CN105526874A - 一种基于光谱特征参数的油膜厚度识别方法 - Google Patents

Abstract

本发明公开了一种基于光谱特征参数的油膜厚度识别方法，整理室外模拟实验测量的纯油种的ASD光谱数据库，进行油膜光谱的分析工作，再经过高光谱遥感图像数据预处理、光谱重建，利用ASD光谱数据库对重建的光谱特征进行评价，识别特征谱段及特征参数，建立波谱特征拟合模型。本发明考虑实际应用时大气透过率及传感器增益产生的背景噪声，优选可消除影响的特征参数，建立特征参数与厚度的查找表，解决油膜厚度反演的不稳定和精度不高的问题。

Description

一种基于光谱特征参数的油膜厚度识别方法

技术领域

本发明涉及油膜测量技术领域，具体是一种基于光谱特征参数的油膜厚度识别方法。

背景技术

水上溢油厚度识别属目前待解决的难题。现有研究主要利用空基/天基传感器的光谱数值与油膜厚度建立查找表，如Jan等(2008)利用航空平台搭载四通道传感器DMSC-MKII，探讨了基于紫外-可见光-近红外(UV-visible-nearIR，下同)的油膜厚度识别算法，确定了厚度可探测范围和厚度查找表；OceanImaging公司(2010)使用机载可见光-近红外多光谱设备实现了应急下的相对厚度识别；刘丙新等(2014)基于地面实测光谱特征建立了决策树分类方法，用于机载多光谱遥感数据的油膜相对厚度信息提取。而高光谱为准确、有效区分各种海面目标提供了新的技术思路，Clark等(2010)基于地面实测光谱与AVIRIS航空数据反演了BP事故油膜厚度分布，估算了溢油量，指出基于航空、卫星平台一次性获取大型事故油膜厚度分布的技术可行性，但工作量巨大。孙鹏等(2013)从地面实测光谱与油膜厚度响应特性出发，找出油膜厚度光谱特征参数，为多光谱影像油膜厚度的定量评估提供了方法基础。

现有技术一的技术方案：基于空基实验建立光谱通道与厚度的查找表。缺点：(1)缺乏地面实验数据的支持，只适用于一种环境条件，结果不可靠。(2)光谱通道数据难以消除传感器噪声和大气透过率的影响。

现有技术二的技术方案：基于地面光谱实验建立厚度特征参数与油膜厚度的查找表。缺点：未考虑传感器噪声和大气透过率的影响，难于应用到空基/天基传感器，而空基/天基传感器是应急应用的关键。

上述研究很难投入实际应用，其主要原因在于油种特性与传感器光学特性对厚度反演信号的影响。

发明内容

本发明的目的在于提供一种油膜厚度反演的稳定和精度提高的基于光谱特征参数的油膜厚度识别方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于光谱特征参数的油膜厚度识别方法，步骤如下：

1)整理室外模拟实验测量的纯油种的ASD光谱数据库：ASD光谱数据库包含不同纯油种、不同油水比例的油膜厚度时光谱反射率；整理同步获取的高光谱遥感图像数据；

2)进行油膜光谱的分析工作：首先分析不同纯油种成分及分子结构变化的属性光谱表征，找出不同厚度尺度下C-H特征的变化规律、获取不同特征谱段对油膜厚度的敏感度及变化规律，进一步定量评价厚度识别范围和反演精度，并用于评价光谱重建后的光谱；

3)高光谱遥感图像数据预处理：对高光谱遥感图像数据进行几何校正与辐射校正，并对校正后的数据进行定量化评估；

4)光谱重建：光谱重建通过同步获取遥感影像和地面对应的ASD地物光谱仪同步实测光谱以及地面辐射控制点，建立线性方程，实现辐射校正对获取的高光谱遥感图像数据进行光谱重建；

5)利用步骤1)的室外模拟实验的ASD光谱数据库对重建的光谱特征进行评价：利用相似系数法对重建的光谱特征进行精度评价；并以光谱重建评价为基础，进一步对光谱重建方案进行优化；

6)识别特征谱段及特征参数：依据油膜厚度-光谱响应规律，有效划分并优选不同厚度尺度下厚度识别的特征谱段及特征参数，其中特征谱段包括可见光近红外谱段、中红外谱段、远红外谱段内的特征波谱曲线；特征参数包括Db、绿峰反射率Rg、Dy、Rg/Ro、(Rg-Ro)/(Rg+Ro)；

7)建立波谱特征拟合模型：将特征参数与油膜厚度进行线性相关分析；所建波谱特征拟合模型如下：

Rg/Ro的拟合函数为4.02168*10^-4+0.00168x；

(Rg-Ro)/(Rg+Ro)的拟合函数为0.39608+0.72537x。

作为本发明进一步的方案：辐射校正是指大气校正。

作为本发明进一步的方案：步骤4)中利用相似系数法对光谱重建后的数据进行精度评价的方法，包括以下步骤：

设实测时反射率光谱数据为

X_i＝(x_i1，…，x_im)，i＝1，…，n，于是ASD光谱数据库数据矩阵L表示为

(式1)

设高光谱遥感图像数据中待评价像元a的重建光谱矢量为a＝(a₁，…，a_m)，选择相似系数评价函数，相似系数值大者判断为优；相似系数计算见式2：

$r_i=\frac{{\Σ}_{k=1}^m(x_{ik}-\stackrel{\‾}{x_i})(a_k-\stackrel{\‾}{a})}{\sqrt{{\Σ}_{k=1}^m{(x_{ik}-\stackrel{\‾}{x_i})}^2}\sqrt{{\Σ}_{k=1}^m{(a_k-\stackrel{\‾}{a})}^2}}$ (式2)

其中， $\stackrel{\‾}{x_i}=\frac{1}{m}{\Σ}_{k=1}^m{x}_{ik},\stackrel{\‾}{a}=\frac{1}{m}{\Σ}_{k=1}^m{a}_k.$

作为本发明进一步的方案：步骤7)中油膜的厚度上限为300μm。

与现有技术相比，本发明的有益效果是：

本发明以同步开展地-空实验，考虑实际应用时大气透过率及传感器增益产生的背景噪声，优选可消除影响的特征参数，建立特征参数与厚度的查找表，解决油膜厚度反演的不稳定和精度不高的问题。

附图说明

图1是本发明实施例1的流程图。

具体实施方式

下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

请参阅图1，本发明实施例中，本发明基于光谱特征参数建立油膜厚度识别方案，关键在于解决海洋环境下的溢油目标光谱重建问题和特征参数优选问题，设置地面-空基同步实验实现光谱重建，获取空基视反射光谱曲线-厚度关系，进一步提取特征参数，建立波谱特征拟合模型以优选特征参数。具体步骤如下：

1)整理室外模拟实验测量的纯油种的ASD光谱数据库：ASD光谱数据库包含不同纯油种、不同油水比例的油膜厚度时光谱反射率；整理同步获取的高光谱遥感图像数据；

2)进行油膜光谱的分析工作：首先分析不同纯油种成分及分子结构变化的属性光谱表征，找出不同厚度尺度下C-H特征的变化规律、获取不同谱段对油膜厚度的敏感度及变化规律，进一步定量评价厚度识别范围和反演精度，并用于评价光谱重建后的光谱；

3)高光谱遥感图像数据预处理：对高光谱遥感图像数据进行几何校正与辐射校正，并对校正后的数据进行定量化评估；其中辐射校正是指大气校正，针对同步获取的高光谱遥感图像数据采用建立的光谱重建方案进行大气校正；

4)光谱重建：光谱重建通过同步获取遥感影像和地面对应的ASD地物光谱仪同步实测光谱以及地面辐射控制点，建立线性方程，实现大气校正对获取的高光谱遥感图像数据进行光谱重建，真实反映不同油膜厚度的光谱特征；

5)利用步骤1)的室外模拟实验的ASD光谱数据库对重建的光谱特征进行评价：利用相似系数法进行精度评价；并以光谱重建评价为基础，进一步对重建方案进行优化；

其中利用相似系数法对光谱重建后的数据进行精度评价的方法，包括以下步骤：

设实测时反射率光谱数据为

X_i＝(x_i1，…，x_im)，i＝1，…，n，

于是ASD光谱数据库数据矩阵L表示为

(式1)

设高光谱遥感图像数据中待评价像元a的重建光谱矢量为a＝(a₁，…，a_m)，选择相似系数评价函数，相似系数值大者判断为优；相似系数计算见式2：

$r_i=\frac{{\Σ}_{k=1}^m(x_{ik}-\stackrel{\‾}{x_i})(a_k-\stackrel{\‾}{a})}{\sqrt{{\Σ}_{k=1}^m{(x_{ik}-\stackrel{\‾}{x_i})}^2}\sqrt{{\Σ}_{k=1}^m{(a_k-\stackrel{\‾}{a})}^2}}$ (式2)

其中， $\stackrel{\‾}{x_i}=\frac{1}{m}{\Σ}_{k=1}^m{x}_{ik},\stackrel{\‾}{a}=\frac{1}{m}{\Σ}_{k=1}^m{a}_k$

6)识别特征谱段及特征参数：依据油膜厚度-光谱响应规律，有效划分并优选不同厚度尺度下厚度识别特征谱段及特征参数，其中特征谱段包括可见光近红外谱段、中红外谱段、远红外谱段内的特征波谱曲线；特征参数包括Db、绿峰反射率Rg、Dy、Rg/Ro、(Rg-Ro)/(Rg+Ro)；

7)建立波谱特征拟合模型：光学传感器探测原油厚度上限是200μm～300μm，实际应用中，光学传感器将只能区分厚度为300μm的油膜；故将特征参数与厚度上限300μm油膜进行线性相关分析；最终所建波谱特征拟合模型如表1：

表1

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (5)

1.一种基于光谱特征参数的油膜厚度识别方法，其特征在于，步骤如下：

1)整理室外模拟实验测量的纯油种的ASD光谱数据库：ASD光谱数据库包含不同纯油种、不同油水比例的油膜厚度时光谱反射率；整理同步获取的高光谱遥感图像数据；

2)进行油膜光谱的分析工作：首先分析不同纯油种成分及分子结构变化的属性光谱表征，找出不同厚度尺度下C-H特征的变化规律、获取不同特征谱段对油膜厚度的敏感度及变化规律，进一步定量评价厚度识别范围和反演精度，并用于评价光谱重建后的光谱；

3)高光谱遥感图像数据预处理：对高光谱遥感图像数据进行几何校正与辐射校正，并对校正后的数据进行定量化评估；

4)光谱重建：光谱重建通过同步获取遥感影像和地面对应的ASD地物光谱仪同步实测光谱以及地面辐射控制点，建立线性方程，实现辐射校正对获取的高光谱遥感图像数据进行光谱重建；

5)利用步骤1)的室外模拟实验的ASD光谱数据库对重建的光谱特征进行评价：利用相似系数法对重建的光谱特征进行精度评价；并以光谱重建评价为基础，进一步对光谱重建方案进行优化；

6)识别特征谱段及特征参数：依据油膜厚度-光谱响应规律，有效划分并优选不同厚度尺度下厚度识别的特征谱段及特征参数，其中特征谱段包括可见光近红外谱段、中红外谱段、远红外谱段内的特征波谱曲线；特征参数包括Db、绿峰反射率Rg、Dy、Rg/Ro、(Rg-Ro)/(Rg+Ro)；

7)建立波谱特征拟合模型：将特征参数与油膜厚度进行线性相关分析；所建波谱特征拟合模型如下：

Rg/Ro的拟合函数为4.02168*10^-4+0.00168x；

(Rg-Ro)/(Rg+Ro)的拟合函数为0.39608+0.72537x。

2.根据权利要求1所述的基于光谱特征参数的油膜厚度识别方法，其特征在于，辐射校正是指大气校正。

3.根据权利要求1所述的基于光谱特征参数的油膜厚度识别方法，其特征在于，步骤4)中利用相似系数法对光谱重建后的数据进行精度评价的方法，包括以下步骤：

设实测时反射率光谱数据为

X_i＝(x_i1，…，x_im)，i＝1，…，n，

于是ASD光谱数据库数据矩阵L表示为

设高光谱遥感图像数据中待评价像元a的重建光谱矢量为a＝(a₁，…，a_m)，选择相似系数评价函数，相似系数值大者判断为优；相似系数计算见式2：

$r_i=\frac{{\Σ}_{k=1}^m\left(x_{ik}-{\stackrel{\‾}{x}}_i\right)\left(a_k-\stackrel{\‾}{a}\right)}{\sqrt{{\Σ}_{k=1}^m{\left(x_{ik}-{\stackrel{\‾}{x}}_i\right)}^2}\sqrt{{\Σ}_{k=1}^m{\left(a_k-\stackrel{\‾}{a}\right)}^2}}$ (式2)

其中， $\stackrel{\‾}{x_i}=\frac{1}{m}{\Σ}_{k=1}^m{x}_{ik},\stackrel{\‾}{a}=\frac{1}{m}{\Σ}_{k=1}^m{a}_k.$

4.根据权利要求1所述的基于光谱特征参数的油膜厚度识别方法，其特征在于，步骤7)所建识别模型，采用可消除大气透过率及传感器增益产生的背景噪声的比值特征参数。

5.根据权利要求1所述的基于光谱特征参数的油膜厚度识别方法，其特征在于，步骤7)中油膜的厚度上限为300μm。