CN106198443B - 机载高光谱红外溢油监测方法及系统 - Google Patents
机载高光谱红外溢油监测方法及系统 Download PDFInfo
- Publication number
- CN106198443B CN106198443B CN201610472753.1A CN201610472753A CN106198443B CN 106198443 B CN106198443 B CN 106198443B CN 201610472753 A CN201610472753 A CN 201610472753A CN 106198443 B CN106198443 B CN 106198443B
- Authority
- CN
- China
- Prior art keywords
- oil
- oil spilling
- image
- region
- imaging spectrometer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000001228 spectrum Methods 0.000 claims abstract description 50
- 230000033001 locomotion Effects 0.000 claims abstract description 36
- 230000003595 spectral effect Effects 0.000 claims abstract description 36
- 238000003384 imaging method Methods 0.000 claims abstract description 34
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 claims abstract description 25
- 230000000007 visual effect Effects 0.000 claims abstract description 20
- 230000004927 fusion Effects 0.000 claims abstract description 9
- 238000003331 infrared imaging Methods 0.000 claims abstract description 9
- 239000003305 oil spill Substances 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000004611 spectroscopical analysis Methods 0.000 claims description 12
- 238000013016 damping Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000021715 photosynthesis, light harvesting Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000005417 food ingredient Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 235000013324 preserved food Nutrition 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003904 radioactive pollution Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N2021/3595—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using FTIR
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Geophysics And Detection Of Objects (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明提出一种机载高光谱红外溢油监测方法及系统,其中方法包括:在发现溢油区域之前,进入搜索模式,空间分辨率和光谱分辨率可调的傅里叶变换红外成像光谱仪快速采集海面溢油的高光谱图像;运动补偿系统对采集的高光谱图像进行图像拼接融合,获得大范围的海面溢油高光谱图像,并通过计算飞机的姿态、运动状况和位置信息来补偿飞机平台运动所带来的视场变化;根据该大范围的海面溢油高光谱图像判断是否存在溢油区域,若是,则切换为分析模式;在该分析模式下,运动补偿系统控制所述傅里叶变换红外成像光谱仪的监测视场始终保持对准溢油区域,所述红外成像光谱仪在小范围内采集高精度的光谱信息;根据该高精度的光谱信息进行溢油的种类识别。
Description
技术领域
本发明涉及一种机载高光谱红外溢油监测领域,尤其涉及一种机载高光谱红外溢油监测方法及系统。
背景技术
近年来,随着国际间海上贸易日益繁荣,海洋运输业发展迅猛。然而,随之而来的海上溢油污染,已经超过海洋中的重金属污染、氯代烃污染、放射性污染和热污染等,成为海洋污染中最严重的问题,由船舶、油轮引起的油污染成为国际社会关注的焦点。目前,海洋溢油发生的次数约占所有海洋污染次数的80%,海上油污染已成为各种海洋污染中最常见的、分布面积最广、危害程度最大的一种,其特点是扩散范围广、流动性大、持续时间长、难以控制和消除、清理费用高等。当油污进入海洋后,严重破坏大气、海洋和近岸陆地的生态环境,会导致大批海洋生物的死亡,破坏海洋中生物的食物链,并会污染海洋、海滩和港口。更为严重的是被污染的生物也会因油污染而在体内累积毒性化合物,并经由食物链食物网传递至人类,威胁消费者的身体健康。事后的清除工作也是难上加难,要承担高昂的清污费用,受污染的海域在短时间内也不可能恢复原貌。
我国是当今世界第二、亚洲第一大石油进口国,石油进口量的迅速增加,导致船舶溢油污染,特别是特大船舶溢油污染的风险增大。据统计,1973-2006年,我国沿海共发生大小船舶溢油事故2635起,危害严重。此外,海上钻井平台也会带来较高的环境风险。仅2011年的康菲蓬莱溢油事件,就污染海域面积5500平方公里,造成直接经济损失16.83亿元,并给周围生态环境和近千户渔民财产带来了巨大损失,在全国范围内震动极大。
将红外成像光谱仪用于机载平台实现海上溢油在线实时监测,可以突破传统监控成像技术的局限,及时获取溢油的成分信息和厚度,辅助海监救援人员在瞬息万变的海洋环境下对事故进行高效率分析,制定合理的处理方案,弥补了普通光电成像以及星载光谱成像的不足。进一步的,利用机载红外成像光谱仪对海上油田和运输油轮进行监控,可以判断油气泄漏状况,实现环境灾害预防检测或早期预警,防止更大规模的环境灾害发生。
发明内容
本发明要解决的技术问题在于针对传统监控成像技术的局限,提供一种可以及时发现海上溢油区域并对溢油的种类进行识别的机载高光谱红外溢油监测方法及系统。
本发明解决其技术问题所采用的技术方案是:
提供一种机载高光谱红外溢油监测方法,包括以下步骤:
在发现溢油区域之前,进入搜索模式,在该搜索模式下,空间分辨率和光谱分辨率可调的傅里叶变换红外成像光谱仪快速采集海面溢油的高光谱图像;运动补偿系统对采集的高光谱图像进行图像拼接融合,获得大范围的海面溢油高光谱图像,并通过计算飞机的姿态、运动状况和位置信息来补偿飞机平台运动所带来的视场变化;
根据该大范围的海面溢油高光谱图像判断是否存在溢油区域,若是,则切换为分析模式;
在该分析模式下,运动补偿系统控制所述傅里叶变换红外成像光谱仪的监测视场始终保持对准溢油区域,所述傅里叶变换红外成像光谱仪在小范围内采集高精度的光谱信息;
根据该高精度的光谱信息进行溢油的种类识别。
本发明所述的机载高光谱红外溢油监测方法中,判断是否存在溢油区域的具体步骤为:
计算各个波段图像相互之间的相关系数,若相关系数低于设定的预制值T1的连续波段图像,则认定为噪声图像并剔除;
剔除后,再对相关系数进行排名,相关系数最低的N1个非连续波段图像被提取出来,N1为自然数;
采用高光谱目标提取算法对提取出来的N1个波段图像进行溢油区域探测,当N1个波段图像中某个像素点的波段特征符合溢油的辐射特征时,则认为该像素点对应的区域为溢油区域,遍历整个图像区域以实现溢油区域的提取。
本发明所述的机载高光谱红外溢油监测方法中,N1取值为3~10。
本发明所述的机载高光谱红外溢油监测方法中,根据该高精度的光谱信息进行溢油种类识别具体包括以下步骤:
采用三维非局部核回归滤波技术对采集到的图像数据立方进行预处理,降低图像噪声和光谱噪声,滤波的公式如下:
式中,i表示高光谱图像像素的坐标(X,Y,),其中,X和Y分别表示空域的横坐标和纵坐标,λ和γ表示光谱维坐标,M表示总的波段数量,N(i)表示与像素yλi相似的所有像素的集合,表示i的灰度值,权重系数反应了yλi和yγj之间的相似程度,其可以由下式计算得出:
式中,ζj表示位置j处的协方差矩阵,σ表示设定的平滑参数,WG表示一个高斯核的权重矩阵,该矩阵可以给距离中心像素yλi较近的像素分配较高的权重,而给距离较远的像素分配较低的权重;其中
利用溢油光谱库中的数据和预处理后的光谱数据进行匹配分析,并对溢油光谱特征区域加重匹配权重,降低匹配误差,匹配公式如下式所示,当满足下式的时候则认为数据库中的某个光谱数据和测量的光谱数据匹配的;
上式中,表示根据模型数据库计算出来的光谱,表示经过预处理后的光谱数据;
在数据库中精确找到溢油的信息,包括溢油的种类以及厚度等级信息。
本发明还提供了一种机载高光谱红外溢油监测系统,包括:
空间分辨率和光谱分辨率可调的傅里叶变换红外成像光谱仪,用于采集海面溢油的高光谱图像;
全球定位系统,用于获取飞机的位置信息;
惯性运动单元,用于获取飞机的姿态和运动状况;
运动补偿系统,用于在搜索模式下,对采集的高光谱图像进行图像拼接融合,获得大范围的海面溢油高光谱图像,并通过计算飞机的姿态、运动状况和位置信息来补偿飞机平台运动所带来的视场变化;
溢油区初判单元,用于根据该大范围的海面溢油高光谱图像判断是否存在溢油区域,若是,则切换为分析模式;
该运动补偿系统还用于在分析模式下,控制所述傅里叶变换红外成像光谱仪的监测视场始终保持对准溢油区域;
识别模块,用于根据所述傅里叶变换红外成像光谱仪在小范围内采集的高精度光谱信息进行溢油的种类识别。
本发明所述的系统中,该系统还包括主动减震平台和被动减震平台,主动减震平台则装载在被动减震平台上,所述外成像光谱仪、全球定位系统、惯性运动单元、运动补偿系统都装载在主动减震平台上。
本发明产生的有益效果是:本发明的机载高光谱红外溢油监测系统采用空间分辨率和光谱分辨率可调的傅里叶变换红外成像光谱仪,可以实现溢油区域的快速搜索探测和溢油光谱的高精度分析识别;相对于传统的传统监控成像技术,具有溢油探测精度更高、溢油种类识别分析更精确的优势。监测过程中可在搜索模式和分析模式之间自由切换,满足机载海面溢油区域探测和溢油种类分析的任务需求。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1为本发明实施例机载高光谱红外溢油监测方法流程图;
图2为本发明实施例机载高光谱红外溢油监测系统结构原理示意图;
图3为本发明实施例搜索模式工作示意图;
图4为本发明实施例分析模式工作示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明实施例机载高光谱红外溢油监测方法,如图1所示,主要包括以下步骤:
在发现溢油区域之前,进入搜索模式,在该搜索模式下,空间分辨率和光谱分辨率可调的傅里叶变换红外成像光谱仪快速采集海面溢油的高光谱图像;运动补偿系统对采集的高光谱图像进行图像拼接融合,获得大范围的海面溢油高光谱图像,并通过计算飞机的姿态、运动状况和位置信息来补偿飞机平台运动所带来的视场变化;
根据该大范围的海面溢油高光谱图像判断是否存在溢油区域,若是,则切换为分析模式;
在该分析模式下,运动补偿系统控制所述傅里叶变换红外成像光谱仪的监测视场始终保持对准溢油区域,所述红外成像光谱仪在小范围内采集高精度的光谱信息;
根据该高精度的光谱信息进行溢油的种类识别。
本发明实施例机载高光谱红外溢油监测系统,为实现上述方法,主要包括:
空间分辨率和光谱分辨率可调的傅里叶变换红外成像光谱仪,用于采集海面溢油的高光谱图像;
全球定位系统,用于获取飞机的位置信息;
惯性运动单元,用于获取飞机的姿态和运动状况;
运动补偿系统,用于在搜索模式下,对采集的高光谱图像进行图像拼接融合,获得大范围的海面溢油高光谱图像,并通过计算飞机的姿态、运动状况和位置信息来补偿飞机平台运动所带来的视场变化;
溢油区初判单元,用于根据该大范围的海面溢油高光谱图像判断是否存在溢油区域,若是,则切换为分析模式;
该运动补偿系统还用于在分析模式下,控制所述傅里叶变换红外成像光谱仪的监测视场始终保持对准溢油区域;
识别模块,用于根据所述傅里叶变换红外成像光谱仪在小范围内采集的高精度光谱信息进行溢油的种类识别。
如图2所示,为本发明一个实施例机载高光谱红外溢油监测系统的结构原理示意图。机载高光谱红外溢油监测系统的组件主要包括:空间分辨率和光谱分辨率可调的傅里叶变换红外成像光谱仪1、全球定位系统(GPS)2、惯性运动单元3、运动补偿系统5、被动减震平台6和主动减震平台7等。
空间分辨率和光谱分辨率可调的傅里叶变换红外成像光谱仪1、全球定位系统(GPS)2、惯性运动单元3、运动补偿系统5都装载在主动减震平台上7,主动减震平台则装载在被动减震平台6上。被动减震平台6和主动减震平台上7相结合可以保证系统的各个组件工作在一个相对稳定的环境中,特别是降低了震动对空间分辨率和光谱分辨率可调的傅里叶变换红外成像光谱仪1的影响。空间分辨率和光谱分辨率可调的傅里叶变换红外成像光谱仪1用于采集海面溢油的高光谱图像。全球定位系统(GPS)2和惯性运动单元3用于获取飞机的姿态和运动状况、位置等信息。运动补偿系统5对全球定位系统(GPS)2和惯性运动单元3采集的信息进行融合解算,并根据这些信息来补偿飞机平台运动所带来的视场变化,进而可以稳定视场,提高数据采集的精度。运动补偿系统5安装在空间分辨率和光谱分辨率可调的傅里叶变换红外成像光谱仪1的光学窗口前方,可以控制红外成像光谱仪1的运动。来自海面场景的红外信号首先经过运动补偿系统5被空间分辨率和光谱分辨率可调的傅里叶变换红外成像光谱仪1接收。
下面结合图3和图4对本发明的海面溢油监测方式做出进一步详细地说明。
本发明的机载高光谱红外溢油监测系统主要有两种工作模式,分别为搜索模式和分析模式。在搜索模式中,空间分辨率和光谱分辨率可调的傅里叶变换红外成像光谱仪1的空间分辨率较高,光谱分辨率较低,进而可以满足较快速度的海面溢油区域搜索。如图2所示,搜索模式工作示意图。在此过程中,运动补偿系统5对全球定位系统(GPS)2和惯性运动单元3采集的信息进行融合解算,并根据这些信息来补偿飞机平台运动所带来的视场变化,进而可以稳定视场,提高数据采集的精度。当采集第一个场景的图像数据时,运动补偿系统5使得监测视场始终保持对准在第一个场景区域不变。当第一个场景的数据采集完成后,运动补偿系统5改变监测视场为第二个场景,并使得第二场景和第一场景之间有一小部分的重叠。经过后续的图像拼接融合,可以将两个场景的图像拼接成一个更大场景的图像。以此类推,最终本发明的机载高光谱红外溢油监测系统可以获得一个大范围的海面溢油高光谱图像。
通过搜索模式可以快速发现海面溢油区域,当机载高光谱红外溢油监测系统发现溢油区域后则切换为分析模式,如图4所示。在该工作模式中,系统设定空间分辨率和光谱分辨率可调的傅里叶变换红外成像光谱仪1的空间分辨率较低,光谱分辨率较高,从而可以在小范围内采集高精度的光谱信息,实现溢油的种类识别功能。在数据采集过程中,运动补偿系统5使得监测视场始终保持对准溢油区域。
采用本发明的机载高光谱红外溢油监测系统进行溢油检测的方法如下所述:
(1)开通搜索模式对海面溢油区域进行快速搜索探测,此时系统的空间分辨率较高,光谱分辨率较低,可以初步实现溢油区域的探测识别。溢油初步探测识别的方法为:
(1.1)计算各个波段图像相互之间的相关系数,相关系数低于设定的预制T1(通常设定为0.1,但不限于0.1)的连续波段图像则被认为是噪声图像进行剔除。剔除之后对相关系数进行排名,相关系数最低的N1个非连续波段图像被提取出来,N1通常可以设定为3~10。
(1.2)采用高光谱目标提取算法对提取出来的N1个波段图像进行溢油区域探测,当N1个波段图像中某个像素点的波段特征符合溢油的辐射特征时则认为该像素点对应的区域为溢油区域,最终遍历整个图像区域可以实现溢油区域的提取。
(2)针对第(1)步中提取出来的溢油区域进行分析,此时将高光谱红外溢油检测系统开启分析模式,此时成像光谱仪的光谱分辨率较高,可以实现高精度的溢油光谱分析,溢油光谱数据处理分析的方法如下:
(2.1)采用三维非局部核回归滤波技术对采集到的图像数据立方进行预处理,降低图像噪声和光谱噪声,滤波的公式如下:
上式中,i表示高光谱图像像素的坐标(X,Y,),其中,X和Y分别表示空域的横坐标和纵坐标。λ和γ表示光谱维坐标,M表示总的波段数量。N(i)表示与像素yλi相似的所有像素的集合,通常在实现过程中为了简便计算可以考虑用i的较大的邻域来进行代替。表示i的灰度值。权重系数反应了yλi和yγj之间的相似程度,其可以由下式计算得出:
上式中,ζj表示位置j处的协方差矩阵,σ表示设定的平滑参数。WG表示一个高斯核的权重矩阵,该矩阵可以给距离中心像素yλi较近的像素分配较高的权重,而给距离较远的像素分配较低的权重。
(2.2)利用溢油光谱库中的数据和预处理后的光谱数据进行匹配分析,并对溢油光谱特征区域加重匹配权重,降低匹配误差。匹配公式如下所示,当满足下式的时候则认为数据库中的某个光谱数据和测量的光谱数据匹配的。
上式中,表示根据模型数据库计算出来的光谱,表示经过(2.1)处理后的光谱数据。
(2.3)经过(2.2)的处理后可以在数据库中精确找到溢油的信息,包括溢油的种类以及厚度等级等信息。
本发明的特点以及有益效果在于:
(1)本发明的机载高光谱红外溢油监测系统具有搜索模式和分析模式,两种监测模式自由切换,满足机载海面溢油区域探测和溢油种类分析的任务需求;
(2)本发明的机载高光谱红外溢油监测系统采用空间分辨率和光谱分辨率可调的傅里叶变换红外成像光谱仪,可以实现溢油区域的快速搜索探测和溢油光谱的高精度分析识别;
(3)本发明的机载高光谱红外溢油监测系统相对于传统的传统监控成像技术,具有溢油探测精度更高、溢油种类识别分析更精确的优势。
(4)本发明的机载高光谱红外溢油监测系统相对于传统的实验室分析手段具有实时性好,可以在线监测分析的优势。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (5)
1.一种机载高光谱红外溢油监测方法,其特征在于,包括以下步骤:
在发现溢油区域之前,进入搜索模式,在该搜索模式下,空间分辨率和光谱分辨率可调的傅里叶变换红外成像光谱仪快速采集海面溢油的高光谱图像;运动补偿系统对采集的高光谱图像进行图像拼接融合,获得大范围的海面溢油高光谱图像,并通过计算飞机的姿态、运动状况和位置信息来补偿飞机平台运动所带来的视场变化;
根据该大范围的海面溢油高光谱图像判断是否存在溢油区域,若是,则切换为分析模式;
在该分析模式下,运动补偿系统控制所述傅里叶变换红外成像光谱仪的监测视场始终保持对准溢油区域,所述红外成像光谱仪在小范围内采集高精度的光谱信息;
根据该高精度的光谱信息进行溢油的种类识别;
判断是否存在溢油区域的具体步骤为:
计算各个波段图像相互之间的相关系数,若相关系数低于设定的预制值T1的连续波段图像,则认定为噪声图像并剔除;
剔除后,再对相关系数进行排名,相关系数最低的N1个非连续波段图像被提取出来,N1为自然数;
采用高光谱目标提取算法对提取出来的N1个波段图像进行溢油区域探测,当N1个波段图像中某个像素点的波段特征符合溢油的辐射特征时,则认为该像素点对应的区域为溢油区域,遍历整个图像区域以实现溢油区域的提取。
2.根据权利要求1所述的机载高光谱红外溢油监测方法,其特征在于,N1取值为3~10。
3.根据权利要求1所述的机载高光谱红外溢油监测方法,其特征在于,根据该高精度的光谱信息进行溢油种类识别具体包括以下步骤:
采用三维非局部核回归滤波技术对采集到的图像数据立方进行预处理,降低图像噪声和光谱噪声,滤波的公式如下:
式中,i表示高光谱图像像素的坐标(X,Y,),其中,X和Y分别表示空域的横坐标和纵坐标,λ和γ表示光谱维坐标,M表示总的波段数量,N(i)表示与像素yλi相似的所有像素的集合,表示i的灰度值,权重系数反应了yλi和yγj之间的相似程度,其可以由下式计算得出:
式中,ζj表示位置j处的协方差矩阵,σ表示设定的平滑参数,WG表示一个高斯核的权重矩阵,该矩阵可以给距离中心像素yλi较近的像素分配较高的权重,而给距离较远的像素分配较低的权重;其中
利用溢油光谱库中的数据和预处理后的光谱数据进行匹配分析,并对溢油光谱特征区域加重匹配权重,降低匹配误差,匹配公式如下式所示,当满足下式的时候则认为数据库中的某个光谱数据和测量的光谱数据匹配的;
上式中,表示根据模型数据库计算出来的光谱,表示经过预处理后的光谱数据;
在数据库中精确找到溢油的信息,包括溢油的种类以及厚度等级信息。
4.一种机载高光谱红外溢油监测系统,其特征在于,包括:
空间分辨率和光谱分辨率可调的傅里叶变换红外成像光谱仪,用于采集海面溢油的高光谱图像;
全球定位系统,用于获取飞机的位置信息;
惯性运动单元,用于获取飞机的姿态和运动状况;
运动补偿系统,用于在搜索模式下,对采集的高光谱图像进行图像拼接融合,获得大范围的海面溢油高光谱图像,并通过计算飞机的姿态、运动状况和位置信息来补偿飞机平台运动所带来的视场变化;
溢油区初判单元,用于根据该大范围的海面溢油高光谱图像判断是否存在溢油区域,若是,则切换为分析模式;溢油区初判单元判断是否存在溢油区域的具体步骤为:计算各个波段图像相互之间的相关系数,若相关系数低于设定的预制值T1的连续波段图像,则认定为噪声图像并剔除;剔除后,再对相关系数进行排名,相关系数最低的N1个非连续波段图像被提取出来,N1为自然数;采用高光谱目标提取算法对提取出来的N1个波段图像进行溢油区域探测,当N1个波段图像中某个像素点的波段特征符合溢油的辐射特征时,则认为该像素点对应的区域为溢油区域,遍历整个图像区域以实现溢油区域的提取;
该运动补偿系统还用于在分析模式下,控制所述傅里叶变换红外成像光谱仪的监测视场始终保持对准溢油区域;
识别模块,用于根据所述傅里叶变换红外成像光谱仪在小范围内采集的高精度光谱信息进行溢油的种类识别。
5.根据权利要求4所述的系统,其特征在于,该系统还包括主动减震平台和被动减震平台,主动减震平台装载在被动减震平台上,所述红外成像光谱仪、全球定位系统、惯性运动单元、运动补偿系统都装载在主动减震平台上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610472753.1A CN106198443B (zh) | 2016-06-24 | 2016-06-24 | 机载高光谱红外溢油监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610472753.1A CN106198443B (zh) | 2016-06-24 | 2016-06-24 | 机载高光谱红外溢油监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106198443A CN106198443A (zh) | 2016-12-07 |
CN106198443B true CN106198443B (zh) | 2019-07-12 |
Family
ID=57461693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610472753.1A Active CN106198443B (zh) | 2016-06-24 | 2016-06-24 | 机载高光谱红外溢油监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106198443B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106872369A (zh) * | 2017-02-20 | 2017-06-20 | 交通运输部水运科学研究所 | 一种溢油监测的机载高光谱成像系统及方法 |
CN107356535B (zh) * | 2017-06-12 | 2020-06-05 | 湖北久之洋红外系统股份有限公司 | 一种基于光谱成像技术的海上溢油检测方法 |
CN110097562B (zh) * | 2019-05-20 | 2023-07-21 | 哈尔滨工业大学(威海) | 海面溢油区域图像探测方法 |
WO2020232644A1 (zh) * | 2019-05-21 | 2020-11-26 | 唐山哈船科技有限公司 | 油井平台附近溢油监测装置及操作方法 |
CN110673628B (zh) * | 2019-09-20 | 2020-09-29 | 北京航空航天大学 | 一种复合翼无人机油气管线巡检方法 |
CN111179334B (zh) * | 2019-11-14 | 2024-03-19 | 青岛理工大学 | 基于多传感融合的海面小面积溢油区域检测系统及检测方法 |
CN111141684B (zh) * | 2020-02-19 | 2022-01-14 | 长春理工大学 | 一种基于可见光/红外偏振特性的海洋溢油探测方法 |
CN111491089A (zh) * | 2020-04-24 | 2020-08-04 | 厦门大学 | 一种利用图像采集装置监测背景物上目标物的方法 |
CN113406014A (zh) * | 2021-05-25 | 2021-09-17 | 青岛欧森海事技术服务有限公司 | 一种基于多光谱成像设备的溢油监测系统及方法 |
CN114088647B (zh) * | 2021-11-30 | 2023-06-16 | 长江大学 | 一种自然溢油识别方法 |
CN114964240A (zh) * | 2022-06-02 | 2022-08-30 | 浙江大学 | 一种基于惯导数据的高光谱图像获取系统及方法 |
CN115144350B (zh) * | 2022-09-06 | 2023-02-17 | 中国科学院地理科学与资源研究所 | 基于高光谱相似像元比对的场地烃类污染判识方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102507474A (zh) * | 2011-10-28 | 2012-06-20 | 大连海事大学 | 一种船舶溢油目标的识别方法及系统 |
CN103033806A (zh) * | 2012-12-27 | 2013-04-10 | 山东理工大学 | 一种用于机载激光扫描飞行高度变化实时补偿的方法与装置 |
CN104618689A (zh) * | 2015-01-19 | 2015-05-13 | 环境保护部卫星环境应用中心 | 基于无人机的近海溢油监测方法及系统 |
CN105181638A (zh) * | 2015-09-16 | 2015-12-23 | 湖北久之洋红外系统股份有限公司 | 一种红外溢油监测装置及其监测方法 |
-
2016
- 2016-06-24 CN CN201610472753.1A patent/CN106198443B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102507474A (zh) * | 2011-10-28 | 2012-06-20 | 大连海事大学 | 一种船舶溢油目标的识别方法及系统 |
CN103033806A (zh) * | 2012-12-27 | 2013-04-10 | 山东理工大学 | 一种用于机载激光扫描飞行高度变化实时补偿的方法与装置 |
CN104618689A (zh) * | 2015-01-19 | 2015-05-13 | 环境保护部卫星环境应用中心 | 基于无人机的近海溢油监测方法及系统 |
CN105181638A (zh) * | 2015-09-16 | 2015-12-23 | 湖北久之洋红外系统股份有限公司 | 一种红外溢油监测装置及其监测方法 |
Non-Patent Citations (3)
Title |
---|
Hyperspecral Image Analysis For Oil Spill Mitigation;Foudan Salem;《Paper presented at the 22nd Asian Conference on Remote Sensing》;20011109;第1-6页 |
State of the art satellite and airborne marine oil spill remote sensing:Application to the BP Deepwater Horzon oil spill;Ira Leifer et al.;《Remote Sensing of Environment》;20120612;第124卷;第185-209页 |
基于AISA+机载高光谱的海上石油开发溢油监测研究-以珠江口海域为例;陈蕾 等;《海洋湖沼通报》;20090515;第1卷;摘要,第180页第2段-第183页第4段 |
Also Published As
Publication number | Publication date |
---|---|
CN106198443A (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106198443B (zh) | 机载高光谱红外溢油监测方法及系统 | |
CN104914111B (zh) | 一种带钢表面缺陷在线智能识别检测系统及其检测方法 | |
Acito et al. | Hyperspectral airborne “Viareggio 2013 Trial” data collection for detection algorithm assessment | |
CN102997856B (zh) | 一种基于参数查找表的海洋溢油油膜厚度高光谱遥感估算方法 | |
CN102609701B (zh) | 基于最佳尺度的高分辨率合成孔径雷达遥感检测方法 | |
CN105181638B (zh) | 一种红外溢油监测装置及其监测方法 | |
CN106442420A (zh) | 一种定性与定量结合的水质监测方法 | |
CN102880856A (zh) | 基于油、水光谱特征差异的航空高光谱遥感自动识别海表溢油的方法 | |
Li et al. | Identifying oil spill types based on remotely sensed reflectance spectra and multiple machine learning algorithms | |
CN105225251A (zh) | 基于机器视觉的超视距海上运动目标快速识别与定位装置及方法 | |
Kang et al. | The potential of hyperspectral image classification for oil spill mapping | |
CN110490155A (zh) | 一种禁飞空域无人机检测方法 | |
CN103049905A (zh) | 利用单演信号三分量的合成孔径雷达图像配准方法 | |
CN108319913A (zh) | 一种基于空谱联合的栈式自编码水上油膜提取方法及系统 | |
Liu et al. | Extraction of oil spill information using decision tree based minimum noise fraction transform | |
Ji et al. | Island feature classification for single-wavelength airborne lidar bathymetry based on full-waveform parameters | |
Zhan et al. | The system research and implementation for autorecognition of the ship draft via the UAV | |
Sidike et al. | Spectral unmixing of hyperspectral data for oil spill detection | |
Kieu et al. | Determination of surface film thickness of heavy fuel oil using hyperspectral imaging and deep neural networks | |
Zhang et al. | Automatic segmentation of airport pavement damage by AM‐Mask R‐CNN algorithm | |
Dongmei et al. | Classification of the different thickness of the oil film based on wavelet transform spectrum information | |
Oliveira et al. | Mesoscale eddy detection in satellite imagery of the oceans using the Radon transform | |
Voinov et al. | Multiclass vessel detection from high resolution optical satellite images based on deep neural networks | |
Xie et al. | Automatic detection of thin oil films on water surfaces in ultraviolet imagery | |
Adhikary et al. | Realtime Oil Spill Detection By Image Processing of Synthetic Aperture Radar Data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |