CN109284709A - 一种基于耀光反射差异的海面溢油光学遥感检测方法 - Google Patents

一种基于耀光反射差异的海面溢油光学遥感检测方法 Download PDF

Info

Publication number
CN109284709A
CN109284709A CN201811094655.4A CN201811094655A CN109284709A CN 109284709 A CN109284709 A CN 109284709A CN 201811094655 A CN201811094655 A CN 201811094655A CN 109284709 A CN109284709 A CN 109284709A
Authority
CN
China
Prior art keywords
pixel
image
remote sensing
light reflection
band
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.)
Granted
Application number
CN201811094655.4A
Other languages
English (en)
Other versions
CN109284709B (zh
Inventor
焦俊男
沈亚峰
石静
陆应诚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University
Original Assignee
Nanjing University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University filed Critical Nanjing University
Priority to CN201811094655.4A priority Critical patent/CN109284709B/zh
Publication of CN109284709A publication Critical patent/CN109284709A/zh
Application granted granted Critical
Publication of CN109284709B publication Critical patent/CN109284709B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于耀光反射差异的海面溢油光学遥感检测方法，利用海面溢油在不同太阳耀光反射下具有不同的光学信号特征，基于传感器观测方向与太阳入射光镜面反射方向的夹角来表示光学遥感影像上太阳耀光反射强弱，并结合临界角理论进行光学遥感影像分带，逐带扫描检测海面疑似溢油异常光学信号，提取出光学遥感影像中疑似海面溢油的像元。本发明所使用光学遥感影像仅需要进行辐射定标与瑞利校正，获得瑞利校正反射率影像；本发明适用于光学遥感影像因幅宽较大导致的耀光反射差异较大的情况，能够快速高效检测影像中的海面疑似溢油像元；该方法能满足海面溢油检测的需求，提高溢油污染治理的工作效率。

Description

一种基于耀光反射差异的海面溢油光学遥感检测方法
技术领域
本发明涉及遥感海洋溢油监测技术领域，特别是涉及一种基于耀光反射差异的海面溢油光学遥感检测方法。
技术背景
溢油污染是海洋环境监测的重要对象之一，遥感技术能为海洋环境监测与评估提供重要的技术支持。海洋溢油遥感面对复杂的来源、过程与对象：(1)海洋溢油污染的来源复杂。不同油种的污染，如不同产地的原油、各类油品的中间产品、各类型成品油等；不同平台类型，如海面的油轮、钻井平台，海底的钻井、输油管道，海岸带的码头港口等易发溢油事故对象(溢油的风化扩散过程会有差异)。(2)海洋溢油迁移与风化过程复杂。海洋溢油在风、浪、流等因素的作用下，其数量、组成、理化性质等方面不断地发生变化，主要过程包括扩散、漂移、乳化、蒸发、溶解、吸附沉淀、光氧化和生物降解等，会形成多种不同的溢油风化污染类型。(3)溢油污染遥感监测的对象复杂。这些不同的海洋溢油风化污染类型，对入射光具有不同的光学作用过程及光学响应特征(光谱特征、图型特征、纹理特征等)，是光学遥感鉴别与定量估算的理论基础。快速准确地识别海洋溢油污染的不同类型、估算溢油量，不仅有助于溢油污染的应急处理，也有助于海洋环境与社会经济的损害评估。
海洋溢油光学遥感理论研究，近年来取得了较好的发展，光学遥感在该领域的理论与应用研究积累表明：(1)光学遥感探测的分类目标已经明确，即溢油污染形成的海面油膜(不同厚度)、黑色浮油与油水混合物(不同类型与不同浓度)，海底烃渗漏形成的海面油膜与近海表大气碳氢化合物气体异常。(2)这些目标对入射光具有不同的光学作用过程(如反射、吸收、散射、干涉等)，会产生不同的光学响应特征，是光学遥感识别、分类与定量估算的理论基础。(3)在实际应用中，目标介质面(不同类型、折射率与粗糙度的油面与海面)的菲涅尔反射差异，有利于目标探测的同时，也给目标识别分类与定量估算带来诸多不确定性影响。光学遥感技术在本领域的应用特点与优势逐渐清晰，相关基础理论架构逐渐完善，充分展现了其对海洋溢油不同污染类型鉴别及定量估算的能力与潜力。
发明内容
本发明要解决的技术问题是：针对溢油污染区域难以人为进入监测，水色背景噪声大，宽幅遥感影像溢油特征复杂的特点，基于太阳耀光反射差异对图像进行分带，检测不同分带内海面溢油的不同特征，对于海面溢油污染监测具有重要意义。
为了解决上述技术问题，本发明提出的技术方案是：
基于耀光反射差异的海面溢油光学遥感检测方法，包括以下步骤：
步骤1、数据预处理
对遥感影像数据进行预处理，包括辐射定标和瑞利校正，获取瑞利校正反射率图像Rrc；
步骤2、感兴趣区范围圈定
对于已知或疑似海面溢油事故发生区域，在经过步骤1预处理后的瑞利校正反射率图像Rrc上圈定出可能包含海面溢油的感兴趣区；
步骤3、去除云和陆地
检测云像元和陆地像元并去除，保留海面像元；
步骤4、基于临界角的影像分带
根据传感器观测方向与太阳入射光镜面反射方向的夹角θm对影像进行分带，θm≥13°的像元为弱耀光反射带，12°<θm<13°的像元为临界耀光反射带，θm≤12°的像元为强耀光反射带；
步骤5、太阳耀光反射率计算
计算各海面像元的太阳耀光反射率，得到太阳耀光反射率图像LGN；
步骤6、针对影像各分带区域进行海面溢油异常检测
首先，利用下述公式计算归一化图像Rrc(NIR)normal
Rrc(NIR)normal＝Rrc(NIR)-LGN
其中，Rrc(NIR)为步骤2中感兴趣区的近红外波段图像；
然后，以夹角θm为依据对归一化图像Rrc(NIR)normal进行分块扫描，检测溢油异常信号，具体步骤如下：
1)、分别针对弱耀光反射带和强耀光反射带，以夹角θm＝1.0°为间隔进行扫描窗口的划分，并逐一对归一化图像Rrc(NIR)normal进行扫描；
2)、对归一化图像Rrc(NIR)normal中处于同一扫描窗口的像元，统计置信区间为[1％,99％]内的像元值的累计统计概率；
3)、若扫描窗口位于强耀光反射带，则将累计统计概率大于70％所对应的像元作为溢油异常像元；若扫描窗口位于弱耀光反射带，则将累计统计概率小于30％所对应的像元作为溢油异常像元；
4)、针对每个扫描窗口内的溢油异常像元，对归一化后的反射率值进行自适应阈值分割，对于在强耀光反射带内的溢油异常像元，若归一化后的反射率值大于阈值，则该溢油异常像元判定为溢油像元；对于在弱耀光反射带内的溢油异常像元，若归一化后的反射率值小于阈值，则该溢油异常像元判定为溢油像元；
5)、将各扫描窗口的溢油像元进行合并，得到感兴趣区的溢油检测结果。
本发明基于临界角理论将影像进行分带，临界角理论表述为：海面溢油在不同的太阳耀光反射下表现不同的光学特征，以θm来表示太阳耀光反射的强弱时，存在临界角：当θm小于该临界角时，海面油膜相对于海水表现为亮特征，当θm大于该临界角时海面油膜相对于海水则表现为暗特征，本发明中12.0°～13.0°为潜在临界角范围；基于此，将光学影像分为强耀光反射带、临界耀光反射带和弱耀光反射带，需要注意的是，本发明中的强弱是相对于临界角进行划分的相对概念。
本发明具有如下有益效果：
本发明针对海面溢油在不同太阳耀光反射下表现出的不同特征，利用传感器观测方向与镜面反射方向的夹角θm来表示太阳耀光反射差异，并结合临界角理论对光学遥感影像进行分带检测。实际效果表明，本发明能够降低溢油区检测的时间、人力和物力成本，保证检测精度，提高实时检测效率。
附图说明
图1为本发明流程示意图。
图2为传感器观测方向与太阳入射光镜面反射方向夹角θm示意图。
图3为实施例MODIS遥感影像。
图4-a为影像云检测图。
图4-b为影像海陆标识图。
图4-c为掩膜图像。
图5为圈定的感兴趣区影像。
图6为传感器观测方向与太阳入射光镜面反射方向夹角θm图像。
图7为太阳耀光反射率LGN图像。
图8-a为未进行LGN归一化影像。
图8-b为LGN归一化后影像。
图9为海面溢油异常检测结果图。
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
本实施例应用于1景MODIS多光谱影像数据。
如图1所示，为本发明实施例基于耀光反射差异的海面溢油光学遥感检测方法流程示意图，包括以下步骤：
步骤1、数据预处理
对多光谱遥感影像数据进行预处理，包括辐射定标和瑞利校正，获取瑞利校正反射率图像Rrc。如图3所示，MODIS影像因幅宽较大，影像中存在明显的明暗差异，这种差异的存在为海面溢油检测造成了一定的挑战。
步骤2、感兴趣区范围圈定
对于已知或疑似海面溢油事故发生区域，通过目视(或其他辅助手段)在经过步骤1预处理后的瑞利校正反射率图像Rrc上圈定出可能包含海面溢油的感兴趣区。在本实施例中，所圈定感兴趣如图5所示。
步骤3、云检测
对感兴趣区的瑞利校正反射率图像Rrc的每个像元，计算云指数(Cloud Index)，获得云指数影像CI。云指数(Cloud Index)采用下述公式计算：
其中，Rrc(Blue)max、Rrc(Blue)min为Rrc影像的蓝光波段反射率的最大值与最小值；Rrc(IR)max、Rrc(IR)min为Rrc影像的红外波段反射率的最大值与最小值；Rrc(IR)为Rrc影像的红外波段反射率值，Rrc(Blue)为Rrc影像的蓝光波段反射率值。
在此基础上基于OSTU(最大类间方差法)求得自适应阈值ε0，并对CI影像进行自动化分割，获得云检测结果影像Cloud_mask，公式如下：
Cloud_mask影像中为1的像元表示云，为0的像元表示非云。如图4-a所示，白色像元为云。
步骤4、海陆标识
对感兴趣区的瑞利校正反射率图像Rrc的每个像元，计算归一化水体指数(NDWI)，获得水体指数影像WI。归一化水体指数(NDWI)采用下述公式计算：
其中，Rrc(Green)为Rrc影像的绿光波段反射率；Rrc(NIR)为Rrc影像的近红外波段反射率。
在此基础上基于OSTU(最大类间方差法)求得自适应阈值ε1，并对WI影像进行自动化分割，获得海陆标识结果影像Water_mask，公式如下：
影像中为1的像元表示水体，为0的像元表示陆地。如图4-b所示，白色像元为陆地。
步骤5、数据掩膜
利用步骤3、4生成的Cloud_mask影像与Water_mask影像将步骤2中圈定出的瑞利校正反射率图像Rrc中的云像元与陆地像元剔除。本例中，生成的掩膜是在步骤3和步骤4生成的云检测和海陆标识的基础上扩展1-2像元的缓冲区合成得来，减少云和陆地对海面疑似溢油异常检测的影响。
如图4-c所示，利用掩膜将图像中的云和陆地像元剔除。
步骤6、θm计算与基于临界角的影像分带
θm为传感器观测方向与太阳入射光镜面反射方向的夹角，θm的含义如图2所示。该角度能够有效地表达出影像的太阳耀光反射的强弱，并基于临界角理论进行影像分带。该步骤输入数据为：步骤2中圈定的瑞利校正反射率图像Rrc对应的各像元角度数据(包括太阳天顶角、太阳方位角、传感器天顶角与传感器方位角)。计算获得θm图像。夹角θm通过下式计算获得：
其中，θ0为太阳天顶角，θ为卫星天顶角，为太阳与卫星的相对方位角。
然后根据角度θm的大小，将图像分为强耀光反射带，临界耀光反射带和弱耀光反射带，分别赋值为1，0，-1，生成的θm分带图像Z为：
Z＝1的像元属于强耀光反射带，Z＝0的像元属于临界耀光反射带，Z＝-1的像元属于弱耀光反射带。如图6为卫星观测方向与镜面反射方向的夹角图像θm，其中每个像元的值单位为度。
步骤7、太阳耀光反射率计算
输入数据为：步骤2中圈定影像对应的各像元风速数据(每个像元风速W，单位m/s)和角度数据(包括太阳天顶角、太阳方位角、传感器天顶角与传感器方位角)，计算太阳耀光反射率图像LGN，与Rrc图像像元一一对应，为下一步的溢油检测提供信息。如图7所示为所计算的太阳耀光反射率图像LGN。
本实施例中，太阳耀光反射率通过下述公式计算，
式中，θ0为太阳天顶角，θ为卫星天顶角，为太阳与卫星传感器的相对方位角，σ为海面粗糙度，ω为入射角，r为折射角，β为波浪小侧面倾斜角度；其中入射角ω和折射角r通过下述公式计算获得：
式中，n1为光在海水中的折射率，n2为光在大气中的折射率。
本例中，n1＝1.34，n2＝1.0，σ2＝0.003+0.00512W，其中W为风速。
步骤8、不同影像分带的海面溢油异常检测
根据步骤6计算获得的θm图像、太阳耀光反射强弱分带图像Z以及步骤7计算的LGN图像，针对不同分带(图像Z中不同的区域)采用不同的海面疑似溢油异常检测方法：
首先，利用LGN图像与步骤2中圈定的Rrc图像的近红外波段(本实施例MODIS影像中选择865nm波段)进行归一化计算：
Rrc(865)normal＝Rrc(865)-LGN。其中，Rrc(865)为步骤2中865nm波段图像，Rrc(865)normal为归一化图像。在本实施例中，如图8-a所示为未进行归一化前图像，图8-b为进行归一化处理后的图像，可见影像中的太阳耀光反射率差异得到有效减弱，为海面溢油检测提供更为精确的信息。
Rrc(865)normal影像对应于不同太阳耀光反射分带检测不同溢油异常特征。θm<12°的强耀光反射分带内(图像Z中值为1的区域)海面溢油(油膜)与水呈正对比，检测亮特征作为海面溢油异常特征；θm>13°的弱耀光反射分带内(图像Z中值为-1的区域)油膜与水为负对比，检测暗特征；12°<θm<13°的临界耀光反射区内(图像Z中值为0的区域)，做掩膜忽略掉，因为该区域内溢油与海水信号差异较小。
考虑到MODIS等遥感影像幅宽较大，影像中存在明显的太阳耀光反射差异，故以θm＝1.0°为间隔对影像进行分块扫描，有益于更精细的海面溢油检测。
故本实施例中，以夹角θm为依据对归一化图像Rrc(865)normal进行分块扫描，检测溢油异常信号，具体步骤如下：
1)、分别针对弱耀光反射带和强耀光反射带，以夹角θm＝1.0°为间隔进行扫描窗口的划分，并逐一对归一化图像Rrc(865)normal进行扫描；；
2)、对归一化图像Rrc(865)normal中处于同一扫描窗口的像元，统计置信区间为[1％,99％]内的像元值的累计统计概率；
3)、若扫描窗口位于强耀光反射带(分带图像Z的值为1的区域)，则将累计统计概率大于70％所对应的像元作为溢油异常像元；若扫描窗口位于弱耀光反射带(分带图像Z的值为-1的区域)，则将累计统计概率小于30％所对应的像元作为溢油异常像元；
4)、针对每个扫描窗口内的溢油异常像元，对归一化后的反射率值进行最大类间方差法自适应阈值分割，对于在强耀光反射带内的溢油异常像元，若归一化后的反射率值大于阈值，则该溢油异常像元判定为溢油像元，对溢油像元赋值为1，其余像元赋值为0；对于在弱耀光反射带内的溢油异常像元，若归一化后的反射率值小于阈值，则该溢油异常像元判定为溢油像元，对溢油像元赋值为1，其余像元赋值为0；
5)、将各扫描窗口的溢油像元进行合并，值为1的像元即为海面溢油异常检测结果。如图9即为本方法海面溢油异常检测结果。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。

Claims (8)

1.一种基于耀光反射差异的海面溢油光学遥感检测方法，包括以下步骤：
步骤1、数据预处理
对遥感影像数据进行预处理，包括辐射定标和瑞利校正，获取瑞利校正反射率图像Rrc；
步骤2、感兴趣区范围圈定
对于已知或疑似海面溢油事故发生区域，在经过步骤1预处理后的瑞利校正反射率图像Rrc上圈定出可能包含海面溢油的感兴趣区；
步骤3、去除云和陆地
检测云像元和陆地像元并去除，保留海面像元；
步骤4、基于临界角的影像分带
根据传感器观测方向与太阳入射光镜面反射方向的夹角θm对影像进行分带，θm≥130的像元为弱耀光反射带，120＜θm＜130的像元为临界耀光反射带，θm≤120的像元为强耀光反射带；
步骤5、太阳耀光反射率计算
计算各海面像元的太阳耀光反射率，得到太阳耀光反射率图像LGN；
步骤6、针对影像各分带区域进行海面溢油异常检测
首先，利用下述公式计算归一化图像Rrc(NIR)normal
Rrc(NIR)normal＝Rrc(NIR)-LGN
其中，Rrc(NIR)为步骤2中感兴趣区的近红外波段图像；
然后，以夹角θm为依据对归一化图像Rrc(NIR)normal进行分块扫描，检测溢油异常信号，具体步骤如下：
1)、分别针对弱耀光反射带和强耀光反射带，以夹角θm＝1.0°为间隔进行扫描窗口的划分，并逐一对归一化图像Rrc(NIR)normal进行扫描；
2)、对归一化图像Rrc(NIR)normal中处于同一扫描窗口的像元，统计置信区间为[1％，99％]内的像元值的累计统计概率；
3)、若扫描窗口位于强耀光反射带，则将累计统计概率大于70％所对应的像元作为溢油异常像元；若扫描窗口位于弱耀光反射带，则将累计统计概率小于30％所对应的像元作为溢油异常像元；
4)、针对每个扫描窗口内的溢油异常像元，对归一化后的反射率值进行自适应阈值分割，对于在强耀光反射带内的溢油异常像元，若归一化后的反射率值大于阈值，则该溢油异常像元判定为溢油像元；对于在弱耀光反射带内的溢油异常像元，若归一化后的反射率值小于阈值，则该溢油异常像元判定为溢油像元；
5)、将各扫描窗口的溢油像元进行合并，得到感兴趣区的溢油检测结果。
2.根据权利要求1所述的基于耀光反射差异的海面溢油光学遥感检测方法，其特征在于：步骤3中，对感兴趣区的瑞利校正反射率图像Rrc的每个像元计算云指数，以所有感兴趣区像元的云指数为样本，使用最大类间方差法求得用于分类的自适应阈值ε0，云指数≥ε0的像元判定为云像元。
3.根据权利要求1所述的基于耀光反射差异的海面溢油光学遥感检测方法，其特征在于：步骤4中，对感兴趣区的瑞利校正反射率图像Rrc的每个像元计算归一化水体指数，以所有感兴趣区像元的归一化水体指数为样本，使用最大类间方差法求得用于分类的自适应阈值ε1，归一化水体指数＜ε1的像元判定为陆地像元。
4.根据权利要求1所述的基于耀光反射差异的海面溢油光学遥感检测方法，其特征在于：步骤4中，根据夹角θm的大小生成分带图像Z：
Z＝1的像元属于强耀光反射带，Z＝0的像元属于临界耀光反射带，Z＝-1的像元属于弱耀光反射带。
5.根据权利要求1所述的基于耀光反射差异的海面溢油光学遥感检测方法，其特征在于：所述步骤4中的夹角θm通过下式计算获得：
其中，θ0为太阳天顶角，θ为卫星天顶角，为太阳与卫星的相对方位角。
6.根据权利要求1所述的基于耀光反射差异的海面溢油光学遥感检测方法，其特征在于：步骤5中，所述太阳耀光反射率通过下述公式计算，
式中，θ0为太阳天顶角，θ为卫星天顶角，为太阳与卫星传感器的相对方位角，σ为海面粗糙度，ω为入射角，r为折射角，β为波浪小侧面倾斜角度；其中入射角ω和折射角r通过下述公式计算获得：
式中，n1为光在海水中的折射率，n2为光在大气中的折射率。
7.根据权利要求6所述的基于耀光反射差异的海面溢油光学遥感检测方法，其特征在于：σ2＝0.003+0.00512W，其中W为每个像元的风速。
8.根据权利要求6所述的基于耀光反射差异的海面溢油光学遥感检测方法，其特征在于：n1＝1.34，n2＝1.0。
CN201811094655.4A 2018-09-19 2018-09-19 一种基于耀光反射差异的海面溢油光学遥感检测方法 Active CN109284709B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811094655.4A CN109284709B (zh) 2018-09-19 2018-09-19 一种基于耀光反射差异的海面溢油光学遥感检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811094655.4A CN109284709B (zh) 2018-09-19 2018-09-19 一种基于耀光反射差异的海面溢油光学遥感检测方法

Publications (2)

Publication Number Publication Date
CN109284709A true CN109284709A (zh) 2019-01-29
CN109284709B CN109284709B (zh) 2021-08-17

Family

ID=65181499

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811094655.4A Active CN109284709B (zh) 2018-09-19 2018-09-19 一种基于耀光反射差异的海面溢油光学遥感检测方法

Country Status (1)

Country Link
CN (1) CN109284709B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111723722A (zh) * 2020-06-15 2020-09-29 泰州市金海运船用设备有限责任公司 一种海洋表面油污报警观测系统
CN113075167A (zh) * 2021-03-29 2021-07-06 中国科学院空天信息创新研究院 一种水面耀斑的识别方法及装置
CN113095114A (zh) * 2019-12-23 2021-07-09 新疆金风科技股份有限公司 液压系统漏油检测方法、装置和设备
CN113177979A (zh) * 2021-06-04 2021-07-27 江苏南大五维电子科技有限公司 一种基于多光谱图像的水污染区域识别方法和系统
CN114781537A (zh) * 2022-05-07 2022-07-22 自然资源部第二海洋研究所 一种基于高分辨率卫星影像的入海排口疑似排污识别方法
US11467039B2 (en) 2020-02-03 2022-10-11 Saudi Arabian Oil Company Systems and methods for real-time offshore flare monitoring in drilling ships
CN115271560A (zh) * 2022-09-28 2022-11-01 中国石油大学(华东) 一种海洋石油钻井溢油风化定量评估系统及评估方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609600A (zh) * 2011-01-19 2012-07-25 中国科学院地理科学与资源研究所 Modis时间序列标准差溢油检测算法
CN102880856A (zh) * 2012-08-22 2013-01-16 国家海洋局第二海洋研究所 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
CN102998667A (zh) * 2012-12-03 2013-03-27 北京航空航天大学 一种基于偏振遥感探测的波浪水面太阳耀光剥离方法
CN107436286A (zh) * 2017-06-29 2017-12-05 华中光电技术研究所（中国船舶重工集团公司第七七研究所） 一种溢油探测系统以及溢油预警方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609600A (zh) * 2011-01-19 2012-07-25 中国科学院地理科学与资源研究所 Modis时间序列标准差溢油检测算法
CN102880856A (zh) * 2012-08-22 2013-01-16 国家海洋局第二海洋研究所 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
CN102998667A (zh) * 2012-12-03 2013-03-27 北京航空航天大学 一种基于偏振遥感探测的波浪水面太阳耀光剥离方法
CN107436286A (zh) * 2017-06-29 2017-12-05 华中光电技术研究所（中国船舶重工集团公司第七七研究所） 一种溢油探测系统以及溢油预警方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YANSHA WEN等: ""An alternative approach to determine critical angle of contrast reversal and surface roughness of oil slicks under sunglint"", 《INTERNATIONAL JOURNAL OF DIGITAL EARTH》 *
YINGCHENG LU等: ""Refifinement of the Critical Angle Calculation for the Contrast Reversal of Oil Slicks under Sunglint"", 《JOURNAL OF GEOPHYSICAL RESEARCH: OCEANS》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113095114A (zh) * 2019-12-23 2021-07-09 新疆金风科技股份有限公司 液压系统漏油检测方法、装置和设备
US11467039B2 (en) 2020-02-03 2022-10-11 Saudi Arabian Oil Company Systems and methods for real-time offshore flare monitoring in drilling ships
CN111723722A (zh) * 2020-06-15 2020-09-29 泰州市金海运船用设备有限责任公司 一种海洋表面油污报警观测系统
CN113075167A (zh) * 2021-03-29 2021-07-06 中国科学院空天信息创新研究院 一种水面耀斑的识别方法及装置
CN113177979A (zh) * 2021-06-04 2021-07-27 江苏南大五维电子科技有限公司 一种基于多光谱图像的水污染区域识别方法和系统
CN114781537A (zh) * 2022-05-07 2022-07-22 自然资源部第二海洋研究所 一种基于高分辨率卫星影像的入海排口疑似排污识别方法
CN114781537B (zh) * 2022-05-07 2024-04-16 自然资源部第二海洋研究所 一种基于高分辨率卫星影像的入海排口疑似排污识别方法
CN115271560A (zh) * 2022-09-28 2022-11-01 中国石油大学(华东) 一种海洋石油钻井溢油风化定量评估系统及评估方法
CN115271560B (zh) * 2022-09-28 2023-01-10 中国石油大学(华东) 一种海洋石油钻井溢油风化定量评估系统及评估方法

Also Published As

Publication number Publication date
CN109284709B (zh) 2021-08-17

Similar Documents

Publication Publication Date Title
CN109284709A (zh) 一种基于耀光反射差异的海面溢油光学遥感检测方法
Mannstein et al. Operational detection of contrails from NOAA-AVHRR-data
Xie et al. Evaluation of Landsat 8 OLI imagery for unsupervised inland water extraction
Mobley et al. Interpretation of hyperspectral remote-sensing imagery by spectrum matching and look-up tables
Garcia-Pineda et al. Detection of oil near shorelines during the Deepwater Horizon oil spill using synthetic aperture radar (SAR)
CN104374713B (zh) 一种富营养化湖泊水体藻类垂向分布类型modis遥感监测方法
US8170282B1 (en) Technique for ship/wake detection
CN102540165B (zh) Modis地表反射率数据的预处理方法及系统
CN101339613B (zh) 一种遥感图像背景噪声减弱方法
CN106022288A (zh) 基于sar图像的海洋溢油信息识别与提取方法
CN109359787A (zh) 一种小范围海域多模态海浪预测系统及其预测方法
CN108169142A (zh) 基于遥感影像的水色异常快速定位方法和装置
Oppelt et al. Hyperspectral classification approaches for intertidal macroalgae habitat mapping: a case study in Heligoland
Shi et al. Determining spectral groups to distinguish oil emulsions from Sargassum over the Gulf of Mexico using an airborne imaging spectrometer
El Kafrawy et al. Performance evaluation of shoreline extraction methods based on remote sensing data
CN104182992B (zh) 一种基于全景视觉的海上弱小目标检测方法
Dierssen et al. Pushing the limits of seagrass remote sensing in the turbid waters of Elkhorn Slough, California
Zhu et al. Optical Extraction of Oil Spills From Satellite Images Under Different Sunglint Reflections.
CN113642651B (zh) 一种基于深度学习的偏振成像海上溢油识别方法
Solberg et al. Algorithms for oil spill detection in Radarsat and ENVISAT SAR images
Zhang et al. Satellite-derived sediment distribution mapping using ICESat-2 and SuperDove
Nichol et al. Monitoring the sea surface microlayer (SML) on sentinel images
CN111141684B (zh) 一种基于可见光/红外偏振特性的海洋溢油探测方法
Kim et al. A Preliminary Study on Benthic Mapping of Uljin Coast Based on Airborne Hyperspectral Imagery Towards the Whitening Detection
Li et al. Oil spill monitoring using MODIS data

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