【摘要】：石油資源是當(dāng)今社會發(fā)展不可缺少的重要化石燃料,被譽(yù)為“工業(yè)的血液”,伴隨著海洋石油資源的不斷開發(fā)利用,接踵而來的海洋水體污染問題日趨嚴(yán)重。在各種海洋污染中,溢油污染位列榜首,對人們的生產(chǎn)生活造成嚴(yán)重的危害。由于溢油事故多發(fā)生在天氣條件惡劣的情況,因此合成孔徑雷達(dá)(SAR)作為一種全天候、全天時、高分辨率微波主動成像傳感器,已為海上溢油檢測的主要手段。本文以溢油SAR影像為研究對象,探究了利用SAR影像進(jìn)行海洋油膜識別的全過程,并比較了不同方法的處理效果。本文首先對SAR影像進(jìn)行了預(yù)處理,包括輻射矯正、幾何校正、濾波等。在此基礎(chǔ)上,分別采用Sobel算子、種子填充和單一閾值法對圖像進(jìn)行分割處理,并簡單比較了這三種分割方法的優(yōu)劣。本文的重點部分就在于對溢油圖像進(jìn)行分類。首先采用一般的監(jiān)督分類方法對圖像進(jìn)行分類處理,繼而采用灰度共生矩陣提取紋理信息,在統(tǒng)計分析的基礎(chǔ)上篩選出有用的紋理信息,再輔以紋理信息對圖像進(jìn)行分類,并比較了輔以紋理信息前后監(jiān)督分類方法的分類精度。結(jié)果證明輔以紋理特征的圖像分類精度要優(yōu)于一般的監(jiān)督分類。之后,本文將面向?qū)ο蠓诸惙椒ㄒ肓薙AR溢油圖像的分類中,分別在ENVI-EX和e Cognition兩種軟件環(huán)境下進(jìn)行了面向?qū)ο蟮暮Ｑ笠缬蛨D像分類,最終有效識別出了溢油區(qū)域,并系統(tǒng)的比較了兩種軟件的各自特點。本研究的最終目的就在于通過對不同方法、不同軟件的應(yīng)用和對比,為海洋溢油的識別提供一種行之有效的便捷方法,從而服務(wù)于海洋環(huán)境保護(hù)和可持續(xù)發(fā)展戰(zhàn)略。
[Abstract]:Oil resource is an indispensable fossil fuel in the development of society today. It is called "the blood of industry". With the continuous development and utilization of offshore oil resources, the pollution problem of marine water body is becoming more and more serious. Among all kinds of marine pollution, oil spill pollution is the top one, which causes serious harm to people's production and life. As oil spills often occur in bad weather conditions, synthetic Aperture Radar (SAR), as an all-weather, all-day, high-resolution microwave active imaging sensor, has become the main method for oil spill detection at sea. In this paper, oil spill SAR image is taken as the research object, the whole process of ocean oil film recognition using SAR image is explored, and the processing effect of different methods is compared. In this paper, SAR images are preprocessed, including radiation correction, geometric correction, filtering and so on. On this basis, the Sobel operator, seed filling and single threshold method are used to segment the image, and the advantages and disadvantages of these three segmentation methods are compared. The key part of this paper is to classify the oil spill images. Firstly, the general supervised classification method is used to classify the image, then gray-scale co-occurrence matrix is used to extract the texture information. Based on the statistical analysis, useful texture information is selected, and then the image is classified with the texture information. The classification accuracy of the supervised classification method with texture information was compared. The results show that the accuracy of image classification with texture features is better than that of general supervised classification. After that, the object oriented classification method is introduced into the classification of SAR oil spill image, and the object oriented oil spill image classification is carried out under two kinds of software environment, ENVI-EX and e Cognition, finally, the oil spill area is effectively identified. The characteristics of the two kinds of software are compared systematically. The ultimate purpose of this study is to provide an effective and convenient method for the identification of marine oil spills through the application and comparison of different methods and software to serve the marine environmental protection and sustainable development strategy.
【學(xué)位授予單位】：中國石油大學(xué)(華東)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉玉紅;謝正祥;;圖像挖掘技術(shù)及醫(yī)學(xué)應(yīng)用[J];中國醫(yī)學(xué)物理學(xué)雜志;2010年01期

2 曹家瑋;;用圖像說話[J];藝術(shù)與設(shè)計(理論);2009年08期

3 付普;;讓你的字體和圖像燃燒起來[J];Internet信息世界;1999年03期

4 劉筱霞;轉(zhuǎn)換圖像模式以適于輸出[J];印刷世界;2003年06期

5 朱薇;劉利剛;;保色調(diào)的黑白卡通圖像著色方法[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2011年03期

6 許向陽;張旭亮;李博;;基于顏色屬性相關(guān)性的圖像色差公式的研究[J];包裝工程;2013年13期

7 潘建初;圖像漫談[J];電腦愛好者;1998年14期

8 王偉,吳玲達(dá),老松楊,王辰;基于示例學(xué)習(xí)的圖像人臉檢測技術(shù)[J];計算機(jī)應(yīng)用研究;2002年03期

9 高彥宇;王新平;尹怡欣;;自然風(fēng)景圖像情感標(biāo)識方法研究[J];小型微型計算機(jī)系統(tǒng);2011年04期

10 劉毅，劉維獻(xiàn);多媒體圖像數(shù)據(jù)的獲取與顯示[J];山東電子;1998年04期

相關(guān)會議論文 前3條

1 吳楠;李曉曦;宋方敏;;圖像挖掘及其在醫(yī)學(xué)圖像分類中的應(yīng)用[A];2006年全國理論計算機(jī)科學(xué)學(xué)術(shù)年會論文集[C];2006年

2 潘海為;謝曉芹;張煒;李建中;;基于ROI的醫(yī)學(xué)圖像聚類算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2006年

3 孫華;;Photoshop軟件在眼科領(lǐng)域的應(yīng)用[A];中華醫(yī)學(xué)會第十二屆全國眼科學(xué)術(shù)大會論文匯編[C];2007年

相關(guān)重要報紙文章 前8條

1 重慶 楊清德;寬屏幕電視機(jī)圖像模式的選擇[N];電子報;2007年

2 計算機(jī)世界實驗室 吳挺;高速中進(jìn)取[N];計算機(jī)世界;2008年

3 山東濰坊學(xué)院 年仁德;上好Photoshop的第一節(jié)課圖片欣賞課[N];中國電腦教育報;2004年

4 劉全恩;高清投影機(jī)量產(chǎn) 家用市場占兩成[N];中國電子報;2007年

5 eN書蟲;用Photoshop制作燃燒字[N];江蘇經(jīng)濟(jì)報;2000年

6 王林;東芝XV500系列高清首選[N];電子資訊時報;2008年

7 趙軍紅　編譯;手機(jī)顯微鏡將在非洲試用[N];科技日報;2010年

8 ;輕松制作電子詞典的開機(jī)畫面[N];中國計算機(jī)報;2004年

相關(guān)博士學(xué)位論文 前10條

1 黃明明;圖像局部特征提取及應(yīng)用研究[D];北京科技大學(xué);2016年

2 段曼妮;圖像挖掘在圖像檢索中的應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2009年

3 袁承志;風(fēng)格與象征——魏晉南北朝蓮花圖像研究[D];清華大學(xué);2004年

4 秦昆;基于形式概念分析的圖像數(shù)據(jù)挖掘研究[D];武漢大學(xué);2004年

5 蔡濤;面向目標(biāo)識別的圖像特征融合提取技術(shù)研究[D];中國人民解放軍國防科學(xué)技術(shù)大學(xué);2000年

6 韓躍平;復(fù)雜產(chǎn)品內(nèi)部結(jié)構(gòu)裝配正確性X射線自動檢測技術(shù)研究[D];中北大學(xué);2009年

7 曹建芳;場景圖像情感語義分析關(guān)鍵技術(shù)研究[D];太原理工大學(xué);2015年

8 徐望明;面向圖像檢索和分類任務(wù)的稀疏特征學(xué)習(xí)[D];武漢科技大學(xué);2013年

9 周海英;基于視覺認(rèn)知的圖像搜索與識別關(guān)鍵技術(shù)研究[D];北京科技大學(xué);2015年

10 韓子仲;視象與圖像[D];中國美術(shù)學(xué)院;2008年

相關(guān)碩士學(xué)位論文 前10條

1 吳春燕;樹木葉片滯塵量與反射光譜及圖像特征的關(guān)系研究[D];中國林業(yè)科學(xué)研究院;2015年

2 李娜;基于SAR圖像的海洋油膜分類研究[D];中國石油大學(xué)(華東);2014年

3 邱炳瑜;基于內(nèi)容的圖像收集和地區(qū)代表性圖像選出系統(tǒng)的研究與實現(xiàn)[D];北京郵電大學(xué);2009年

4 史英杰;醫(yī)學(xué)圖像輔助診斷系統(tǒng)中圖像分割技術(shù)的研究[D];華中科技大學(xué);2007年

5 余昌瑾;圖像挖掘技術(shù)研究與應(yīng)用[D];武漢理工大學(xué);2010年

6 陳思坤;醫(yī)學(xué)圖像的自動標(biāo)注[D];電子科技大學(xué);2011年

7 白玉超;公共圖像對中小學(xué)美術(shù)教育的影響[D];廣西師范大學(xué);2014年

8 張建忠;公共圖像的再創(chuàng)作[D];西藏大學(xué);2015年

9 張西學(xué);基于內(nèi)容的真菌圖像檢索系統(tǒng)設(shè)計與實現(xiàn)[D];山東科技大學(xué);2005年

10 侯潔;基于DCT域的圖像特征描述及其在圖像檢索中的應(yīng)用[D];河北工業(yè)大學(xué);2007年

，

本文編號：2420934