對(duì)象。通過(guò)對(duì)每一個(gè)疑似溢油對(duì)象的分析，最終顯示溢油圖像識(shí)別結(jié)果?？紤]到神經(jīng)網(wǎng)絡(luò)具有自組織、自學(xué)習(xí)、自適應(yīng)和聯(lián)想能力等優(yōu)點(diǎn)，本文使用神經(jīng)網(wǎng)絡(luò)結(jié)合紋理分析的方法來(lái)分類(lèi)溢油圖像。對(duì)比BP、Hopfiekld、ART-1以及RBF等神經(jīng)網(wǎng)絡(luò)模型對(duì)SAR溢油圖像的識(shí)別效果和分類(lèi)精度的分析，本文最終選用RBF神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)溢油識(shí)別。紋理分