本技術(shù)涉及溢油檢測(cè)領(lǐng)域，特別是涉及一種星載合成孔徑雷達(dá)海洋溢油檢測(cè)方法、設(shè)備、介質(zhì)及產(chǎn)品。

背景技術(shù)：

1、隨著海洋資源開發(fā)與海上運(yùn)輸業(yè)的迅猛發(fā)展，海洋溢油事故頻發(fā)，石油泄漏入海造成的污染可在海洋環(huán)境中持續(xù)多年。因此，開發(fā)智能、高效、快速的溢油檢測(cè)技術(shù)以減輕石油污染對(duì)海洋環(huán)境的有害影響至關(guān)重要。

2、與船只和飛機(jī)相比，衛(wèi)星成本低、效率高、覆蓋面積大，更適合用于溢油監(jiān)視。星載合成孔徑雷達(dá)（synthetic?aperture?radar，sar）的工作不受云層和光照的影響，可對(duì)大面積區(qū)域進(jìn)行高分辨率觀測(cè)。這種能力使其成為及時(shí)監(jiān)測(cè)海洋溢油的獨(dú)特微波儀器。溢油以漂浮的粘彈性碳?xì)浠衔飳拥男问匠霈F(xiàn)在海面上，由于表面張力增加，這些碳?xì)浠衔飳訒?huì)阻尼風(fēng)產(chǎn)生的短表面重力波和毛細(xì)波。這種阻尼效應(yīng)導(dǎo)致來自海洋表面的雷達(dá)回波減少，從而使溢油在合成孔徑雷達(dá)圖像中顯示為暗斑區(qū)域。不過，生物薄膜、低風(fēng)速區(qū)、油脂冰、雨胞、海岸線附近的風(fēng)影區(qū)、上升流區(qū)和內(nèi)波等疑似溢油現(xiàn)象也會(huì)減弱雷達(dá)后向散射，導(dǎo)致sar圖像中出現(xiàn)暗斑。在某些條件下，sar圖像中可能會(huì)同時(shí)出現(xiàn)多類暗斑，從而使溢油檢測(cè)變得更加復(fù)雜。

3、傳統(tǒng)的數(shù)學(xué)模型和圖像處理技術(shù)已被廣泛用于檢測(cè)單極化sar圖像中的溢油。早期的研究采用自適應(yīng)閾值和統(tǒng)計(jì)建模相結(jié)合的方法來實(shí)現(xiàn)溢油的自動(dòng)檢測(cè)。在溢油檢測(cè)過程中，使用自適應(yīng)閾值法來識(shí)別sar圖像中的暗斑。然而，由于斑點(diǎn)噪聲的影響，這種方法難以準(zhǔn)確檢測(cè)圖像中的暗斑。對(duì)于基于多元概率分布函數(shù)的分類器來說，將有關(guān)觀測(cè)到石油泄漏可能性的先驗(yàn)信息與包括風(fēng)速在內(nèi)的輔助數(shù)據(jù)結(jié)合起來至關(guān)重要。包括紋理分析和小波變換在內(nèi)的圖像處理技術(shù)也被用于溢油檢測(cè)。不過，當(dāng)溢油與周圍區(qū)域?qū)Ρ榷容^低時(shí)，這兩種方法可能會(huì)產(chǎn)生不準(zhǔn)確的檢測(cè)結(jié)果。

4、上述方法完全依賴單極化sar測(cè)量的海洋表面雷達(dá)回波強(qiáng)度來探測(cè)溢油。全極化sar測(cè)量的目標(biāo)散射矩陣包括相位和振幅信息。根據(jù)極化目標(biāo)分解理論，可從散射矩陣中分解出各種極化特征參數(shù)。由于這些極化特征能夠描述和量化不同的散射機(jī)制，目前已被廣泛用于溢油檢測(cè)當(dāng)中。但之前的一項(xiàng)研究表明，從全極化sar數(shù)據(jù)中提取的極化特征會(huì)受到乘性和加性系統(tǒng)噪聲的影響，因此不適合用于分析散射特性和特征。此外，對(duì)“深水地平線”災(zāi)難中石油泄漏的機(jī)載全極化sar觀測(cè)數(shù)據(jù)的分析表明，石油覆蓋區(qū)域和清潔海面的雷達(dá)后向散射主要與表面布拉格散射有關(guān)。因此，溢油和清潔水域的極化特征差異可能是儀器噪聲造成的，而非不同的散射機(jī)制。此外，全極化sar的覆蓋范圍（20千米至70千米）遠(yuǎn)遠(yuǎn)小于單極化sar的覆蓋范圍（250千米至500千米），因此不適合用于溢油監(jiān)測(cè)。

5、由于機(jī)器學(xué)習(xí)技術(shù)具有映射輸入和輸出之間復(fù)雜非線性關(guān)系的卓越能力，因此被越來越多地應(yīng)用于遙感圖像分類和分割任務(wù)。包括人工神經(jīng)網(wǎng)絡(luò)、遺傳算法和隨機(jī)森林在內(nèi)的各種機(jī)器學(xué)習(xí)模型已被用于檢測(cè)sar圖像中的溢油。幾種基于人工神經(jīng)網(wǎng)絡(luò)的溢油檢測(cè)算法使用了兩套模型：一種用于分割暗斑，另一種用于暗斑分類。這種雙模型方法增加了溢油檢測(cè)過程的復(fù)雜性。此外，人工神經(jīng)網(wǎng)絡(luò)模型的輸入通常是人為主觀意識(shí)選擇的，因此這種方法無法為溢油檢測(cè)選擇最具代表性的特征。雖然隨機(jī)森林和遺傳算法可以消除冗余輸入并識(shí)別最重要的物理、幾何和紋理特征，但它們?nèi)匀恍枰斯じ深A(yù)才能實(shí)現(xiàn)溢油檢測(cè)。

6、而深度學(xué)習(xí)模型由多個(gè)處理層組成，能夠有效學(xué)習(xí)圖像中的各類特征。例如，卷積神經(jīng)網(wǎng)絡(luò)可以自動(dòng)從大型數(shù)據(jù)集中提取多層次的圖像特征并融合信息，從而促進(jìn)快速準(zhǔn)確的圖像分類和分割。yolov4、faster?r-cnn和vgg-16等各種深度學(xué)習(xí)模型已被用于溢油檢測(cè)當(dāng)中。這些分類或目標(biāo)檢測(cè)模型在實(shí)際應(yīng)用中專門為sar圖像中的暗斑分類或溢油定位而做過優(yōu)化。此外，一些語義和實(shí)例分割模型已被用于分割溢油并提取其范圍。不過，大多數(shù)分割模型都需要以包含溢油的子圖像作為輸入。要獲取這些子圖像，必須事先確定整個(gè)圖像中的溢油位置。原始sar圖像可分為若干個(gè)子圖像，每個(gè)子圖像都必須重復(fù)溢油檢測(cè)過程，從而增加了檢測(cè)時(shí)間和計(jì)算負(fù)荷。此外，將完整的sar圖像分割成子圖像可能會(huì)將大塊或狹長(zhǎng)的溢油分割成幾個(gè)部分，從而增加單個(gè)溢油未被檢測(cè)到的風(fēng)險(xiǎn)。

7、基于以上現(xiàn)有技術(shù)的發(fā)展?fàn)顩r和存在的問題，亟需提供一種新的sar海洋溢油檢測(cè)方法，以能夠解決現(xiàn)有技術(shù)中檢測(cè)精度與效率難以平衡、特征提取困難以及誤檢率高等問題，實(shí)現(xiàn)對(duì)星載sar海洋溢油更高效、精準(zhǔn)的檢測(cè)，為海洋環(huán)境保護(hù)和溢油事故應(yīng)急處理提供有力的技術(shù)支持。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)的目的是提供一種星載合成孔徑雷達(dá)海洋溢油檢測(cè)方法、設(shè)備、介質(zhì)及產(chǎn)品，能夠?qū)崿F(xiàn)對(duì)星載sar海洋溢油更高效、精準(zhǔn)的檢測(cè)。

2、為實(shí)現(xiàn)上述目的，本技術(shù)提供了如下方案：

3、第一方面，本技術(shù)提供了一種星載合成孔徑雷達(dá)海洋溢油檢測(cè)方法，所述星載合成孔徑雷達(dá)海洋溢油檢測(cè)方法包括：

4、獲取海洋溢油區(qū)域的星載合成孔徑雷達(dá)圖像；

5、基于faster?r-cnn模型和unet++模型，構(gòu)建海洋溢油檢測(cè)模型；所述海洋溢油檢測(cè)模型中根據(jù)星載合成孔徑雷達(dá)圖像，采用faster?r-cnn模型，確定包含海洋溢油區(qū)域的候選框；并根據(jù)候選框?qū)?yīng)的星載合成孔徑雷達(dá)圖像，采用unet++模型進(jìn)行海洋溢油區(qū)域的檢測(cè)，得到檢測(cè)結(jié)果；所述檢測(cè)結(jié)果包括：海洋溢油區(qū)域的邊界、形狀及內(nèi)部細(xì)節(jié)特征；

6、根據(jù)海洋溢油區(qū)域的星載合成孔徑雷達(dá)圖像，采用海洋溢油檢測(cè)模型，得到海洋溢油區(qū)域的檢測(cè)結(jié)果。

7、可選地，所述海洋溢油檢測(cè)模型還包括：

8、采用非最大值抑制算法對(duì)包含海洋溢油區(qū)域的候選框的置信度分?jǐn)?shù)進(jìn)行排序；

9、從置信度分?jǐn)?shù)最高的候選框開始，將與當(dāng)前的候選框重疊面積超過面積閾值，且置信度分?jǐn)?shù)小于置信度分?jǐn)?shù)閾值的候選框剔除，得到剔除后的候選框。

10、可選地，所述根據(jù)海洋溢油區(qū)域的星載合成孔徑雷達(dá)圖像，采用海洋溢油檢測(cè)模型，得到海洋溢油區(qū)域的檢測(cè)結(jié)果，具體包括：

11、對(duì)海洋溢油區(qū)域的星載合成孔徑雷達(dá)圖像進(jìn)行預(yù)處理操作；所述預(yù)處理操作包括：斑點(diǎn)噪聲抑制、入射角校正、陸地掩膜和數(shù)據(jù)歸一化；

12、根據(jù)預(yù)處理后的星載合成孔徑雷達(dá)圖像，采用海洋溢油檢測(cè)模型，得到海洋溢油區(qū)域的檢測(cè)結(jié)果。

13、可選地，所述對(duì)海洋溢油區(qū)域的星載合成孔徑雷達(dá)圖像進(jìn)行預(yù)處理操作，具體包括：

14、利用移動(dòng)均值濾波對(duì)星載合成孔徑雷達(dá)圖像進(jìn)行斑點(diǎn)噪聲抑制；

15、利用cmod5.n地球物理模式函數(shù)對(duì)斑點(diǎn)噪聲抑制后的星載合成孔徑雷達(dá)圖像在距離方向上進(jìn)行強(qiáng)度縮放操作，得到入射角校正后的星載合成孔徑雷達(dá)圖像；

16、利用全球高分辨率數(shù)字高程模型對(duì)入射角校正后的星載合成孔徑雷達(dá)圖像掩蓋陸地區(qū)域并增強(qiáng)圖像對(duì)比度，得到陸地掩膜后的星載合成孔徑雷達(dá)圖像；

17、對(duì)陸地掩膜后的星載合成孔徑雷達(dá)圖像進(jìn)行數(shù)據(jù)歸一化，得到預(yù)處理后的星載合成孔徑雷達(dá)圖像。

18、可選地，利用cmod5.n地球物理模式函數(shù)對(duì)斑點(diǎn)噪聲抑制后的星載合成孔徑雷達(dá)圖像在距離方向上進(jìn)行強(qiáng)度縮放操作，得到入射角校正后的星載合成孔徑雷達(dá)圖像，具體包括：

19、利用公式對(duì)斑點(diǎn)噪聲抑制后的星載合成孔徑雷達(dá)圖像在距離方向上進(jìn)行強(qiáng)度縮放操作；

20、其中，為垂直極化雷達(dá)后向散射系數(shù)，分別代表風(fēng)速、相對(duì)風(fēng)向和入射角，ssr代表入射角校正后的海表面粗糙度，cmod5.n（）為cmod5.n地球物理模式函數(shù)。

21、可選地，根據(jù)預(yù)處理后的星載合成孔徑雷達(dá)圖像，采用海洋溢油檢測(cè)模型，得到海洋溢油區(qū)域的檢測(cè)結(jié)果，之后還包括：

22、對(duì)檢測(cè)結(jié)果進(jìn)行可視化。

23、第二方面，本技術(shù)提供了一種星載合成孔徑雷達(dá)海洋溢油檢測(cè)設(shè)備，所述星載合成孔徑雷達(dá)海洋溢油檢測(cè)設(shè)備包括：

24、圖像獲取模塊，用于獲取海洋溢油區(qū)域的星載合成孔徑雷達(dá)圖像；

25、海洋溢油檢測(cè)模型構(gòu)建模塊，用于基于faster?r-cnn模型和unet++模型，構(gòu)建海洋溢油檢測(cè)模型；所述海洋溢油檢測(cè)模型中根據(jù)星載合成孔徑雷達(dá)圖像，采用faster?r-cnn模型，確定包含海洋溢油區(qū)域的候選框；并根據(jù)候選框?qū)?yīng)的星載合成孔徑雷達(dá)圖像，采用unet++模型進(jìn)行海洋溢油區(qū)域的檢測(cè)，得到檢測(cè)結(jié)果；所述檢測(cè)結(jié)果包括：海洋溢油區(qū)域的邊界、形狀及內(nèi)部細(xì)節(jié)特征；

26、檢測(cè)結(jié)果確定模塊，用于根據(jù)海洋溢油區(qū)域的星載合成孔徑雷達(dá)圖像，采用海洋溢油檢測(cè)模型，得到海洋溢油區(qū)域的檢測(cè)結(jié)果。

27、第三方面，本技術(shù)提供了一種計(jì)算機(jī)設(shè)備，包括：存儲(chǔ)器、處理器以及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)所述的星載合成孔徑雷達(dá)海洋溢油檢測(cè)方法。

28、第四方面，本技術(shù)提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述的星載合成孔徑雷達(dá)海洋溢油檢測(cè)方法。

29、第五方面，本技術(shù)提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述的星載合成孔徑雷達(dá)海洋溢油檢測(cè)方法。

30、根據(jù)本技術(shù)提供的具體實(shí)施例，本技術(shù)具有了以下技術(shù)效果：

31、本技術(shù)提供了一種星載合成孔徑雷達(dá)海洋溢油檢測(cè)方法、設(shè)備、介質(zhì)及產(chǎn)品，基于faster?r-cnn模型和unet++模型，構(gòu)建海洋溢油檢測(cè)模型，基于faster?r-cnn對(duì)海洋溢油區(qū)域進(jìn)行初步的目標(biāo)定位與識(shí)別，利用其快速準(zhǔn)確檢測(cè)目標(biāo)物體的特性確定可能的溢油區(qū)域范圍；同時(shí)借助unet++在語義分割上的優(yōu)勢(shì)，對(duì)已定位區(qū)域進(jìn)行更精細(xì)的分割與特征提取，從而精準(zhǔn)描繪出溢油區(qū)域的邊界、形狀及內(nèi)部細(xì)節(jié)特征等信息；本技術(shù)通過利用海洋溢油檢測(cè)模型進(jìn)行海洋溢油檢測(cè)，能夠解決現(xiàn)有技術(shù)中檢測(cè)精度與效率難以平衡、特征提取困難以及誤檢率高等問題，實(shí)現(xiàn)對(duì)星載sar海洋溢油更高效、精準(zhǔn)的檢測(cè)，為海洋環(huán)境保護(hù)和溢油事故應(yīng)急處理提供有力的技術(shù)支持。