CN107356535B - 一种基于光谱成像技术的海上溢油检测方法 - Google Patents
一种基于光谱成像技术的海上溢油检测方法 Download PDFInfo
- Publication number
- CN107356535B CN107356535B CN201710436753.0A CN201710436753A CN107356535B CN 107356535 B CN107356535 B CN 107356535B CN 201710436753 A CN201710436753 A CN 201710436753A CN 107356535 B CN107356535 B CN 107356535B
- Authority
- CN
- China
- Prior art keywords
- oil
- spectrum
- sample
- spectral
- thickness
- 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
Images
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于光谱成像技术的海上溢油检测方法,步骤如下:S01,配置油水混合液的参考样本;S02,建立参考样本光谱数据库;S03,读入待测数据立方;S04,溢油种类鉴定;S05,油厚预测;S06,溢油量计算。本发明利用光谱成像技术对海上溢油进行定性定量分析,该方法结合光谱吸收峰的位置、宽度和幅度等光谱特征并基于光谱匹配的方法对海上溢油的种类进行鉴定,根据光谱数据与油厚之间的线性映射关系采用最小二乘法进行油厚的估计进而统计出海上溢油的油量。
Description
技术领域
属于目标检测与识别技术领域,特别涉及一种使用光谱成像技术的海上溢油检测方法。
背景技术
海洋面积大概占据了地球表面积的71%,是地球上最稳定的生态系统,并且以其广阔的空间和丰富的资源对全球生态环境起着巨大的调节作用。然而随着人类活动范围的增大,海洋污染日趋严重,其中来自船舶、石油平台、战争等的海上溢油是海洋污染的主要影响因素之一。
对于海上溢油,不同的油种经过傅里叶变换成像光谱仪探测得到的光谱其吸收峰的位置和形状都不相同;而同一油种在不同油厚情况下其光谱的吸收峰形状也不尽相同。
传统的化学分析方法虽然能够准确的鉴定出海上溢油的种类,但是要想在大面积区域内统计出海上的溢油量是不可能的,因为海上的溢油分布是无规则的、不均匀的,无法以“局部代表整体”的方法计算溢油量。而单一的红外热成像技术虽然能够大致统计出溢油区域的面积,但是在溢油种类的鉴定和油厚的估计上都无计可施。
相比之下,利用光谱成像技术进行海上溢油的检测方法具有既能准确的判断出溢油种类又能快速统计出溢油量的独特优势。
发明内容
本发明的目的在于针对现有技术的不足,提供一种使用光谱成像技术的海上溢油检测方法,目标在于快速、准确地检测出海上的溢油,鉴定出其油种并计算出溢油区域的溢油量。
本发明解决其技术问题所采用的技术方案是:一种基于光谱成像技术的海上溢油检测方法,步骤如下
S01,配置油水混合液的参考样本:按照不同厚度和不同的种类对油水混合液的样品进行配置,所述的油水混合液厚度为毫米级;
对步骤01中的样本进行光谱的探测,然后将这些样本光谱以数据库的形式储存起来,并为每条数据打上“种类”和“油厚”两个标签,“种类”标签用于待测溢油样本种类的鉴定,“油厚”的标签用于待测溢油样本油厚的预测;
S03,读入待测数据立方:通过傅里叶变换成像光谱仪获得待测样本的数据立方,所述的数据立方包括二维的灰度图像和一维的光谱数据;
S04,溢油种类鉴定:采用基于光谱匹配的方法对待测样本进行溢油种类的鉴定,选定待测样本二维灰度图像的某一像素,提取出对应于该像素的光谱,遍历步骤02建立的光谱数据库,将该像素的光谱与数据库中的每一条光谱进行夹角余弦值的计算,通过比较选出余弦值最大的一个种类,若该余弦值大于预先设定的阈值,则认为溢油与该样本属于同一个油种;
S05,油厚预测:根据参考样本光谱数据库中的光谱数据以及参考样本对应的“油厚”标签通过最小二乘法求解出光谱数据与油厚大小直接的线性关系,然后将此线性关系应用到待分析光谱数据上,进而算出待测样本某一像素处溢油的油厚;
S06,溢油量计算:根据单个像素对应溢油的油厚值,结合二维灰度图像的空间分辨率大小计算出单个像素所对应溢油区域的溢油体积,对于整张图像,将所有像素对应区域的溢油体积相加即可得到该图像覆盖区域的溢油量。
所述的一种基于光谱成像技术的海上溢油检测方法,其步骤S01中的溢油样本的油厚为0.1—4.0毫米。
所述的一种基于光谱成像技术的海上溢油检测方法,其步骤S05具体为:
所述的一种基于光谱成像技术的海上溢油检测方法,其步骤S06中单个像素对应区域的溢油量体积计算公式为:溢油量/像素=像素面积×油厚。
所述的一种基于光谱成像技术的海上溢油检测方法,其步骤S04和S06中采用手选的光谱特征作为新的光谱向量进行定性和定量分析。
进一步,所述的步骤具体为:选取光谱吸收峰的位置、宽度、峰值、吸收峰面积以及吸收峰左右两侧面积的比值等光谱特征组合成新的光谱向量,在新的光谱向量上运用SAM和最小二乘法分别进溢油的定性定量分析。
所述的一种基于光谱成像技术的海上溢油检测方法,其SAM方法具体为:将参考光谱和待分析光谱看作等维度的两个向量,用其内积除以模的乘积得到两个向量夹角的余弦值,若该值大于设定的阈值则认为两个光谱来源于同一油种。
本发明的有益效果是:本发明利用光谱成像技术对海上溢油进行定性定量分析,该方法结合光谱吸收峰的位置、宽度和幅度等光谱特征并基于光谱匹配的方法对海上溢油的种类进行鉴定,根据光谱数据与油厚之间的线性映射关系采用最小二乘法进行油厚的估计进而统计出海上溢油的油量。使用本检测方法能够快速、准确地得知海上溢油的种类以及溢油区域内的溢油量。
附图说明
图1为本发明方法的流程图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
本发明提供了一种使用光谱成像技术的海上溢油检测方法,其基本思想是:建立不同油厚、不同种类的样本组成的光谱数据库,由于不同样本光谱的吸收峰特征不同,因此基于光谱匹配的方法可以实现溢油种类的鉴定;使用最小二乘法求解出光谱和油厚之间的线性映射关系进而实现二维图像中单个像素的油厚估计,最终计算出整张图像所覆盖区域的总溢油量。
使用本发明进行海上溢油的检测流程如图1所示,包括以下步骤:
S01,配置油水混合液的参考样本。
以较为密集的梯度按照不同厚度和不同的种类对油水混合液的样品进行配置,进而使得油厚的预测结果更为准确,所述的油厚为毫米级。
对于海上溢油来说,其光谱特点随着油水液的油/水比例和海面上油膜的厚度的变化而变化,利用傅里叶变换红外光谱仪通常可探测得到厚度为几毫米的油脂的光谱,因此在配置油水液样本的时候,油厚为毫米级,如0.1mm—4.0mm,并且不同的溢油种类应分别配置不同的样本。这里,应尽可能将厚度按照较为密集的变化梯度进行配置以提高预测结果的准确度。
S02,建立参考样本光谱数据库。
对步骤01中的样本进行光谱的探测,然后将这些样本光谱以数据库的形式储存起来,并为每条数据打上“种类”和“油厚”两个标签。其中,“种类”标签用于待测溢油样本种类的鉴定,“油厚”的标签用于待测溢油样本油厚的预测。
S03,读入待测数据立方。
通过傅里叶变换成像光谱仪获得参考样本的数据立方(图像的数据集合也被称之为数据立方),所述的数据立方包括二维的灰度图像和一维的光谱数据,作为三维的立方体,其二维的灰度图像为任意大小、光谱数据为任意长度和任意波段的光谱。
S04,采用SAM的方法对溢油种类鉴定。
采用基于光谱匹配的方法对待测样本进行溢油种类的鉴定,现举SAM(光谱角度匹配)的方法进行说明:选定待测样本二维灰度图像的某一像素,提取出对应于该像素的光谱;遍历步骤02建立的光谱数据库,将该像素的光谱与数据库中的每一条光谱进行夹角余弦值的计算;通过比较选出余弦值最大的一个种类,并且,若该余弦值大于预先设定的阈值,则认为溢油与该样本属于同一个油种。
基于光谱匹配的知识,计算待测样本光谱与参考样本光谱数据库中每一个样本的相似度,相似度可用欧氏距离、马氏距离、向量之间的夹角等描述,将待测样本光谱和参考样本光谱看作两个等维度的向量,计算出两个向量之间的夹角,若夹角满足既定的阈值要求则可看作待测样本光谱与参考样本光谱所对应的油种相同。
遍历数据库中的每一条样本,计算并得出参考光谱与待测光谱之间最大的夹角余弦值,若该值大于设置的阈值则视为待测光谱与该参考光谱来源于同一油种。
S05,油厚预测。
根据步骤02参考样本光谱库中的光谱数据以及参考样本对应的“油厚”标签通过最小二乘法求解出光谱数据与油厚大小直接的线性关系,然后将此线性关系应用到待分析光谱数据上,进而算出待测样本某一像素处溢油的油厚。
将样本光谱数据与其油厚看作近似线性的关系,并采用最小二乘法求解出该线性关系,进而对待测光谱进行油厚的预测,具体为:
将参考样本光谱看作一个矩阵,将标签“油厚”看作矩阵,建立方程组;其中m为样本个数,n为光谱维度,为光谱和油厚之间的线性映射关系,根据最小二乘的原理可以求解出该方程组的最小二乘解,则待测样本的油厚,其中为待测样本光谱。
S06,溢油量计算。
根据步骤S05得出的单个像素对应溢油的油厚值,结合二维灰度图像的空间分辨率大小计算出单个像素所对应溢油区域的溢油体积,对于整张图像,将所有像素对应区域的溢油体积相加即可得到该图像覆盖区域的溢油量。
单个像素对应区域的溢油量体积计算公式为:溢油量/像素=像素面积×油厚,根据公式计算出单个像素对应区域的溢油量,将图像内所有像素中计算得到的溢油量进行累加得出某一图像所覆盖区域内的总溢油量。
进一步,步骤S04和S06中采用手选的光谱特征作为新的光谱向量进行定性和定量分析,步骤具体为:选取光谱吸收峰的位置、宽度、峰值、吸收峰面积以及吸收峰左右两侧面积的比值等光谱特征组合成新的光谱向量,在新的光谱向量上运用SAM和最小二乘法分别进溢油的定性定量分析。
其中述的SAM方法具体为:将参考光谱和待分析光谱看作等维度的两个向量,用其内积除以模的乘积得到两个向量夹角的余弦值,若该值大于设定的阈值则认为两个光谱来源于同一油种。
本发明的权利要求保护范围不限于上述实施例,凡是在本发明的精神和原则之内,所作的任何修改、改进等都包含在本发明的保护之内。
Claims (4)
1.一种基于光谱成像技术的海上溢油检测方法,其特征在于,步骤如下:
S01,配置油水混合液的参考样本
按照不同厚度和不同的种类对油水混合液的样品进行配置,所述的油水混合液厚度为0.1—4.0毫米;
S02,建立参考样本光谱数据库
对步骤01中的样本进行光谱的探测,然后将这些样本光谱以数据库的形式储存起来,并为每条数据打上“种类”和“油厚”两个标签,“种类”标签用于待测溢油样本种类的鉴定,“油厚”的标签用于待测溢油样本油厚的预测;
S03,读入待测数据立方
通过傅里叶变换成像光谱仪获得待测样本的数据立方,所述的数据立方包括二维的灰度图像和一维的光谱数据;
S04,溢油种类鉴定
采用基于光谱匹配的方法对待测样本进行溢油种类的鉴定,选定待测样本二维灰度图像的某一像素,提取出对应于该像素的光谱,遍历步骤02建立的光谱数据库,将该像素的光谱与数据库中的每一条光谱进行夹角余弦值的计算,通过比较选出余弦值最大的一个种类,若该余弦值大于预先设定的阈值,则认为溢油与该样本属于同一个油种;
S05,油厚预测
根据参考样本光谱数据库中的光谱数据以及参考样本对应的“油厚”标签通过最小二乘法求解出光谱数据与油厚大小直接的线性关系,然后将此线性关系应用到待分析光谱数据上,进而算出待测样本某一像素处溢油的油厚:
S06,溢油量计算
根据单个像素对应溢油的油厚值,结合二维灰度图像的空间分辨率大小计算出单个像素所对应溢油区域的溢油体积: 溢油量/像素=像素面积×油厚,对于整张图像,将所有像素对应区域的溢油体积相加即可得到该图像覆盖区域的溢油量。
2.根据权利要求1所述的一种基于光谱成像技术的海上溢油检测方法,其特征在于,所述的步骤S04和S06中采用手选的光谱特征作为新的光谱向量进行定性和定量分析。
3.根据权利要求2所述的一种基于光谱成像技术的海上溢油检测方法,其特征在于,所述的步骤具体为:选取光谱吸收峰的位置、宽度、峰值、吸收峰面积以及吸收峰左右两侧面积的比值等光谱特征组合成新的光谱向量,在新的光谱向量上运用SAM和最小二乘法分别进溢油的定性定量分析。
4.根据权利要求3所述的一种基于光谱成像技术的海上溢油检测方法,其特征在于,所述的SAM方法具体为:将参考光谱和待分析光谱看作等维度的两个向量,用其内积除以模的乘积得到两个向量夹角的余弦值,若该值大于设定的阈值则认为两个光谱来源于同一油种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710436753.0A CN107356535B (zh) | 2017-06-12 | 2017-06-12 | 一种基于光谱成像技术的海上溢油检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710436753.0A CN107356535B (zh) | 2017-06-12 | 2017-06-12 | 一种基于光谱成像技术的海上溢油检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107356535A CN107356535A (zh) | 2017-11-17 |
CN107356535B true CN107356535B (zh) | 2020-06-05 |
Family
ID=60273808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710436753.0A Active CN107356535B (zh) | 2017-06-12 | 2017-06-12 | 一种基于光谱成像技术的海上溢油检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107356535B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110609017A (zh) * | 2019-09-12 | 2019-12-24 | 大连海事大学 | 一种基于反射率光谱的溢油风化时间分析方法及应用 |
CN110907388A (zh) * | 2019-11-22 | 2020-03-24 | 光钙(上海)高科技有限公司 | 一种基于红外光谱分析的溢油种类鉴别的方法 |
CN112924028B (zh) * | 2021-01-25 | 2023-11-07 | 长春理工大学 | 一种面向海面溢油的光场偏振成像探测系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101414009B (zh) * | 2008-11-15 | 2011-03-16 | 大连海事大学 | 便携式机载海上溢油遥感监测系统 |
CN101458213B (zh) * | 2008-12-23 | 2011-02-09 | 潍坊学院 | 海洋溢油的浓度辅助参量荧光光谱油种鉴别方法 |
CN102507474B (zh) * | 2011-10-28 | 2013-07-24 | 大连海事大学 | 一种船舶溢油目标的识别方法及系统 |
CN102997856B (zh) * | 2012-12-12 | 2016-08-03 | 南京大学 | 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 |
CN106198443B (zh) * | 2016-06-24 | 2019-07-12 | 湖北久之洋红外系统股份有限公司 | 机载高光谱红外溢油监测方法及系统 |
CN106770015B (zh) * | 2017-01-10 | 2020-12-15 | 南京富岛信息工程有限公司 | 一种基于主成分分析相似判别的油品性质检测方法 |
-
2017
- 2017-06-12 CN CN201710436753.0A patent/CN107356535B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107356535A (zh) | 2017-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107356535B (zh) | 一种基于光谱成像技术的海上溢油检测方法 | |
Winiwarter et al. | M3C2-EP: Pushing the limits of 3D topographic point cloud change detection by error propagation | |
CA2883637C (en) | Method and apparatus for mapping and characterizing sea ice from airborne simultaneous dual frequency interferometric synthetic aperture radar (ifsar) measurements | |
US10732277B2 (en) | Methods and systems for model based automatic target recognition in SAR data | |
Liu et al. | A novel technique for ship wake detection from optical images | |
CN103971127B (zh) | 一种前视雷达成像海面目标关键点检测识别方法 | |
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 | |
CN104730520B (zh) | 基于子孔径合成的圆周sar后向投影自聚焦方法 | |
EP0907145A2 (en) | Method and equipment for extracting image features from image sequence | |
Uuttera et al. | Determination of the spatial distribution of trees from digital aerial photographs | |
CN102129573A (zh) | 基于字典学习和稀疏表示的sar图像分割方法 | |
CN109781073B (zh) | 一种融合海浪特征和光谱特征的浅海水深遥感提取方法 | |
CN101770583A (zh) | 一种基于场景全局特征的模板匹配方法 | |
Yang et al. | Evaluation and mitigation of rain effect on wave direction and period estimation from X-band marine radar images | |
CN104951765A (zh) | 基于形状先验信息和视觉对比度的遥感图像目标分割方法 | |
Shortis et al. | Using stereo-video for deep water benthic habitat surveys | |
CN114200450A (zh) | 基于双极化时序sar技术识别输电通道附近滑坡的方法 | |
Li et al. | Outlier-robust superpixel-level CFAR detector with truncated clutter for single look complex SAR images | |
CN105825215B (zh) | 一种基于局部近邻嵌入核函数的仪表定位方法及使用载体 | |
CN110956083A (zh) | 一种基于高分四号光学卫星的渤海海冰漂移遥感探测方法 | |
CN113723182B (zh) | 一种训练样本受限条件下的sar图像舰船检测方法 | |
Ghanbari et al. | Radiometric normalization of multitemporal and multisensor remote sensing images based on a Gaussian mixture model and error ellipse | |
CN116912672A (zh) | 一种基于无人测量船的大型底栖无脊椎动物生物完整性评价方法 | |
CN116030349A (zh) | 一种光学遥感影像船只检测方法 | |
Wang et al. | A benchmark sentinel-1 sar dataset for airport detection |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |