CN110097562A - 海面溢油区域图像探测方法 - Google Patents

海面溢油区域图像探测方法 Download PDF

Info

Publication number
CN110097562A
CN110097562A CN201910416667.2A CN201910416667A CN110097562A CN 110097562 A CN110097562 A CN 110097562A CN 201910416667 A CN201910416667 A CN 201910416667A CN 110097562 A CN110097562 A CN 110097562A
Authority
CN
China
Prior art keywords
image
value
oil spilling
matlab
ndoi
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
CN201910416667.2A
Other languages
English (en)
Other versions
CN110097562B (zh
Inventor
王好贤
李尊琦
周志权
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.)
Harbin Institute of Technology Weihai
Original Assignee
Harbin Institute of Technology Weihai
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 Harbin Institute of Technology Weihai filed Critical Harbin Institute of Technology Weihai
Priority to CN201910416667.2A priority Critical patent/CN110097562B/zh
Publication of CN110097562A publication Critical patent/CN110097562A/zh
Application granted granted Critical
Publication of CN110097562B publication Critical patent/CN110097562B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • 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
    • G06T2207/10024—Color 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/20—Controlling water pollution; Waste water treatment
    • Y02A20/204—Keeping clear the surface of open water from oil spills

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及海面溢油区域图像探测方法。本发明的目的是通过选取适当的波段对自定义的NDOI的值进行计算，并将得到的各坐标处NDOI的值看作灰度值来得到一幅灰度图像，然后通过图像处理的方法来突出海面溢油区的轮廓，说明书摘要附图中图1为发明的具体实现流程图。

Description

海面溢油区域图像探测方法
技术领域：
本发明属于图像处理领域，具体地说是通过选择适当的波段并进行相应的处理来将遥感数据转化成灰度图像，然后对灰度图像进行处理进而得到溢油区的轮廓。
背景技术：
溢油污染是严重的海洋环境灾害之一，溢油灾害一旦发生就会直接危害海洋生态环境，给沿岸的社会经济和人类的身体健康带来直接的影响。海洋石油污染有多种途径,既有天然来源如海底油气藏烃渗漏和沉积岩石的侵蚀，也有沿岸工业污水和生活废水的排放、海洋倾废,更有海上石油运输和生产所造成的石油泄漏。海洋溢油发生后，能否准确及时的监测溢油对于海洋环境保护具有重要意义。
过去检测油膜主要依靠直接测量，具有检测覆盖面积小、判断主观等缺点。航空遥感技术是目前世界上发达国家进行海洋检测、监视的重要手段，具有速度快、机动灵活、覆盖面积较大、视距范围较宽、成本低、光谱和空间分辨率高等特点。利用卫星数据不仅可以大面积监测海上溢油的面积、种类、厚度，及时引导海监船只和飞机进行执法监测，作为执法索赔依据，而且可以利用卫星连续遥感跟踪油污范围和溢油扩散方向，确定最佳溢油清除方法。美国发射了搭载MODIS(Moderate-resolution Imaging Spectroradiometer)中分辨率成像光谱仪的人造卫星—Terra(1999年12月)和aqua(2002年4月)卫星。MODIS传感器是卫星上唯一能将实时观测数据通过x波段向全世界直接广播，并可以免费接收数据并无偿使用的星载仪器。几何分辨率为250米、500米和1 000米。目前仍然是世界上使用最广泛的卫星传感器数据。另外，由于海面水体部分和溢油区域对不同波段的反射率存在差异，因此，选择合适的波段并结合图像处理的方法就可以更有效地对溢油区域进行突出。
本发明是通过波段选取与图像处理的一些方法从遥感数据中得到海面溢油区的轮廓。首先通过海面水体部分与溢油区域的反射率差异来选取能够更好区分水体与溢油区的波段；然后利用所选波段来对自定义的参数进行计算来突出两者之间的差异；最后将计算得到的参数视为图像的灰度值来得到灰度图像，并通过相应的处理方法提取出溢油区的轮廓。
发明内容：
本发明的目的是从MODIS遥感数据中选择合适的波段并通过相关参数的计算构建灰度图像，使用图像处理的方法得到溢油区的轮廓。首先通过海面水体部分与溢油区域的反射率差异来对波段进行选取，使其能够更好地反映这两部分的差异；然后利用所选波段来对自定义的参数进行计算；最后将计算得到的参数视为图像的灰度值来得到灰度图像，并通过相应的处理方法提取出溢油区的轮廓。
本发明采用的技术方案是：
第一步：下载MODIS数据，使用ENVI软件对读入的数据进行处理，通过以下步骤实现：
(a)使用ENVI软件读入MODIS遥感数据，并分别将第1、4、3波段的数据对应为RGB模型中的R、G和B分量的值，进而得到遥感图像IRGB；
(b)根据各区域是否有溢油发生这一先验知识选取遥感图像IRGB中一块典型的水体区域和溢油区，得到各波段水体反射率的平均值Rsea和油区反射率的平均值Roil，并通过式(1)计算各波段的C值；
(c)将MODIS遥感数据转化为TIFF格式以便下一步的处理；
第二步：使用MATLAB读入TIFF文件,将包含数据内容的三维矩阵记为M；
第三步：通过式(2)计算坐标(x,y)处NDOI的值NDOI(x,y)，其中CHCmax(x,y)和CHCmin(x,y)分别为使式(1)中C的值最大和最小的波段所对应的反射率在坐标(x,y)处的取值，然后将得到的各坐标处NDOI的取值构成一个double类型的矩阵ΙNDOI；
本步操作可以通过MATLAB中的ΙNDOI＝(M(:,:,NCmax)-M(:,:,NCmin))./(M(:,:,NCmax)+M(:,:,NCmin))语句来实现，其中NCmax和NCmin分别为使式(1)中C的值最大和最小的波段在三维矩阵M中坐标第三个分量的取值；
第四步：将矩阵ΙNDOI中各元素的取值视为归一化后的灰度值，得到图像I0；
第五步：采用式(3)对图像I0进行灰度拉伸，得到图像IS，其中I0(x,y)和IS(x,y)分别为图像I0和IS在坐标(x,y)处的取值，a和b分别为图像I0中灰度的最小值和最大值；
第六步：将图像IS进行模糊化，通过以下步骤实现：
(a)利用MATLAB中的G＝fspecial('gaussian',[3 3],5)语句构造一个大小为3×3，标准差为5的高斯模板G；
(b)将图像IS与高斯模板G进行卷积，得到的模糊后的图像IB；
第七步：以阈值0.036对图像IB进行Roberts算子检测，将得到的图像记为IR,本步操作可以通过MATLAB中的
IR＝edge(IB,'roberts',0.036)语句来实现；
第八步：对溢油区域进行提取，通过以下步骤实现：
(a)对图像IR进行二值化处理，将图像IR中小于0.5的值置为0，其余值置为1，这样就可以得到一幅二值图像，记为Ib；
(b)通过MATLAB中的SE＝strel('disk',8)语句构造半径为8的圆形结构元素SE，然后采用结构元素SE对图像Ib进行闭操作，得到图像Ic，该操作可以通过MATLAB中的Ic＝imclose(Ib，SE)语句来实现；
(c)通过MATLAB中的Iclose＝imfill(Ic,'holes')语句对图像Ic进行孔洞填充，得到图像Iclose；
第九步：提取溢油区域的轮廓，通过以下步骤实现：
(a)将图像Iclose与图像Iclose1进行差分，得到图像Idifference,其中Iclose1为已知无溢油时相同海域数据经前八步处理后得到的图像；
(b)获取图像Idifference中的最大连通分量，并提取该连通区域的轮廓，该轮廓即为溢油区轮廓。
本发明优点在于：
1、可以直接对下载的MODIS遥感数据进行处理；
2、能够选择合适波段，并通过相关参数计算及图像处理方法有效突出海面溢油区，并提取出溢油区的轮廓。
附图说明
图1为本发明的流程图；
图2为第四步中得到的图像I0；
图3为第五步中经过灰度拉伸得到的图像IS；
图4为第七步中得到的图像IR；
图5为第八步中经过闭操作及孔洞填充得到的图像Iclose；
图6为最后得到的溢油区的轮廓。
具体实施方式：
下面结合具体实例对本发明做详细说明。
第一步：下载MODIS数据，使用ENVI软件对读入的数据进行处理，通过以下步骤实现：
(a)使用ENVI软件读入MODIS遥感数据，并分别将第1、4、3波段的数据对应为RGB模型中的R、G和B分量的值，进而得到遥感图像IRGB；
(b)根据各区域是否有溢油发生这一先验知识选取遥感图像IRGB中一块典型的水体区域和溢油区，得到各波段水体反射率的平均值Rsea和油区反射率的平均值Roil，并通过式(1)计算各波段的C值；
(c)将MODIS遥感数据转化为.TIFF格式以便下一步的处理；
第二步：使用MATLAB读入TIFF文件,将包含数据内容的三维矩阵记为M；
第三步：通过式(2)计算坐标(x,y)处NDOI的值NDOI(x,y)，其中(x,y)和(x,y)分别为使式(1)中C的值最大和最小的波段所对应的反射率在坐标(x,y)处的取值，然后将得到的各坐标处NDOI的取值构成一个double类型的矩阵ΙNDOI；
本步操作可以通过MATLAB中的ΙNDOI＝(M(:,:,NCmax)-M(:,:,NCmin))./(M(:,:,NCmax)+M(:,:,NCmin))语句来实现，其中NCmax和NCmin分别为使式(1)中C的值最大和最小的波段在三维矩阵M中坐标第三个分量的取值；
第四步：将矩阵ΙNDOI中各元素的取值视为归一化后的灰度值，得到图像I0；
第五步：采用式(3)对图像I0进行灰度拉伸，得到图像IS，其中I0(x,y)和IS(x,y)分别为图像I0和IS在坐标(x,y)处的取值，a和b分别为图像I0中灰度的最小值和最大值；
第六步：将图像IS进行模糊化，通过以下步骤实现：
(a)利用MATLAB中的G＝fspecial('gaussian',[3 3],5)语句构造一个大小为3×3，标准差为5的高斯模板G；
(b)将图像IS与高斯模板G进行卷积，得到的模糊后的图像IB；
第七步：以阈值0.036对图像IB进行Roberts算子检测，将得到的图像记为IR,本步操作可以通过MATLAB中的
IR＝edge(IB,'roberts',0.036)语句来实现；
第八步：对溢油区域进行提取，通过以下步骤实现：
(a)对图像IR进行二值化处理，将图像IR中小于0.5的值置为0，其余值置为1，这样就可以得到一幅二值图像，记为Ib；
(b)通过MATLAB中的SE＝strel('disk',8)语句构造半径为8的圆形结构元素SE，然后采用结构元素SE对图像Ib进行闭操作，得到图像Ic，该操作可以通过MATLAB中的Ic＝imclose(Ib，SE)语句来实现；
(c)通过MATLAB中的Iclose＝imfill(Ic,'holes')语句对图像Ic进行孔洞填充，得到图像Iclose；
第九步：提取溢油区域的轮廓，通过以下步骤实现：
(a)将图像Iclose与图像Iclose1进行差分，得到图像Idifference,其中Iclose1为已知无溢油时相同海域数据经前八步处理后得到的图像；
(b)获取图像Idifference中的最大连通分量，并提取该连通区域的轮廓，该轮廓即为溢油区轮廓。

Claims (1)

1.海面溢油区域图像探测方法，其特征在于如下步骤：
第一步：下载MODIS数据，使用ENVI软件对读入的数据进行处理，通过以下步骤实现：
(a)使用ENVI软件读入MODIS遥感数据，并分别将第1、4、3波段的数据对应为RGB模型中的R、G和B分量的值，进而得到遥感图像IRGB；
(b)根据各区域是否有溢油发生这一先验知识选取遥感图像IRGB中一块典型的水体区域和溢油区，得到各波段水体反射率的平均值Rsea和油区反射率的平均值Roil，并通过式(1)计算各波段的C值；
(c)将MODIS遥感数据转化为TIFF格式以便下一步的处理；
第二步：使用MATLAB读入TIFF文件,将包含数据内容的三维矩阵记为M；
第三步：通过式(2)计算坐标(x,y)处NDOI的值NDOI(x,y)，其中和分别为使式(1)中C的值最大和最小的波段所对应的反射率在坐标(x,y)处的取值，然后将得到的各坐标处NDOI的取值构成一个double类型的矩阵ΙNDOI；本步操作可以通过MATLAB中的ΙNDOI＝(M(:,:,NCmax)-M(:,:,NCmin))./(M(:,:,NCmax)+M(:,:,NCmin))语句来实现，其中NCmax和NCmin分别为使式(1)中C的值最大和最小的波段在三维矩阵M中坐标第三个分量的取值；
第四步：将矩阵ΙNDOI中各元素的取值视为归一化后的灰度值，得到图像I0；
第五步：采用式(3)对图像I0进行灰度拉伸，得到图像IS，其中I0(x,y)和IS(x,y)分别为图像I0和IS在坐标(x,y)处的取值，a和b分别为图像I0中灰度的最小值和最大值；
第六步：将图像IS进行模糊化，通过以下步骤实现：
(a)利用MATLAB中的G＝fspecial('gaussian',[3 3],5)语句构造一个大小为3×3，标准差为5的高斯模板G；
(b)将图像IS与高斯模板G进行卷积，得到的模糊后的图像IB；
第七步：以阈值0.036对图像IB进行Roberts算子检测，将得到的图像记为IR,本步操作可以通过MATLAB中的IR＝edge(IB,'roberts',0.036)语句来实现；
第八步：对溢油区域进行提取，通过以下步骤实现：
(a)对图像IR进行二值化处理，将图像IR中小于0.5的值置为0，其余值置为1，这样就可以得到一幅二值图像，记为Ib；
(b)通过MATLAB中的SE＝strel('disk',8)语句构造半径为8的圆形结构元素SE，然后采用结构元素SE对图像Ib进行闭操作，得到图像Ic，该操作可以通过MATLAB中的Ic＝imclose(Ib，SE)语句来实现；
(c)通过MATLAB中的Iclose＝imfill(Ic,'holes')语句对图像Ic进行孔洞填充，得到图像Iclose；
第九步：提取溢油区域的轮廓，通过以下步骤实现：
(a)将图像Iclose与图像Iclose1进行差分，得到图像Idifference,其中Iclose1为已知无溢油时相同海域数据经前八步处理后得到的图像；
(b)获取图像Idifference中的最大连通分量，并提取该连通区域的轮廓，该轮廓即为溢油区轮廓。
CN201910416667.2A 2019-05-20 2019-05-20 海面溢油区域图像探测方法 Active CN110097562B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910416667.2A CN110097562B (zh) 2019-05-20 2019-05-20 海面溢油区域图像探测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910416667.2A CN110097562B (zh) 2019-05-20 2019-05-20 海面溢油区域图像探测方法

Publications (2)

Publication Number Publication Date
CN110097562A true CN110097562A (zh) 2019-08-06
CN110097562B CN110097562B (zh) 2023-07-21

Family

ID=67448499

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910416667.2A Active CN110097562B (zh) 2019-05-20 2019-05-20 海面溢油区域图像探测方法

Country Status (1)

Country Link
CN (1) CN110097562B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110646793A (zh) * 2019-09-30 2020-01-03 浙江海洋大学 一种基于遥感的海洋溢油检测装置
CN113111890A (zh) * 2021-04-08 2021-07-13 哈尔滨工程大学 一种基于水天线的远距离水面红外目标快速跟踪方法

Citations (5)

* 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
CN106198443A (zh) * 2016-06-24 2016-12-07 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
CN106370307A (zh) * 2016-10-12 2017-02-01 青岛市光电工程技术研究院 一种水面溢油成像探测方法与装置
CN109671048A (zh) * 2018-10-31 2019-04-23 哈尔滨工业大学（威海） 一种基于灰度共生矩阵的水中航行体热尾流判别方法
US20190122369A1 (en) * 2016-06-30 2019-04-25 University Of Seoul Industry Cooperation Foundation Apparatus and method for detecting oil spill by using satellite image

Patent Citations (5)

* 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
CN106198443A (zh) * 2016-06-24 2016-12-07 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
US20190122369A1 (en) * 2016-06-30 2019-04-25 University Of Seoul Industry Cooperation Foundation Apparatus and method for detecting oil spill by using satellite image
CN106370307A (zh) * 2016-10-12 2017-02-01 青岛市光电工程技术研究院 一种水面溢油成像探测方法与装置
CN109671048A (zh) * 2018-10-31 2019-04-23 哈尔滨工业大学（威海） 一种基于灰度共生矩阵的水中航行体热尾流判别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GHANMI H: "Numerical mode lingof electromagnetic scattering from sea surface coveredby oil" *
赵振华: "极化 X 波段雷达海面溢油微波散射模型研究" *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110646793A (zh) * 2019-09-30 2020-01-03 浙江海洋大学 一种基于遥感的海洋溢油检测装置
CN113111890A (zh) * 2021-04-08 2021-07-13 哈尔滨工程大学 一种基于水天线的远距离水面红外目标快速跟踪方法
CN113111890B (zh) * 2021-04-08 2022-09-27 哈尔滨工程大学 一种基于水天线的远距离水面红外目标快速跟踪方法

Also Published As

Publication number Publication date
CN110097562B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
Sagar et al. Extracting the intertidal extent and topography of the Australian coastline from a 28 year time series of Landsat observations
Sunder et al. Inter-comparison of remote sensing sensing-based shoreline mapping techniques at different coastal stretches of India
Cham et al. An analysis of shoreline changes using combined multitemporal remote sensing and digital evaluation model
Bramante et al. Multispectral derivation of bathymetry in Singapore's shallow, turbid waters
Chen et al. Temporal and spatial variation of coastline using remote sensing images for Zhoushan archipelago, China
CN109190538A (zh) 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法
Zhao et al. Mapping large-area tidal flats without the dependence on tidal elevations: A case study of Southern China
Jerosch Geostatistical mapping and spatial variability of surficial sediment types on the Beaufort Shelf based on grain size data
ChenthamilSelvan et al. Assessment of shoreline changes along Karnataka coast, India using GIS & Remote sensing techniques
Andrews et al. Automated feature extraction and spatial organization of seafloor pockmarks, Belfast Bay, Maine, USA
Cui et al. Using remotely sensed suspended sediment concentration variation to improve management of Poyang Lake, China
CN103236063B (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
Yagoub et al. Monitoring coastal zone land use and land cover changes of Abu Dhabi using remote sensing
Choi et al. Quantitative estimation of intertidal sediment characteristics using remote sensing and GIS
CN107063197A (zh) 一种基于空间信息技术的水库特征曲线提取方法
Xu et al. Analysis of the characteristics and causes of coastline variation in the Bohai Rim (1980–2010)
CN102176001A (zh) 一种基于透水波段比值因子的水深反演方法
CN107247927B (zh) 一种基于缨帽变换的遥感图像海岸线信息提取方法及系统
CN103971370A (zh) 一种针对遥感大图像的海洋溢油智能检测方法
Ding et al. Shoreline movement monitoring based on SAR images in Shanghai, China
CN110097562A (zh) 海面溢油区域图像探测方法
Conti et al. High-resolution optical remote sensing for coastal benthic habitat mapping: A case study of the Suape Estuarine-Bay, Pernambuco, Brazil
Zhao et al. Stability evaluation of tidal flats based on time-series satellite images: A case study of the Jiangsu central coast, China
Alemi Safaval et al. Morphological changes in the southern coasts of the Caspian Sea using remote sensing and GIS
Lund et al. Marine X‐Band Radar Currents and Bathymetry: An Argument for a Wave Number‐Dependent Retrieval Method

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