CN107239755A - 基于高分卫星遥感数据的海上油气平台提取系统 - Google Patents
基于高分卫星遥感数据的海上油气平台提取系统 Download PDFInfo
- Publication number
- CN107239755A CN107239755A CN201710369335.4A CN201710369335A CN107239755A CN 107239755 A CN107239755 A CN 107239755A CN 201710369335 A CN201710369335 A CN 201710369335A CN 107239755 A CN107239755 A CN 107239755A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- gas platform
- oil gas
- oil
- suspected
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种基于高分卫星遥感数据的海上油气平台提取系统,包括:遥感数据获取模块、疑似目标提取模块和油气平台提取模块。相较于现有技术,本申请根据油气平台的特征信息和位置特性利用遥感数据提取油气平台,由于遥感数据本身具有精度高、辨识度高等特点,且本申请充分考虑了油气平台的特征信息和位置特性,因此,本申请提供的海上油气平台提取系统具有较高的准确性,同时系统构架简单,具有提取速度快的优点。
Description
技术领域
本发明涉及海上油气平台提取技术领域,具体涉及一种基于高分卫星遥感数据的海上油气平台提取系统。
背景技术
海洋蕴藏着丰富的油气资源,对海洋进行油气开发的强度日益加大。随着海上油田的发现,海洋钻井平台日益增多。海洋钻井平台的数量反映了一个国家海洋油气资源的开发力度。然而,海洋钻井平台也是海洋油气污染的主要来源之一。在海上石油勘探、开发过程中,海洋钻井平台的安装配置错误或使用不当会导致原油或油品泄露,造成海水污染,威胁海洋生态安全。另外,海洋钻井平台的增多也给船舶航行安全带来潜在威胁。由于钻井平台位置信息的缺乏,船舶依照预定航线可能航行至油气开发区域,延长了航程的同时还可能造成碰撞事故,存在被扣留的危险。
因此,如何快捷、准确地获取海洋钻井平台的位置信息,成为当前海洋环境管理和航道安全维护中需要解决的一个重要问题。
发明内容
针对现有技术中的缺陷,本发明提供一种基于高分卫星遥感数据的海上油气平台提取系统,以快捷、准确地获取海洋钻井平台的位置信息。
本发明提供的一种基于高分卫星遥感数据的海上油气平台提取系统,包括:遥感数据获取模块、疑似目标提取模块和油气平台提取模块;其中,
所述遥感数据获取模块,用于获取目标区域对应的采集自不同时刻的多幅遥感影像;
所述疑似目标提取模块,用于根据油气平台的特征信息从各所述遥感影像中识别出多个疑似目标;
所述油气平台提取模块,用于根据油气平台在不同遥感影像中位置相同的特性,从多个所述疑似目标中提取出油气平台。
可选的,所述遥感数据获取模块,包括:
多光谱遥感数据获取单元,用于获取目标区域对应的采集自不同时刻的多幅多光谱遥感影像;
所述疑似目标提取模块,包括:
多光谱疑似目标提取单元,用于根据油气平台在多光谱遥感影像中的光谱特征,从各所述多光谱遥感影像中识别出多个疑似目标。
可选的,所述多光谱疑似目标提取单元,包括:
光谱选择子单元,用于选择所述多光谱遥感影像中光谱差值最大的光谱对应的遥感影像作为待处理光谱遥感影像,其中,所述光谱差值是指在指定波段光谱中油气平台对应的光谱值与背景海水对应的光谱值之间的差;
灰度转换子单元,用于将所述待处理光谱遥感影像转换为灰度影像;
光谱疑似目标提取子单元,用于根据所述灰度影像中油气平台与背景海水之间的差异,识别出多个疑似目标。
可选的,所述光谱疑似目标提取子单元,包括:
跃变提取子单元,用于根据所述灰度影像中灰度值的跃变特征识别出多个疑似目标。
可选的,所述跃变提取子单元,包括:
二阶矩提取子单元,用于根据计算所述灰度影像的灰度变化二阶矩,并根据所述灰度变化二阶矩识别出多个疑似目标。
可选的,所述光谱疑似目标提取子单元,包括:
二值化提取子单元,用于将所述灰度影像进行二值化处理,并根据二值化处理结果识别出多个疑似目标。
可选的,所述油气平台提取模块,包括:
叠加提取单元,用于将多幅所述遥感影像对应的灰度影像的二值化结果根据地理坐标进行叠加,并选择叠加数值最高的疑似目标确定为油气平台。
可选的,所述油气平台提取模块,包括:
邻域提取单元,用于以多幅所述遥感影像中的一幅为基准,根据剩余的所述遥感影像对识别出的所述疑似目标进行邻域分析,提取位置变化小于预设阈值的疑似目标确定为油气平台。
可选的,所述遥感数据获取模块,包括:
雷达遥感数据获取单元,用于获取目标区域对应的采集自不同时刻的多幅雷达遥感影像;
所述疑似目标提取模块,包括:
雷达疑似目标提取单元,用于根据雷达遥感影像中油气平台对雷达信号的反射特征,从各所述雷达遥感影像中识别出多个疑似目标。
可选的,所述雷达疑似目标提取单元,包括:
恒虚警率提取子单元,用于根据恒虚警率从所述雷达遥感影像中识别出多个疑似目标。
由上述技术方案可知,本发明提供的一种基于高分卫星遥感数据的海上油气平台提取系统,包括:遥感数据获取模块、疑似目标提取模块和油气平台提取模块。相较于现有技术,本申请根据油气平台的特征信息和位置特性利用遥感数据提取油气平台,由于遥感数据本身具有精度高、辨识度高等特点,且本申请充分考虑了油气平台的特征信息和位置特性,因此,本申请提供的海上油气平台提取系统具有较高的准确性,同时系统构架简单,具有提取速度快的优点。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1示出了本发明第一实施例所提供的一种基于高分卫星遥感数据的海上油气平台提取系统的示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只是作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
本发明提供一种基于高分卫星遥感数据的海上油气平台提取系统。下面结合附图对本发明的实施例进行说明。
图1示出了本发明第一实施例所提供的一种基于高分卫星遥感数据的海上油气平台提取系统的示意图。如图1所示,本发明第一实施例提供的一种基于高分卫星遥感数据的海上油气平台提取系统包括:遥感数据获取模块1、疑似目标提取模块2和油气平台提取模块3;其中,
所述遥感数据获取模块1,用于获取目标区域对应的采集自不同时刻的多幅遥感影像;
所述疑似目标提取模块2,用于根据油气平台的特征信息从各所述遥感影像中识别出多个疑似目标;
所述油气平台提取模块3,用于根据油气平台在不同遥感影像中位置相同的特性,从多个所述疑似目标中提取出油气平台。
随着遥感技术及高分辨率数据采集技术的发展,遥感数据的分辨率越来越高,数据类型越来越丰富,因此,采用高分辨率遥感数据进行海上油气平台的提取已成为可能且提取的准确性非常高。
本发明实施例所采用的遥感数据可以是多光谱遥感数据、雷达遥感数据、立体像对遥感数据、红外遥感数据、全色遥感数据等多种形式的遥感数据中的一种或多种的组合,根据使用的遥感数据的不同,所述疑似目标提取模块2可以灵活的采用不同的提取方法进行疑似目标的识别。
在本申请提供的一个实施例中,所述遥感数据获取模块1,包括:
多光谱遥感数据获取单元,用于获取目标区域对应的采集自不同时刻的多幅多光谱遥感影像;
所述疑似目标提取模块2,包括:
多光谱疑似目标提取单元,用于根据油气平台在多光谱遥感影像中的光谱特征,从各所述多光谱遥感影像中识别出多个疑似目标。
其中,所述多光谱遥感影像可以从我国发射的高分1号卫星、高分2号卫星、高分5号卫星获得。
例如,高分一号卫星(GF-1),是一种高分辨率对地观测卫星,于2013年4月26日被送上太空。它配置有2台2m分辨率全色/8m分辨率多光谱相机和4台16m分辨率多光谱宽幅相机。GF-1卫星有效载荷技术指标如下表所示:
所述多光谱遥感数据获取单元在获取遥感影像时,可以根据目标区域的大小以及提取精度的要求灵活选择合适分辨率的遥感影像,比如,通过分析GF-1卫星有效载荷技术指标,发现2m分辨率的全色波段幅宽较小,且若使用2m的全色波段数据,数据处理工作量大,因此为了保证目标区域的大小以及提高提取效率,在本申请提供的一个实施例中,选择幅宽为800km的16m分辨率多光谱数据实现油气平台的提取工作。
考虑到多光谱遥感数据是由多个光谱的数据组成的,在不同光谱下油气平台与背景海水之间的差异差别较大,例如,对于高分1号卫星采集的多光谱遥感影像,其由4个波段的光谱影像组成,其中,第4个波段(即0.77-0.89μm波段)的光谱影像中,油气平台与背景海水之间的对比度最大,即差异最大,因此,需要对多光谱数据进行筛选,以更加有针对性的提取油气平台,在本申请提供的一个实施例中,所述多光谱疑似目标提取单元,包括:
光谱选择子单元,用于选择所述多光谱遥感影像中光谱差值最大的光谱对应的遥感影像作为待处理光谱遥感影像,其中,所述光谱差值是指在指定波段光谱中油气平台对应的光谱值与背景海水对应的光谱值之间的差;
灰度转换子单元,用于将所述待处理光谱遥感影像转换为灰度影像;
光谱疑似目标提取子单元,用于根据所述灰度影像中油气平台与背景海水之间的差异,识别出多个疑似目标。
所述光谱疑似目标提取子单元有多种识别疑似目标的方式,例如,在本申请提供的一个实施例中,所述光谱疑似目标提取子单元,包括:
跃变提取子单元,用于根据所述灰度影像中灰度值的跃变特征识别出多个疑似目标。
具体的,所述跃变提取子单元,包括:
二阶矩提取子单元,用于根据计算所述灰度影像的灰度变化二阶矩,并根据所述灰度变化二阶矩识别出多个疑似目标。
所述二阶矩提取子单元可以采用以下方法识别出疑似目标:
对选择的光谱反差最大的波段的目标(可能是油气平台或船舶)和海水灰度直方图进行分析。对比背景海水和目标的灰度动态范围,从而得到目标的图像灰度跃变情况。
对第4波段的目标和背景海水灰度直方图进行分析,从图像的背景直方图中可以看出,呈近似正态分布,而且图像灰度动态范围较小,分别为215-233。而包含了船舶或平台等亮特征目标存在的海面,由于区域内灰度发生突然变化,而且变化较大,因此图像拥有较大的灰度动态范围,为195-434,比背景图像明显增大。以此可以得到图像都因有亮特征目标存在而发生的图像灰度值跃变的情况。
利用上述特征对目标进行检测,图像纹理特征中的Variance特征统计量是图像局部窗口内的灰度变化程度的反映,值越大说明变化程度越大,值越小说明变化程度越小,通过Variance特征统计量可以得到所有亮特征的目标,计算公式为:
式中
M、N分别代表灰度共生矩阵的行列数,d为两个像元之间的距离,其方向为θ。
又如,在本申请提供的另一个实施例中,所述光谱疑似目标提取子单元,包括:
二值化提取子单元,用于将所述灰度影像进行二值化处理,并根据二值化处理结果识别出多个疑似目标。通过二值化处理,可以根据油气平台与背景海面灰度值的不同,将油气平台处赋值为1,将海面赋值为0,这样即可快速、准确的将赋值为1的油气平台提取出来。
由于海面上船舶可能会与油气平台有相似的光谱特征,因此,所述疑似目标提取模块2提取出来的疑似目标可能包括油气平台和船舶,其中油气平台的位置是相对静止的,而船舶是相对运动的,因此,需要将采集自多个不同时刻的多幅遥感影像处理获得的疑似目标进行位置的比较,从而识别出位置在不同时刻没有发生变化的疑似目标为油气平台,而位置在不同时刻发生变化的则为船舶等干扰物。在对疑似目标进行进一步区分时,可以采用邻域分析法,具体的,在本申请提供的一个实施例中,所述油气平台提取模块3,包括:
邻域提取单元,用于以多幅所述遥感影像中的一幅为基准,根据剩余的所述遥感影像对识别出的所述疑似目标进行邻域分析,提取位置变化小于预设阈值的疑似目标确定为油气平台。
在邻域分析时,鉴于GF-1影像的分辨率以及一般油气平台的大小,可以设定距离阈值为100米,小于距离阈值的则视为油气平台目标,从而达到区分油气平台和船舶的目的。
考虑到所述疑似目标提取模块2提取疑似目标所采用的方式不同,其得到的数据结果也不相同,例如对于所述疑似目标提取模块2包括二值化提取子单元的情形而言,二值化处理的结果是由二值化数值组成的影像,对于此种情况,可以将多幅遥感影像的二值化处理结果进行叠加,根据叠加生成的数值的大小将油气平台提取出来,在本申请提供的一个实施例中,所述油气平台提取模块3,包括:
叠加提取单元,用于将多幅所述遥感影像对应的灰度影像的二值化结果根据地理坐标进行叠加,并选择叠加数值最高的疑似目标确定为油气平台。
例如,将三幅遥感影像的二值化结果进行叠加,则油气平台处的叠加值应为3,海面的叠加值为0,船舶处的叠加值应为1,因此,可以凭借叠加数值的大小将油气平台提取出来,具体实施时,可以再一次进行二值化处理,以2为基准点,大于2的赋值为1,小于2的赋值为0,即可将新的赋值为1的疑似目标确认为油气平台。
以上以根据多光谱遥感数据提取油气平台为例进行了说明,实际应用中,所述海上油气平台提取系统还可以采用其他遥感数据提取油气平台,例如,在本申请提供的一个实施例中,所述遥感数据获取模块1,包括:
雷达遥感数据获取单元,用于获取目标区域对应的采集自不同时刻的多幅雷达遥感影像;
所述疑似目标提取模块2,包括:
雷达疑似目标提取单元,用于根据雷达遥感影像中油气平台对雷达信号的反射特征,从各所述雷达遥感影像中识别出多个疑似目标。
具体的,所述雷达疑似目标提取单元,包括:
恒虚警率提取子单元,用于根据恒虚警率从所述雷达遥感影像中识别出多个疑似目标。
所述恒虚警率提取子单元可以采用以下方法从所述雷达遥感影像中识别出多个疑似目标:
高分三号卫星(GF-3)是一颗最高分辨率为1m的合成孔径雷达(SAR)遥感卫星,由于合成孔径雷达可以克服风雨云雾、黑夜的影响,可以实现对地面和海洋的全天时、全天候成像。相对于光学影像在时间和空间上的局限性,高分三号影像可实现多种天气条件下风险评估,灾害监测、海岸带监测、海洋污染监测、海上目标的监测等任务。GF-3卫星有效载荷技术指标如下表所示:
其中,GF-3卫星拥有分辨率为100m,幅宽为500km的扫描模式产品,可以用来实现大尺度下目标对象的监测。
陆地信息包括许多金属制造的人工设施,由于SAR影像成像方式的特殊性,会产生大量的虚警,因此在提取海洋油气平台时,需先对陆地进行掩膜,以消除陆地信息对结果产生的干扰。然后对影像进行滤波处理SAR影像由相干波引起的相干斑噪声并选择合适算法进行疑似平台的检测,最后对虚警目标进行剔除,具体包括以下步骤:
受幅宽与影像价格的影响,在油气平台的提取过程中并非影像分辨率越高越好。分辨率越高,则幅宽越小,对于大的研究范围需要很多景影像,同时分辨率越高,对应的影像价格也越高。对比对前人研究所用数据进行分析发现,均为低分辨率的雷达产品,可见低分辨率雷达数据可以应用在油气平台提取中。
由于微波在成像过程中,均会产生由相干波引起的相干斑噪声,因此在进行油气平台的提取前,需要对数据进行预处理。
影像校正与滤波,由于SAR影像成像的时候可能产生几何畸变和辐射畸变,因此需要对数据进行辐射校正,同时SAR影像有相干波引起的噪声,因此需要滤波的方法对其进行滤除。
通过对比发现,众多滤波方法中,Sigma滤波是一种较好的ASAR影像滤波方法。在Sigma滤波算法中,通过阈值K和滤波窗口大小的设定,可以控制对ASAR影像进行滤波的程度。实验表明,窗口越大,相互靠近的目标滤波后容易混淆成为一个目标。阈值K越大,杂波就难以滤除,所以需要反复选择窗口大小和阈值K。
在Sigma滤波过程中,研究通过调整Sigma滤波窗口大小和阈值进行实验,发现Sigma滤波窗口设置为3×3大小,阈值K设置为8时,滤波效果最好。
海上目标多为金属结构,对微波雷达信号有很强的反射作用。虚警率是衡量雷达信号检测和处理性能的主要技术指标,CFAR(恒虚警率)算法是通过一定的阈值对每个像素进行检测,而阈值的选择与杂波模型和要求的虚警概率有关。双参数CFAR算法是一种经典的CFAR检测算法,在海上目标的识别中有着广泛的应用。双参数CFAR算法基于背景杂波是高斯分布的假设,局部滑动窗口使得算法能够很好适应局部背景杂波变化,并且可以根据需求设置窗口尺寸,因此可以利用将此算法作为疑似油气平台的检测算法。
双参数的CFAR检测需要三个滑动窗口:目标窗口T、保护窗口、背景窗口B。设定目标窗口尺寸为小目标的2倍,保护窗口的尺寸为大目标的2倍。背景窗口尺寸为(保护窗口尺寸+2n),通常n取为3。由于油气平台与船舰在方向上都具有随意性,因此三个窗口均选择正方形。假设T为目标,B为背景窗口,mT和mB分别为目标窗口和背景窗口的均值,为背景窗口的方差。油气平台目标的检测准则,即
μT>μB+σBKcfar T为目标;
μT<μB+σBKcfar B为背景;
其中,Kcfar为标称化因子,通常为常数,它控制虚警概率。Kcfar的选择对检测结果有明显的影响,如果Kcfar增大则会减少虚警数,出现目标漏检的情况;如果Kcfar减小则会增加虚警数,出现大量的冗余数据,给目标的进一步检测带来困难,因此Kcfar值的选择需反复调整。
滑动窗口的选择对油气平台检测精度有很大的影响,因此需要合理选择窗口的大小。如果目标窗口过小,则大的油气平台的部分像素可能位于背景窗口,将增大μB和,从而出现漏检的情况;如果目标窗口过大,μT将减小,同样可能出现漏检的情况。一般的,设定目标窗口尺寸为油气平台的最小尺寸,保护窗口尺寸为油气平台的最大尺寸,背景窗口的尺寸一般为保护窗口的2倍。因此,在本申请提供的一个实施例中,目标窗口大小为3×3,保护窗口大小为7×7,背景窗口大小为13×13。
提取油气平台时,要分为两步,首先利用双参数CFAR算法得到疑似油气平台数据,然后利用油气平台相对静止的特性,实现虚警目标的剔除。在基于双参数CFAR算法进行海上目标的提取时,首先需要确定滑动窗口的大小。通过对不同类型的油气平台参数进行统计,发现油气平台一般大小为70-80m,而钻井船与FPSO(Floating Production Storageand Offloading)的平均长度约250m。对于像元大小为50m的遥感数据,最终确定目标窗口大小为3×3(150m),保护窗口大小为7×7(350m),背景窗口为13×13(450m)。其次是标称化因子Kcfar的确定,通过多次实验对比发现,当Kcfar为0.5时,提取效果最好。在窗口扫描过程中,可以将输出结果直接设置为矢量数据。在得到疑似油气平台之后,需要对虚警目标进行剔除,需要对两期影像得到的疑似目标点集进行邻域分析,从而达到剔除虚警的目的。邻域分析时,根据油气平台的大小,可以设定阈值为150m,以更加准确的提取出油气平台。
此外,所述疑似目标提取模块2还可以利用全色遥感数据中的夜间灯光数据,根据夜间油气平台的灯光强度与海面光线强度的差异,提取出疑似目标(同样包括油气平台和船舶,需进一步根据位置特性提取,具体可参照上述实施例说明),或者利用立体像对遥感数据,根据立体像对数据生成数字表面模型(DigitalSurfaceModel,DSM),然后根据该数字表面模型中记录的高程信息,找出高度高于海平面的疑似目标,以上均为本发明实施例的合理变更实施方式,本领域技术人员可以基于上述发明构思参照现有技术变更实施,其均在本发明的保护范围之内。
考虑到任何一种提取方法都有可能产生误判或漏判等情形,从而导致最终提取的油气平台的信息失准,因此,在本申请提供的一个实施例中,所述基于高分卫星遥感数据的海上油气平台提取系统包括多个疑似目标提取模块2和油气平台提取模块3,以及一个油气平台确定模块,其中,各个疑似目标提取模块2和油气平台提取模块3分别基于不同的遥感数据,采用不同的提取方式提取出多个疑似目标并输出给油气平台确定模块,由油气平台确定模块综合各油气平台提取模块3输出的结果最终确定更为准确的油气平台信息,例如,有3组不同的疑似目标提取模块2和油气平台提取模块3,分别基于多光谱遥感数据、雷达遥感数据和夜间灯光数据提取出3组油气平台,油气平台确定模块将上述3组油气平台的位置坐标进行比对,将在同一位置出现2次以上的最终确认为油气平台。
通过上述实施例,由于参照多组疑似目标提取模块2和油气平台提取模块3的提取结果进行综合的判断,可以有效的减少漏判、错判的情况,提高油气平台提取的准确性。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
需要说明的是,附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本发明实施例所提供的基于高分卫星遥感数据的海上油气平台提取系统可以是计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、系统和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、系统和方法,可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,系统或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于高分卫星遥感数据的海上油气平台提取系统,其特征在于,包括:遥感数据获取模块、疑似目标提取模块和油气平台提取模块;其中,
所述遥感数据获取模块,用于获取目标区域对应的采集自不同时刻的多幅遥感影像;
所述疑似目标提取模块,用于根据油气平台的特征信息从各所述遥感影像中识别出多个疑似目标;
所述油气平台提取模块,用于根据油气平台在不同遥感影像中位置相同的特性,从多个所述疑似目标中提取出油气平台。
2.根据权利要求1所述的基于高分卫星遥感数据的海上油气平台提取系统,其特征在于,所述遥感数据获取模块,包括:
多光谱遥感数据获取单元,用于获取目标区域对应的采集自不同时刻的多幅多光谱遥感影像;
所述疑似目标提取模块,包括:
多光谱疑似目标提取单元,用于根据油气平台在多光谱遥感影像中的光谱特征,从各所述多光谱遥感影像中识别出多个疑似目标。
3.根据权利要求2所述的基于高分卫星遥感数据的海上油气平台提取系统,其特征在于,所述多光谱疑似目标提取单元,包括:
光谱选择子单元,用于选择所述多光谱遥感影像中光谱差值最大的光谱对应的遥感影像作为待处理光谱遥感影像,其中,所述光谱差值是指在指定波段光谱中油气平台对应的光谱值与背景海水对应的光谱值之间的差;
灰度转换子单元,用于将所述待处理光谱遥感影像转换为灰度影像;
光谱疑似目标提取子单元,用于根据所述灰度影像中油气平台与背景海水之间的差异,识别出多个疑似目标。
4.根据权利要求3所述的基于高分卫星遥感数据的海上油气平台提取系统,其特征在于,所述光谱疑似目标提取子单元,包括:
跃变提取子单元,用于根据所述灰度影像中灰度值的跃变特征识别出多个疑似目标。
5.根据权利要求4所述的基于高分卫星遥感数据的海上油气平台提取系统,其特征在于,所述跃变提取子单元,包括:
二阶矩提取子单元,用于根据计算所述灰度影像的灰度变化二阶矩,并根据所述灰度变化二阶矩识别出多个疑似目标。
6.根据权利要求3所述的基于高分卫星遥感数据的海上油气平台提取系统,其特征在于,所述光谱疑似目标提取子单元,包括:
二值化提取子单元,用于将所述灰度影像进行二值化处理,并根据二值化处理结果识别出多个疑似目标。
7.根据权利要求6所述的基于高分卫星遥感数据的海上油气平台提取系统,其特征在于,所述油气平台提取模块,包括:
叠加提取单元,用于将多幅所述遥感影像对应的灰度影像的二值化结果根据地理坐标进行叠加,并选择叠加数值最高的疑似目标确定为油气平台。
8.根据权利要求1所述的基于高分卫星遥感数据的海上油气平台提取系统,其特征在于,所述油气平台提取模块,包括:
邻域提取单元,用于以多幅所述遥感影像中的一幅为基准,根据剩余的所述遥感影像对识别出的所述疑似目标进行邻域分析,提取位置变化小于预设阈值的疑似目标确定为油气平台。
9.根据权利要求1所述的基于高分卫星遥感数据的海上油气平台提取系统,其特征在于,所述遥感数据获取模块,包括:
雷达遥感数据获取单元,用于获取目标区域对应的采集自不同时刻的多幅雷达遥感影像;
所述疑似目标提取模块,包括:
雷达疑似目标提取单元,用于根据雷达遥感影像中油气平台对雷达信号的反射特征,从各所述雷达遥感影像中识别出多个疑似目标。
10.根据权利要求9所述的基于高分卫星遥感数据的海上油气平台提取系统,其特征在于,所述雷达疑似目标提取单元,包括:
恒虚警率提取子单元,用于根据恒虚警率从所述雷达遥感影像中识别出多个疑似目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710369335.4A CN107239755A (zh) | 2017-05-23 | 2017-05-23 | 基于高分卫星遥感数据的海上油气平台提取系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710369335.4A CN107239755A (zh) | 2017-05-23 | 2017-05-23 | 基于高分卫星遥感数据的海上油气平台提取系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107239755A true CN107239755A (zh) | 2017-10-10 |
Family
ID=59985622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710369335.4A Pending CN107239755A (zh) | 2017-05-23 | 2017-05-23 | 基于高分卫星遥感数据的海上油气平台提取系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107239755A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107704835A (zh) * | 2017-10-16 | 2018-02-16 | 北京市遥感信息研究所 | 一种利用光谱遥感图像识别海上人工设施的方法 |
CN108335222A (zh) * | 2017-12-21 | 2018-07-27 | 中国石油天然气股份有限公司 | 基于多光谱遥感的海域油气勘探现状调查方法及装置 |
CN108563674A (zh) * | 2018-02-11 | 2018-09-21 | 中国水产科学研究院南海水产研究所 | 基于rs和gis的海域地理要素测量方法、系统及装置 |
CN109031221A (zh) * | 2018-08-20 | 2018-12-18 | 中国人民解放军海军航空大学 | 数据层基于多维度特征提取的雷达抗密集假目标干扰方法 |
CN111507361A (zh) * | 2019-01-30 | 2020-08-07 | 富士通株式会社 | 基于微波雷达的动作识别装置、方法及系统 |
CN111861045A (zh) * | 2020-08-06 | 2020-10-30 | 中国科学院地理科学与资源研究所 | 面向海量数字水深模型数据体海上最短航线快速生成方法 |
CN112101167A (zh) * | 2020-09-08 | 2020-12-18 | 广东新禾道信息科技有限公司 | 一种遥感影像数据处理方法及装置 |
CN112308811A (zh) * | 2019-07-24 | 2021-02-02 | 江西理工大学 | 一种基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103674014A (zh) * | 2013-12-10 | 2014-03-26 | 中国神华能源股份有限公司 | 天然气井的定位方法和装置 |
CN103728672A (zh) * | 2012-10-12 | 2014-04-16 | 刘丹丹 | 一种基于高光谱遥感和电磁探测勘测油气的方法 |
-
2017
- 2017-05-23 CN CN201710369335.4A patent/CN107239755A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103728672A (zh) * | 2012-10-12 | 2014-04-16 | 刘丹丹 | 一种基于高光谱遥感和电磁探测勘测油气的方法 |
CN103674014A (zh) * | 2013-12-10 | 2014-03-26 | 中国神华能源股份有限公司 | 天然气井的定位方法和装置 |
Non-Patent Citations (3)
Title |
---|
万剑华等: "基于SAR影像的海上石油平台识别方法研究", 《测绘通报》 * |
李强: "基于多源数据的南海油气平台检测及油气资源安全态势评价", 《中国优秀硕士学位论文全文数据库》 * |
赵赛帅等: "基于Landsat 遥感影像的海上油气平台提取与监测", 《热带地理》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107704835B (zh) * | 2017-10-16 | 2020-10-30 | 北京市遥感信息研究所 | 一种利用光谱遥感图像识别海上人工设施的方法 |
CN107704835A (zh) * | 2017-10-16 | 2018-02-16 | 北京市遥感信息研究所 | 一种利用光谱遥感图像识别海上人工设施的方法 |
CN108335222A (zh) * | 2017-12-21 | 2018-07-27 | 中国石油天然气股份有限公司 | 基于多光谱遥感的海域油气勘探现状调查方法及装置 |
CN108563674A (zh) * | 2018-02-11 | 2018-09-21 | 中国水产科学研究院南海水产研究所 | 基于rs和gis的海域地理要素测量方法、系统及装置 |
CN108563674B (zh) * | 2018-02-11 | 2019-11-08 | 中国水产科学研究院南海水产研究所 | 基于rs和gis的海域地理要素测量方法、系统及装置 |
CN109031221A (zh) * | 2018-08-20 | 2018-12-18 | 中国人民解放军海军航空大学 | 数据层基于多维度特征提取的雷达抗密集假目标干扰方法 |
CN109031221B (zh) * | 2018-08-20 | 2020-05-05 | 中国人民解放军海军航空大学 | 数据层基于多维度特征提取的雷达抗密集假目标干扰方法 |
CN111507361A (zh) * | 2019-01-30 | 2020-08-07 | 富士通株式会社 | 基于微波雷达的动作识别装置、方法及系统 |
CN111507361B (zh) * | 2019-01-30 | 2023-11-21 | 富士通株式会社 | 基于微波雷达的动作识别装置、方法及系统 |
CN112308811A (zh) * | 2019-07-24 | 2021-02-02 | 江西理工大学 | 一种基于珞珈一号夜光遥感数据的夜间海洋船舶检测方法 |
CN111861045A (zh) * | 2020-08-06 | 2020-10-30 | 中国科学院地理科学与资源研究所 | 面向海量数字水深模型数据体海上最短航线快速生成方法 |
CN111861045B (zh) * | 2020-08-06 | 2024-04-09 | 中国科学院地理科学与资源研究所 | 面向海量数字水深模型数据体海上最短航线快速生成方法 |
CN112101167A (zh) * | 2020-09-08 | 2020-12-18 | 广东新禾道信息科技有限公司 | 一种遥感影像数据处理方法及装置 |
CN112101167B (zh) * | 2020-09-08 | 2021-05-14 | 广东新禾道信息科技有限公司 | 一种遥感影像数据处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107239755A (zh) | 基于高分卫星遥感数据的海上油气平台提取系统 | |
Segal-Rozenhaimer et al. | Cloud detection algorithm for multi-modal satellite imagery using convolutional neural-networks (CNN) | |
Zhao et al. | A coupled convolutional neural network for small and densely clustered ship detection in SAR images | |
Wang et al. | Sea ice concentration estimation during melt from dual-pol SAR scenes using deep convolutional neural networks: A case study | |
Ban et al. | Spaceborne SAR data for global urban mapping at 30 m resolution using a robust urban extractor | |
Szantoi et al. | Analyzing fine-scale wetland composition using high resolution imagery and texture features | |
Zhang | Applying data fusion techniques for benthic habitat mapping and monitoring in a coral reef ecosystem | |
Gamba et al. | Fast and efficient urban extent extraction using ASAR wide swath mode data | |
Solberg et al. | Automatic detection of oil spills in Envisat, Radarsat and ERS SAR images | |
Huang et al. | A novel deep learning method for marine oil spill detection from satellite synthetic aperture radar imagery | |
Taravat et al. | Fully automatic dark-spot detection from SAR imagery with the combination of nonadaptive weibull multiplicative model and pulse-coupled neural networks | |
CN103236063A (zh) | 基于多尺度谱聚类及决策级融合的sar图像溢油检测方法 | |
Berberoğlu et al. | Utilizing image texture to detect land-cover change in Mediterranean coastal wetlands | |
Peng et al. | Urban flood mapping with bitemporal multispectral imagery via a self-supervised learning framework | |
CN106886760A (zh) | 一种基于空谱信息结合的高光谱舰船检测方法 | |
Chini et al. | Comparing statistical and neural network methods applied to very high resolution satellite images showing changes in man-made structures at rocky flats | |
CN110532918B (zh) | 基于时间序列遥感影像的离岸风电场时空属性确定方法 | |
Yang et al. | A deep learning based oil spill detector using Sentinel-1 SAR imagery | |
CN116363522A (zh) | 一种基于深度学习的海岸带围填海变化遥感监测方法 | |
Blondeau-Patissier et al. | Detection of marine oil-like features in Sentinel-1 SAR images by supplementary use of deep learning and empirical methods: Performance assessment for the Great Barrier Reef marine park | |
Bektas Balcik et al. | Determination of magnitude and direction of land use/land cover changes in Terkos Water Basin, Istanbul | |
Xu et al. | Detection of coral reef bleaching based on Sentinel-2 multi-temporal imagery: Simulation and case study | |
CN113269028A (zh) | 一种基于深度卷积神经网络的水体变化检测方法和系统 | |
Sui et al. | Processing of multitemporal data and change detection | |
Xiao et al. | A Novel Image Fusion Method for Water Body Extraction Based on Optimal Band Combination. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171010 |
|
RJ01 | Rejection of invention patent application after publication |