CN104318544A - 基于夜间灯光卫星遥感数据光透捕作业渔船数量估算方法 - Google Patents

Abstract

本发明涉及一种基于夜间灯光卫星遥感数据光透捕作业渔船数量估算方法，包括以下步骤：从卫星整幅影像中裁切出渔场范围内的影像；将影像中可见光-近红外波段的数字灰度值转换成实际观测辐射值；对影像中热红外波段进行云检测，采用迭代阈值分割的方法确定云象元的阈值；对得到的云掩膜后的可见光-近红外波的段影像进行分块，并计算各个区块的方差和最大类间方差法阈值，据此来判定区块是否属于渔区；对于渔区使用最大类间方差法阈值区分渔船及噪声，并结合已知的船位数据，计算单艘光诱捕船的辐亮度值；计算该渔区光诱捕船的船只数量。本发明可在夜间进行有效的遥感监测，对区域作业渔船数量进行估算。

Description

基于夜间灯光卫星遥感数据光透捕作业渔船数量估算方法

技术领域

本发明涉及渔业遥感信息技术领域，特别是涉及一种基于夜间灯光卫星遥感数据光透捕作业渔船数量估算方法。

背景技术

目前世界上人类所需求的近一半水产品主要来自于海洋捕捞作业。对渔船及捕捞活动进行有效的监测、控制和监督，有利于规范渔船生产，防止渔船进行违规作业；有利于提供安全救助；有利于科学组织管理调度渔船作业；有利于合理利用和保护渔业资源、生态环境；有利于专属经济区的保护、纷争的评判，维护海洋权益。

对渔船数量的估算，属于船舶船位监测的范畴。随着现代航海技术的发展，船舶监测已成为保障安全航行不可缺少的内容之一。对船舶船位的监测，主要有三种方式：传统的现场监测，基于定位与无线通信技术的船舶监测系统和基于遥感技术的船舶属性识别及监测。

传统的现场监测，通常具有较高的巡航成本高，对于远离陆地开展公海作业的渔船来说，难以开展；基于定位与无线通信技术的船舶监测系统如VMS等船舶监测系统自身存在一定局限性，设备经常会因为人为原因关闭，或因海上恶劣的工况设备故障无法正常工作；基于遥感技术的船舶属性识别及监测因为其大范围、动态、同步和快速观测的优势，得到了越来越广泛的应用。其遥感手段主要有：岸基雷达站、高分辨率的可见光遥感、合成孔径雷达。岸基雷达站由于作用距离仅15海里左右，仅仅适用于近海，无法覆盖到大洋。高分辨率的可见光遥感，由于价格较昂贵，不太适合于海洋大面积监测；对于合成孔径雷达，虽然精度高、可靠性强，但由于价格相对昂贵，检测面积小，大洋海域的SAR影像极其匮乏，且对于不产生尾流的静止作业渔船难以开展。

通常来说,卫星传感器主要获取地表反射的太阳辐射信号,而夜间灯光卫星传感器采用光学倍增管，利用其很强的光电放大能力，可以探测到比通常可见光通道大约低4个数量级的辐射，从而在夜间工作可以采集夜间灯光、火光等产生的辐射信号。

光诱捕作业方式是我国远洋渔业重要的捕捞作业方式，主要应用于头足类的捕捞，如我国在西北太平洋海域开展鱿鱼钓捕作业，以及我国南海区域近年来迅速发展的灯光罩网作业。光诱捕作业利用头足类的趋光和摄食习性，运用集鱼灯灯光，配合自动化钓机等捕捞渔具进行诱捕的一种渔业。目前光诱钓捕的鱿鱼产量约占头足类总产量的60％左右。光诱捕作业方式其作业时间一般是在夜晚，其作业方式是静止的钓钩作业或者是罩网作业，并不产生尾流。而在夜晚，可见光遥感无法检测到船舶，也无法检测到尾流。因此需要一种方法，针对夜间采用光透捕方式进行捕捞作业的静止渔船，进行有效的遥感监测，对区域作业渔船数量进行估算。

发明内容

本发明提供一种利用夜间灯光卫星遥感数据，针对夜间采用光透捕方式进行捕捞作业的静止渔船，对区域内该类型作业渔船数量进行估算的方法。

本发明解决其技术问题所采用的技术方案是：提供一种基于夜间灯光卫星遥感数据光透捕作业渔船数量估算方法，包括以下步骤：

(1)从卫星整幅影像中裁切出渔场范围内的影像；

(2)将影像中可见光-近红外波段的数字灰度值转换成实际观测辐射值；

(3)对影像中热红外波段进行云检测，采用迭代阈值分割的方法确定云象元的阈值；

(4)对得到的云掩膜后的可见光-近红外波的段影像进行分块，并计算各个区块的方差和最大类间方差法阈值，据此来判定区块是否属于渔区；

(5)对于渔区使用最大类间方差法阈值区分渔船及噪声，并结合已知的船位数据，计算单艘光诱捕船的辐亮度值；

(6)根据光诱捕船像素的总辐亮度和单艘光诱捕船的辐亮度值，计算该渔区光诱捕船的船只数量。

所述步骤(2)中使用定标公式 $\mathrm{Radiance}=\mathrm{DN}\×\frac{5.3}{63}\×{10}^{-(6+\frac{\mathrm{gain}}{20})}$ 将影像中可见光-近红外波段的数字灰度值转换成实际观测辐射值，其中，Radiance为实际观测辐射值，DN为数字灰度值，gain为数据的增益参数。

所述步骤(3)中将待测像元和晴空的观测辐射值进行比较，计算待测像元和晴空象元的亮度温度值，当其小于设置的阈值时，判别为云像元，实现云检测。

所述步骤(3)中采用迭代阈值分割的方法确定云象元的阈值包括以下子步骤：首先，设置待分割图像的最大灰度值和最小灰度值，并令初始分割阈值为最大灰度值和最小灰度值的平均值；其次，根据初始分割阈值将图像分割为目标区域和背景区域；然后对目标区域和背景区域分别求取灰度均值，求目标区域的灰度均值和背景区域的灰度均值的平均值，该平均值为新的分割阈值，如此循环直至迭代结束。

所述步骤(4)中采用局部阈值法或自适应阈值法对得到的云掩膜后的可见光-近红外波的段影像进行分块。

有益效果

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明根据光诱捕方式夜间作业的特点，对某一海域开展光诱捕作业的渔船开展大面积同步遥感观测，进行渔船数量的定量估算；提供第三方渔船监控数据，一定程度弥补我国现有船位监测数据库数据的缺失，还可补充其他国家光诱捕作业渔船数量的数据缺失，为准确把握渔业资源与环境变化的内在规律及渔情渔场预报提供有价值的参考。

附图说明

图1是本发明的流程图；

图2是实施例中F1820110901西北太平洋鱿鱼渔场的OLS影像图；

图3是实施例中的辐亮度影像的图像分块示意图；

图4是实施例中类间方差和方差分布图；

图5是实施例中用于计算单船幅亮度的5-8区图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的实施方式涉及一种基于夜间灯光卫星遥感数据光透捕作业渔船数量估算方法，如图1所示，包括以下步骤：从卫星整幅影像中裁切出渔场范围内的影像；将影像中可见光-近红外波段的数字灰度值转换成实际观测辐射值；对影像中热红外波段进行云检测，采用迭代阈值分割的方法确定云象元的阈值；对得到的云掩膜后的可见光-近红外波的段影像进行分块，并计算各个区块的方差和最大类间方差法阈值，据此来判定区块是否属于渔区；对于渔区使用最大类间方差法阈值区分渔船及噪声，并结合已知的船位数据，计算单艘光诱捕船的辐亮度值；根据光诱捕船像素的总辐亮度和单艘光诱捕船的辐亮度值，计算该渔区光诱捕船的船只数量。

下面以一个具体的实施例来进一步说明本发明。

利用DMSP-F18卫星/OLS微光数据，对西北太平洋海域渔场鱿钓渔船的船只数量进行估算，从卫星整幅影像中裁切出渔场范围内的影像(1800像素*1000像素)，见图2。

该数据由四个波段组成：可见光波段、热红外波段及相对应的检测码波段和增益波段。可见光波段灰度值范围为：0-63。热红外波段灰度值范围为0-255。检测码波段取值为0,1,2,3,255，若某像元的检测码为0，表示该像元处于白天使用可见光镜头；若某像元的检测码为1，表示该像元使用光学倍增管的较低增益；若某像元的检测码为2，表示该像元使用光学倍增管的低增益；若某像元的检测码为3，表示该像元处于夜晚，使用光学倍增管的高增益；若某像元的检测码为255，表示该像元所在处数据缺失。增益波段是各种检测码模式下的模拟增益。

从可见光图像中可以直观的看出，左侧带状白色区域是由于位于晨昏线附近，太阳光入射进入光学倍增管，所产生的眩光耀斑。中间点状分布的区域是鱿钓渔船作业时，集鱼灯发射出的灯光。

(1)辐射定标

对于可见光波段，使用公式(1)，将数字灰度值DN转换成实际观测辐射值Radiance(w/cm²/sr/μm)，其中gain为数据的增益参数。

$\mathrm{Radiance}=\mathrm{DN}\×\frac{5.3}{63}\×{10}^{-(6+\frac{\mathrm{gain}}{20})}---\left(1\right)$

(2)云检测

云是由悬浮在大气中的冰晶微粒或水滴组成的可见聚合体，在有云层覆盖的情况下，卫星的成像设备很难获取云区下垫面的信息，进而影响图像信息的提取、判读和分类。

通过云检测去除云雾的影响，以更准确地提取地物信息，成为遥感图像处理的重要步骤。由于本实施例所选取的OLS数据只有11μm这一个热红外波段，并且下垫面地物类型比较单一，是大面积的水域，所以选择ISCCP法进行云检测。假设所观测到的辐射的大气状况只有两种：云覆盖或是晴空，而且这两种大气状况的边界分明，即辐射值的变化范围并不存在重叠。利用11μm的热红外波段影像，将待测像元和晴空的观测辐射值进行比较，计算待测像元和晴空象元的亮度温度值，当其小于设置的阈值时，即可判别为云像元，从而实现了云检测。根据公式(2)，对OLS数据的热红外波段进行亮温值T(K)的转换，其中D代表热红外波段原始值。

$T=D\frac{120}{255}+190---\left(2\right)$

在阈值的确定上，摒弃传统的通过人机交互确定阈值或者使用经验值的方法，采用计算机自动选取阈值的方法，通过迭代法，进行云阈值的自动选取计算。迭代法的具体实现步骤为：首先设置待分割图像的最大灰度值T_max和最小灰度值T_min，令初始分割阈值T₁为：

$T_1=\frac{1}{2}(T_{\max }+T_{\min })---\left(3\right)$

其次根据初始阈值T₁将图像分割为两大部分：目标区域m和背景区域n。然后对目标区域和背景区域分别求取灰度均值Mean_m和Mean_n。之后按照公式(4)求出新的分割阈值T_K+1。

$T_{K+1}=\frac{1}{2}({\mathrm{Mean}}_m+{\mathrm{Mean}}_n)---\left(4\right)$

如此一直循环，直到T_K+1＝T_K时，迭代结束，循环中止，否则设置新的阈值继续进行迭代循环。

计算得出T＝264.90125K，即可判定，像元的亮温值大于264.90125K的为晴空区，小于264.90125K的为云区。根据此阈值，对辐亮度图像进行掩膜，去除云区，得到晴空区的辐亮度影像。

(3)图像的分块

由于受太阳眩光耀斑、大气传输等环境因素以及噪声的影响，使得OLS背景辐亮度值并不均一、对比度差、边界模糊。基于此，先将图像进行分块，采用局部阈值法或自适应阈值法。用与像素位置相关的一组阈值来对图像各部分分别进行分割。分别判定该区域是否属于渔区，并计算渔区的鱿钓船只数量，即可得到总体区域的鱿钓船船只艘数。

将1800像素*1000像素的影像按照100像素*100像素的规格，将其分割成10行18列，共180个区域。这样可以保障每个单元区域内的背景辐亮度噪声相对均一，见图3。

(4)渔区的判定

渔船灯光和背景灰度相差较大的时候，用传统的最大类间方差全局阈值法可以获取较好的分割效果。按图像的灰度特性，基于最小二乘法和概率统计将图像分成背景和目标两部分，并得到相应的二值化图像。最大类间方差法的具体实现步骤为：

设图像的灰度级为L(G＝0,l,...,m)处在灰度级i的像素数用n表示，图像总像素数用N表示，则有：

$N=n_1+n_2+\·\·\·+n_m={\mathrm{\Σ}}_{i=1}^m{n}_i---\left(5\right)$

P_i表示图像中灰度级为i的像素出现的概率，表示为P_i＝n_i/N，将图像中的像素按灰度值t划分为两类C_o和C_i，即C_o＝{1,2，……，t}，C_i＝{t+l,t+2,...,m}。

这两类出现的概率分别可分别表示为：

${\mathrm{\ω}}_0={\mathrm{\Σ}}_{i=1}^t{P}_i=\mathrm{\ω}\left(t\right)---\left(6\right)$

${\mathrm{\ω}}_1={\mathrm{\Σ}}_{i=t+1}^m{P}_i=1-\mathrm{\ω}\left(t\right)---\left(7\right)$

两类的灰度值均值分别为：

${\mathrm{\μ}}_0={\mathrm{\Σ}}_{i=1}^{t}i(P_i/{\mathrm{\ω}}_0)=\mathrm{\μ}\left(t\right)/\mathrm{\ω}\left(t\right)---\left(8\right)$

${\mathrm{\μ}}_1={\mathrm{\Σ}}_{i=t+1}^{m}i(P_i/{\mathrm{\ω}}_1)=[\mathrm{\μ}-\mathrm{\μ}\left(t\right)]/[1-\mathrm{\ω}\left(t\right)]---\left(9\right)$

整幅图像的灰度统计均值为：

$\mathrm{\μ}={\mathrm{\Σ}}_{i=1}^m\mathrm{iP}={\mathrm{\ω}}_0{\mathrm{\μ}}_0+{\mathrm{\ω}}_1{\mathrm{\μ}}_1---\left(10\right)$

定义C_o类和C_i类的类间方差为：

σ²＝ω₀(μ₀-μ)²+ω₁(μ₁-μ)²＝ω₀ω₁(μ₀-μ)²   (11)

在1,2,...，m区间内调整阈值t，使类间方差达到最大值时的t即为最佳阈值。

对已经分割成180份的影像分别计算其最大类间方差和方差。根据两者的分布，来确定合适的阈值，来区分渔区与非渔区。

如图4所示，各区块的最大类间方差在散点分布图聚集为3个部分：

A部分具有最大的方差和最大类间方差，表明A部分具有很大的突变和很大的背景噪声，可以判定为眩光耀斑区。

B部分具有较大的方差和较大的类间方差，表明B部分具有较大的突变和较大的背景噪声，可以判定为鱿钓船集中作业区，既渔区。

C部分具有很小的方差和很小的类间方差，表明C部分影像平滑，背景噪声很小，可以判定为背景，即非渔区。

根据最大类间方差和得出的散点分布图，可确定最大类间方差大于等于11.5681的区块为眩光耀斑区，即区块1-1，1-2，1-3，2-1，2-2，3-1，3-2。

最大类间方差小于11.5681且方差大于0.3617的区块为渔区，即区块3-3，4-4，4-5，4-6，5-1，5-4，5-6，5-8。

其他区块为非渔区。

(5)船只数量的估算

由于我国在西北太平洋的鱿钓渔船大多由8154型拖网船改装而成，采用的是光诱钓捕技术，每艘船配置的灯光大致相似。因此可以用下式对于鱿钓船数量n的估算：

$n=\frac{R}{r}---\left(12\right)$

其中n表示鱿钓渔船的船只数量；

R表示渔场区域除去背景噪声的总辐亮度值；

r表示单艘鱿钓船除去背景噪声的总辐亮度值；

根据已知船位信息，确定单艘渔船的辐亮度分布情况。对5-8区(图5)，统计单艘渔船的辐亮度值信息，见图5。统计结果如表1所示。

表1单艘渔船的辐亮度值信息统计结果

r＝3.737815*7+4.669826*8+5.918207*8＝110.868969

设5-8区块的最大类间方差法阈值为T_5-8，其他区块的最大类间方差法阈值为T，则其他区块的单船辐亮度值为：

r＝(3.737815-(T_5-8-T))*7+(4.669826-(T_5-8-T)*8+(5.918207-(T_5-8-T))*8

计算即可得到各渔区的船只数量，如表2所示。

表2各渔区船只数量计算结果

不难发现，本发明根据光诱捕方式夜间作业的特点，对某一海域开展光诱捕作业的渔船开展大面积同步遥感观测，进行渔船数量的定量估算；提供第三方渔船监控数据，一定程度弥补我国现有船位监测数据库数据的缺失，还可补充其他国家光诱捕作业渔船数量的数据缺失，为准确把握渔业资源与环境变化的内在规律及渔情渔场预报提供有价值的参考。

Claims (5)

1.一种基于夜间灯光卫星遥感数据光透捕作业渔船数量估算方法，其特征在于，包括以下步骤：

(1)从卫星整幅影像中裁切出渔场范围内的影像；

(2)将影像中可见光-近红外波段的数字灰度值转换成实际观测辐射值；

(3)对影像中热红外波段进行云检测，采用迭代阈值分割的方法确定云象元的阈值；

(4)对得到的云掩膜后的可见光-近红外波的段影像进行分块，并计算各个区块的方差和最大类间方差法阈值，据此来判定区块是否属于渔区；

(5)对于渔区使用最大类间方差法阈值区分渔船及噪声，并结合已知的船位数据，计算单艘光诱捕船的辐亮度值；

(6)根据光诱捕船像素的总辐亮度和单艘光诱捕船的辐亮度值，计算该渔区光诱捕船的船只数量。

2.根据权利要求1所述的基于夜间灯光卫星遥感数据光透捕作业渔船数量估算方法，其特征在于，所述步骤(2)中使用定标公式将影像中可见光-近红外波段的数字灰度值转换成实际观测辐射值，其中，Radiance为实际观测辐射值，DN为数字灰度值，gain为数据的增益参数。

3.根据权利要求1所述的基于夜间灯光卫星遥感数据光透捕作业渔船数量估算方法，其特征在于，所述步骤(3)中将待测像元和晴空的观测辐射值进行比较，计算待测像元和晴空象元的亮度温度值，当其小于设置的阈值时，判别为云像元，实现云检测。

4.根据权利要求1所述的基于夜间灯光卫星遥感数据光透捕作业渔船数量估算方法，其特征在于，所述步骤(3)中采用迭代阈值分割的方法确定云象元的阈值包括以下子步骤：首先，设置待分割图像的最大灰度值和最小灰度值，并令初始分割阈值为最大灰度值和最小灰度值的平均值；其次，根据初始分割阈值将图像分割为目标区域和背景区域；然后对目标区域和背景区域分别求取灰度均值，求目标区域的灰度均值和背景区域的灰度均值的平均值，该平均值为新的分割阈值，如此循环直至迭代结束。

5.根据权利要求1所述的基于夜间灯光卫星遥感数据光透捕作业渔船数量估算方法，其特征在于，所述步骤(4)中采用局部阈值法或自适应阈值法对得到的云掩膜后的可见光-近红外波的段影像进行分块。