（计算机应用技术专业论文）sar海冰图像智能分类识别算法的研究.pdf

摘要 海水和海冰表面粗糙度有着很大差异，并且海冰的厚度、分布形态和成冰时 间长短都会影响到海冰的表面介电常数和粗糙度。根据这一原理，合成孔径雷达 ( s y n t h e t i ca p e r t u r er a d a r ，s a r ) 图像被广泛地应用于监测海冰分布、海面浮冰 流动方向等领域。为保障海区的正常交通运输和海上生产作业的正常进行，许多 发达国家现已利用s a r 监测海冰，为海上运输和海上工程提供海冰的实况和预报。 目前我国加强了这方面的研究和与国外的合作交流，并且在s a r 海冰监测的硬件 设备方面已经具备了一些条件，但是在智能信息处理的软环境还有一定的不足和 空白。本论文就是建立在对s a r 海冰遥感图像的模式识别工作的基础上展开实验 的。 在图像处理方面，本文使用了利用灰度共生矩阵( g r a y 。l e v e lc o o c c u r r c n c c m a t r i x ) 计算s a r 海冰图像纹理特征的统计方法，然后结合s a r 图像像素灰度值组 成特征矩阵，并以此作为智能识别系统进行分类的依据。 在系统的建构方面，本文根据神经网络所具有的自组织、自学习、自适应以 及联想能力的特点，本着提高系统s a r 海冰图像分类精度的目的，建立了一种复 合基( r b f b p ) 神经网络模型，并选用了最常用的两种典型网络模型：b p 神经网络 和r b f 神经网络对同一幅s a r 海冰图像进行处理比较。通过实验对比，复合基神 经网络模型对s a r 海冰图像的识别效果和分类精度( 9 3 7 0 ) 都要优于其余两种网 络模型( 8 6 7 5 、9 0 5 6 ) 。 关键宇：合成孔径雷达( s a r ) ；纹理特征；灰度共生矩阵( g l c m ) ；复合基神经 网络 t h er e s e a r c ho fi n t e l l i g e n c ea l g o r i t h mf o rt h ec l a s s i f i c a t i o no fs a r s e ai c ei m a g e s a b s t r a c t t h e r ei sg r e a td i s c r e p a n c yi nt h es u r f a c er o u g h n e s sd e g r e eb e t w e e ns e a w a t e ra n d s e ai c e i na d d i t i o n ，b o t ht h ec o e f f i c i e n to fd i e l e c t r l c a ll o s sa n dt h er o u g h n e s sd e g r e eo n t h es u r f a c eo fs e ai c ec a nb ea f f e c t e db yt h et h i c k n e s s ，d i s t r i b u t i o na n df i g u r a t i o nt i m e o fs e ai c e a c c o r d i n gt ot h i sp r i n c i p l e ，s y n t h e t i ca p e r t u r er a d a r ( s a p ) i m a g e sa r e e x t e n s i v e l yu s e df o rt h ed e t e r m i n a t i o no f d i s t r i b u t i o na n df l o a t i n gd i r e c t i o no fb r a s hi c e a tp r e s e n t ，i no r d e rt oe n s u r et h es e c u r i t yo fs e aa r e a , m a n yd e v e l o p e dc o t m t r i e su s i n g s a r i m a g e ss u p p l yt h ef o r e c a s to fs e ai c ef o rc o n v e y a n c ea n dp r o j e c tw h i c ha r ea c t e d o nt h es e a m e a n w h i l e ，o u rc o u n t r yh a sh a dh a r d w a r ef o u n d a t i o nt os o m ee x t e n t ，b u th a s n or e l a t e ds o f t - w a r ei nt h ei n t e l l i g e n tp r o c e s s i n go ni c ei n f o r m a t i o n t h i sp a p e ri sb a s e d o nt h ew o r ko fb u i l d i n gap a t t e mr e c o g n i t i o ns y s t e mf o rt h es e ai c ei m a g e sw h i c ha r e c a u g h tb ys a l l i nt h ea s p e c to fi m a g e r yp r o c e s s i n g ，t h ea u t h o rp r o p o s eam e t h o do fu s i n g g l c m ( g m y - l e v e lc o - o c c u r r e n c em a t r i x ) t oc a l c u l a t et h et e x t u r ec h a r a c t e r i s t i co f s a ri m a g e s a n dt h es a ri m a g ei sc l a s s i f i e db yu s i n gt h ef e a t u r ev e c t o rt h a ti s c o m p o s e do f t h eg r a yl e v e lc o - o c c u r r e n c em a r x f e a t u r e sa n dg r a yo f p i x e l s ho r d e rt oi m p r o v et h ec l a s s i f i c a t i o na c c u r a c yo fi n t e l l i g e n c es y s t e m ，ac o m b i n e d b a s i s ( r b f b p ) n e u r a ln e t w o r km o d e li si n v e s t i g a t e df o rt h ed e t e c t i o no fs e a i c eb a s e d o nt h et e x t u r ea n a l y s i so fs a r i m a g e s t h em o d e li st r a i n e da n dt e s t e db yt h es a m p l e d a t as e to ft h ef e a t u r ev e c t o r s n l ec l a s s i f i c a t i o nr e s u l t sf r o mas e ai c ei m a g es h o wt h a t t h ec l a s s i f i c a t i o na c c u r a c yf o rs e ai c ei s9 3 7 0 b yt h i sm o d e l a si ss h o w nf r o ml o t so f e x p e r i m e n t s t h em o d e lb a s e do nt h ec o m b i n e db a s i sn e u r a ln e t w o r ki sm o r ee f f e c t i v e t h a n 也a tb a s e do na nc o m m o no n es u c ha sb pn e u r a ln e t w o r ka n dr b fn e u r a ln e t w o r k m e a n w h i l e ，t h i sm o d e lk e e p st h ep r i m ep r o x i m i t ya n dh a sag o o dp e r f o l z n a n c eo f c l a s s i f i c a t i o n k e yw o r d s ：s y n t h e t i ca p e r t u r er a d a r ( s a l l ) ；t e x t u r ec h a r a c t e r i s t i c ；g r a y - l e v e l c o o c c u r r e n c em a t r i x ：c o m b i n e db a s i sn e u r a ln e t w o r k 大连海事大学学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明：本论文是在导师的指导下，独立进行研究工作所取得的成果， 撰写成博士硕士学位论文 ：s 丛鲞达图篮蟹能筮差识别簋洼鲢受窒：。除论文 中已经注明引用的内容外，对论文的研究做出重要贡献的个人和集体，均已在文 中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已经公 开发表或未公开发表的成果。 本声明的法律责任由本人承担。 论文作者签名：审d 7 屯1 0 西年 月1 ；日 学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连海事大学研究生学位论文提交、 版权使用管理办法”，同意大连海事大学保留并向国家有关部门或机构送交学位论 艾的复印件和电子版，允许论文被查阅和借阅。本人授权大连海事大学可以将本 学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫 描等复制手段保存和汇编学位论文。 保密口，在年解密后适用本授权书。 本学位论文属于：保密口 不保密酉( 请在以上方框内打“”) 论文作者签名：冲。、j 乙导师签名：崖乏渺 日期：1 耐年弓月巧日 第1 章绪论 1 1 前言 近年来，随着全球气候的变暖和厄尔尼诺现象的频发，越来越严重的海冰危 害已经引起了多方的日益关注。海冰是指海洋上一切的冰，包括咸水冰、河冰和 冰山等。海冰的冻结、融化和漂流不仅会影响气候的变化，而且还会妨碍海上交 通、危及海洋资源的开发。在冰情严重的区域或异常严寒的冬季往往出现严重的 冰封现象，使沿海港口和航道封冻，给沿海经济及人民生命财产安全造成危害。 目前我国现在i e n 大对海洋勘测开发的力度，但是渤海和黄海北部每年都有不同 程度的结冰现象，整个冰期约3 4 个月，给船只航行、海上石油开发和海洋工程 带来了巨大的损失。另外，气候变暖导致大陆冰川滑入海中，而因此形成的大量 巨大冰块和流冰也给各种海上活动带来了极大的危害。 由于受到海洋调查手段的特殊性也限制了海洋监测学的发展。随着卫星探测 海洋技术的发展，大尺度、高密度、连续的实时海洋监测环境检测已成为现实。 特别是星载合成孔径雷达( s a r ) 技术，使得一些重要的海洋要素检测由单点的、时 限的变为大尺度、全天时和全天候的。雷达卫星s a r 系统能够全天候、全天时工 作，具有高空间分辨率，并对云层土壤、植被具有一定的穿透能力。与可见光、 红外传感器相比具有独特的优势和不能替代的地位。因此它被广泛应用于军事、 遥感、海洋、地质、水文、生态、测量等领域中，s a r 本身的特点和其余检测方式 的限制，决定了s a r 对海冰检测的绝对优势性，是未来最具有发展潜力的已有监 测系统。 1 2 海冰监测的方法 1 2 1 国内外海冰监测的方法 海冰的监测方法有很多，按探测平台可分为：g p s 观测、卫星遥感和航空遥感。 按照发射或接受的电磁波范围可分为光学遥感和微波遥感，其中光学遥感又可细 分为可见光遥感、红外遥感和紫外遥感【”。下面就光学遥感和微波遥感详细论述其 主要特点： ( 1 ) 光学遥感：光学遥感一般是被动遥感，接收的电磁波辐射源是地物对太阳 光源的反射和散射。电磁波波长主要分布在可见光、近红外区域。由于采用了多 光谱，它获取的信息比航空像片多的多。不同的波段对不同的目标有不同的辐射。 目前可利用的卫星资料越来越多，空间分辨率从米级到千米级，时间周期从几小 时到几十天，空间尺度可以从几十公里到几千公里。这些大范围、高分辨率、动 态的信息己广泛地应用于活动构造、地形地貌、形变测量、海洋监测等领域中。 目前用于海冰监测的光学遥感卫星有：美国的l a n d s a tm s s ( m u l t i s p e c t r a l s c a n n e r 多光谱扫描仪) ，法国的s p o th r v ( h i g hr e s o l u t i o nv i s i b l er a n g e i n s t r u m e n t ，1 0 和2 0 米分辨率) ，印度的i r s 1 c ( 5 米分辨率) ，中国的c b e r s 1 ( 1 9 5 米分辨率) 。 ( 2 ) 微波遥感：微波遥感属于主动遥感。微波遥感是新型的对地观测手段，与 光学遥感相比，微波遥感器有其独特的优越性：它不受云、雷、雨的限制，可以 全天时、全天候工作。 目前国外大多采用星载s a r ( 合成孑l 径雷达) 技术对全球海冰进行监测。主 要的遥感卫星有：加拿大的r a d a r s a t ，美国的s e a s a ts a r ，欧盟的e r s 1 和e r s - 2 ， 丹麦的e m i s a r 。我国在卫星遥感监测海冰研究方面也做了大量的工作。其中最 值得提到的是“神舟”四号上安装的微波遥感器精度优于1 0 厘米，它所使用的测量 方法可以能对全球范围的海冰表面进行全天候、连续、实时高精度测量。除此之 外，科学家们正在使用星载s a r 海冰资料研究海冰的动力和热力耦合过程、海冰 与海洋之间的相互作用以及海冰与全球气候变化等课题。 1 2 2 海冰分类识别技术 如今，针对海冰s a r 图像不同分类识别的研究，大多采用数据融合的方法对 多年冰、新冰和海水进行分类识别。 丹麦哥本哈根气象学院l y n g b y v e j 教授提出：将最初的s a r 图像通过不同的算 法得出三幅分解图像用于s a r 图像的人工识别。他利用多专家多标准图相融合技术 对图像进行处理，将水和冰分别分成4 个类总共8 个类，然后根据专家经验对每个 图像处理前选取冰和水各两个类进行图像处理【2 】。这种方法不像建立神经网络那样 需要确定各层的权值，但是缺点是需要专家的经验建立模糊规则，提高了实验实 ( 1 ) 光学遥感：光学遥感一般是被动遥感接收的电磁波辐射源是地物对太阳 光源的反射和散射。电磁波波长主要分布在可见光、近红外区域。由于采用了多 光谱，它获取的信息比航空像片多的多。不同的波段对不同的目标有不同的辐射。 目前可利用的卫星资料越来越多，空间分辨率从米级到千米级，时间周期从几小 时到几十天，空间尺度可以从几十公里到几千公里。这些大范围、高分辨率、动 态的信息己广泛地应用于活动构造、地形地貌、形变测量、海洋监测等领域中。 目前用于海冰监测的光学遥感卫星有：美国的l a n c l s a tm s s ( m u l t i s p e c t r a l s c a n n e r 多光谱扫描仪) ，法国的s p o th r v ( h i g hr e s o l a t i o nv i s i b l er a n g e i n s t r u m e n t ，1 0 和2 0 米分辨率) ，印度的瓜s 1 c ( 5 米分辨率) ，中国的c b e r s 1 ( 1 9 5 米分辨率) 。 ( 2 ) 微波遥感：微波遥感属于主动遥感。微波遥感是新型的对地观测手段，与 光学遥感相比，微波遥感器有其独特的优越性：它不受云、雷、雨的限制，可以 全天时、全天候工作。 目前国外大多采用星载s a r ( 合成孔径雷达) 技术对全球海冰进行监测。主 要的遥感卫星有：加拿大的r a d s r s a t ，美国的s e a s a ts a r ，欧盟的e r s 1 和e r s 2 ， 丹麦的e m i s a r 。我国在卫星遥感监测海冰研究方面也做了大量的工作。其中最 值得提到的是“神舟”四号上安装的微波遥感器精度优于1 0 厘米，它所使用的测量 方法可以能对全球范围的海冰表面进行全天候、连续、实时高精度测量。除此之 外，科学家们正在使用星载s a r 海冰资料研究海冰的动力和热力耦合过程、海冰 ， 与海洋之间的相互作用咀及海冰与垒球气候变化等课题。 12 2 海冰分类识别技术 如今针对海冰s a r 图像不同分类识别的研究，大多采用数据融台的方法对 多年冰、新冰和海水进行分类识别。 丹麦哥本哈根气象学院l y n g b y v e j 教授提出：将最初的s a r 图像通过不同的算 法得出三幅分解图像用于s a r 图像的人工识别。他利用多专家多标准图相融合技术 对图像进行处理，将水和冰分别分成4 个类总共8 个类，然后根据专家经验对每个 图像处理前选取冰和水各两个类进行图像处理闭。这种方法不像建立神经网络那样 需要确定各层的权值，但是缺点是需要专家的经验建立模糊规则提高了实验实 需要确定各层的权值，但是缺点是需要专家的经验建立模糊规则提高了实验实 施的难度。 德国不来梅大学l a r sk a l e s c h k e 博士提出使用纹理特征判别海冰种类的方法， 利用灰度共生矩阵有条件的连接可能密度函数，使用单元分析和多元分析描述s a r 海冰的特征空间，并且计算条件参数d ( 距离) 和角度a 的影响和自适应滤波的效应， 来确定由5 个g l c m 纹理特征引起的分布。他提出利用m e a n ，l e e ，e n t ，c o n ，a s i 这五种特征值可以更好的确定冰的种类。需要进一步指出的是a s i 这种特征值的 提取不是从s a r 图像中提取的特征值，而是从热成像的s s m i 图像中提取的数值 通过c a s i 算法得出的，即采用了不同数据来源的数据融合【3 】。这种方法能够准确 地划分冰水边缘地带，具有很高的准确度。可以由此得出利用这种数据融合方法 对s a r 图像中冰种类的进一步划分同样有很高的精度。但缺点是数据来源比较少， 很难计算得到大量的数据为神经网络训练作准备。 加拿大学者b s c h e u c h l 提出了散射分解模型在s a r 海冰数据中的重要作用。 他将3 个波段获得的机载s a r 图像输入循环的w i s h a r t 分类器，发现散射模型有 助于对解释指定的分类1 4 】。除了使用全部的数据集，还使用了减少维数的、对分类 具有潜力的、经过矢量分解后的数据集，这是因为这些矢量反应了在散射机制上 的分离。这些数据集中、表面散射的成分起到了主导作用，并且由它产生的分类 结果与使用全部数据集的结果相似。散射分解允许分离全极化的s a r 数据的不同 散射机制，并且居于矢量的分解为每个散射机制产生一个散射矩阵。这样依次产 生一个唯一的矩阵，可将其用于w i s h a r t 分类的基准。他提出了由w i s h a r t 分类 而带来的缺少物理判别基准的问题，并选用了两种分解方法来区别海冰的属性。 分解给出了散射机制的三元指示，并给出了矢量分解，这种矢量分解通过a 角对 散射机制分离。w i s h a r t 分类器被用于每一个a 角，其结果被用于与全部数据集比 较。由此得出：使用最小a 角的散射机制产生的结果与真正结果相似。下一个挑 战是再不丢失分类的内容的情况下，找到一个合适的聚类过程。僵缺点是不容易 找到一个合适的聚类过程，而且经常丢失分类内容。 在我国，h y 一1 a 在2 0 0 3 年1 月一2 月上旬对我国渤海和黄海北部的海冰进行 实时监测，向国家海洋环境预报中心和国家海洋局北海分局提供了2 5 幅海冰实时 图像，以及反演生成的海冰厚度、海冰外缘线、海冰密集度和海冰温度等，为我 国海冰预报工作提供了重要的基础数据源，使卫星监测海冰工作达到业务化水平。 国防科技大学u r 国家重点实验室利用加拿大r a d a r s a t 卫星的s a p , 图像和法 国的s p o t 卫星的多光谱图像为数据源。使用小波分析对s a r 图像进行前期滤波处 理，再采用数据融合的方法对地面目标物进行分类【5 】。具体实现是利用加拿大p c i 公司的雷达分析模块，其工作流程为：( 1 ) 输入相应区域的数字地形图，生成d e m 数 据；( 2 ) 输入r a d a r s a t 成像雷达的有关工作参数，生成相应区域的模拟雷达影像；( 3 ) 以模拟雷达影像为参考坐标系，选取对应控制点与实际影像进行配准；( 4 ) 对配准 后的影像进行正射投影校正。 作为信息产业部预研基金资助项目，电子科技大学电子工程学院的韩春林等 开展了合成孔径雷达图像目标分类的研究【“。这个课题基于灰度若生矩阵技术，研 究了可用于合成孔径雷达图像分类的灰度共生矩阵中差方差、差熵、对比度、能 量、方差等纹理特征量，分析了其特征提取和分类特性。运用类内类间距准则， 通过计算图像特征值的类内类间距，得到对合成孔径雷达图像分辨效果较好的纹 理特征量，并利用三层b p 神经网络进行图像分类，对s a p , 图像中市区内的建筑和 道路的分类识别获得了满意的分类结果。 1 3 本文研究的方法和思路 根据s a r 海冰图像的特点，我们在分析图像的成像机理及现有的国内外研究 现状的基础上，提出了本文的研究方法和思路。本文的研究的主要工作是针对s a r 海冰图像的具体特征，首先根据专家经验提取出图像中最能代表分类纹理特征的 区域，并把从中提取的特征矢量作为神经网络的输入源，并通过这些训练样本对 网络模型进行训练，直到网络收敛为止。然后用训练好的网络模型仿真待分类的 s a r 海冰图像，并对分类结果作分析，提出改进之处。 需要指出的是本文研究主要是针对经过预处理后的s a r 图像做的分类识别工 作。因此，本文不涉及s a r 图像的滤波等预处理工作，实验用图像都是经过预处 理后的图像。因此在图像的特征提取这一步，我们提取了灰度和纹理两个特征组 合在一起作为特征矢量。因为单纯靠纹理或者灰度都不能很好的提取出图像中的 所有对分类有帮助的特征信息。其中纹理提取的方法我们选择应用比较广泛的灰 度共生矩阵法。选择神经网络模型的时候，为了提高网络的训练速度和输出精度， 4 提出了r b f - b p 复合基双隐层网络结构。并且根据实验的具体要求选择不同的神 经网络进行训练比较，这里我们分别使用b p 、r b f 和复合基神经网络三种神经网 络模型对图像的特征矢量进行训练和仿真，通过多次实验确定最佳的网络参数， 使每一种网络模型都达到收敛。然后对比三种分类模型的分类精度、运行时间等 参数，提出哪一种网络模型更适合对s a p , 海冰图像进行分类。最后对研究中使用 的方法作了总结，提出需要改进的地方，确定了今后研究的目标。 第2 章s a r 遥感系统的海冰监测 2 1s a r 遥感技术 合成孔径雷达( s a r ) 是5 0 年代末研制成功的一种主动微波遥感器，它是一 种高分辨率相干成像雷达们。高分辨率包含两方面含义：即高的方位向分辨率和距 离向分辨率。它采用合成孔径技术来提高雷达的方位向分辨率，而距离向分辨率 的提高则通过脉冲压缩技术来实现。作为一种主动的航天、航空遥感手段，由于 s a r 是通过微波传感器来获取数据，所以具有全天时、全天候观测能力。它不仅 可以详细、准确地观测地形、地貌，获取地球表面的信息，获得类似光学照片的 目标图像，还可以透过一定地表和自然植被收集其下的信息。正由于合成孔径雷 达的这些突出优势，使得它在二十世纪五十年代刚一出现就备受关注。合成孔径 雷达系统的研究、研制与应用水平，是国家综合国力和科学技术水平的一个重要 标志，目前世界上技术先进的国家都在大力发展s a p 技术。 由于国外对合成孔径雷达监测技术研究起步比较早，目前有很多世界一流的科 学家云集在德、美、法著名实验室进行干涉s a g 技术及应用的研究，主要有美国 的j p l ( j e tp r o p u l s i o nl a b o r a t o r y ) 实验室，加拿大的c c r s ( c a n a d ac e n t e rf o rr e m o t e s e n s i n g ) ，法国的c n e s ( c e n t r en a t i o n a ld e t u d e ss p a t i a l e s ) 。欧空局已经建立了 e r s 1 研究干涉s a r 的小组，被称为e r s 1f r i n g e 小组，并且每年都组织相 关领域的国际研讨会。星载s a r 已成功地在海洋资源和海洋环境监测、海洋开发 和利用、海洋科学研究和海上军事活动中得到了应用并取得了重大的社会、经济 和军事效益。随着s a g 遥感技术应用的日趋广泛，应用深度逐渐加深，s a g 资料 正从定性向定量，从试验性应用向业务应用方向发展。 2 0 多年来，我国在合成孔径雷达系统的研究、研制方面，取得了显著进展和 多项重大科研成果，尤其在海洋观测、地形测绘、洪涝灾情监测、政府公共决策 等方面发挥了重要作用。如1 9 9 1 年对太湖流域进行洪涝灾情监测，1 9 9 8 年对洞庭 湖、鄱阳湖区域洪涝灾情进行监测，2 0 0 3 年对淮河流域洪涝灾情进行监测，对中 关村新技术开发区及2 0 0 8 年奥运规划区进行测绘等等。同时我国也正在研制自己 的合成孔径雷达卫星，并有望在近几年发射升空。到那时我们将会有大量的数据 需要处理a 因而在此之前，对这一技术的理论和应用领域进行深入的探索和研究， 对我国干涉s a r 技术跟上并融入国际技术发展潮流，有着非常重要的科学意义。 2 28 a r 遥感技术探测海冰原理 2 2 1s a r 遥感系统探测海冰原理 作为一种主动微波遥感器，合成孔径雷达发射电磁波照射海面，在海面发生 反射、透射、折射和吸收，合成孔径雷达的高分辨率图像的强度依赖于探测海表 面的粗糙度和介电特性，通过接收到不同的向后散射强度来区分海冰和其他物质。 海水、海冰和陆地表面粗糙有着很大差异，所以从合成孔径雷达图像上能将海水、 海冰与陆地区分开。另外，海冰的厚度、分布形态和成冰时间长短都会影响到海 冰的表面介电常数和粗糙度，根据它们的波谱特征也可以将它们区分开来。因此 s a r 被广泛地用来监测海冰分布、海面浮冰流动方向，为各种海洋活动提供安全监 测信息。 应用s a r 图像海冰探擐j 与光学图像相比具有如下显著特点嘲：( 1 ) 图像信息丰 富、观测目标轮廓清晰、对比度好；( 2 ) 能显现出目标更多的细节：( 3 ) 能够精确 地确定目标地域的大小：( 4 ) 能更好地区分邻近目标的特征。因此它在海冰监测中 具有实用价值。 自上世纪七十年代末期美国首次在s e a s a t 1 卫星上装载了s a r 获取局部冰雪 图开始，各匿都在积极研究并相继发射了遥感卫星对全球冰雪区域进行监测，这 些事实都证实了s a r 图像用于监测海冰的可行性。 2 2 2 国内外s a r 遥感系统探测海冰的应用 1 9 7 8 年美国首次在s e a s a t l 卫星上装载了s a r 开始获取局部冰雪图，标志着星 载雷达遥感应用研究的全面展开。随后几十年中，各国相继发射了多颗用于海洋 监测的卫星。这其中包括： ( 1 ) 1 9 9 5 年1 1 月，加拿大的r a d a r s a t 升空，它的一项重要目的就是全球海冰监 测，其接收数据处理中有专门对海冰及海冰一海洋数据预处理模式。r a d a r s a t 采用 c 波段( 频率5 3 g h z ) ，h h 极化，具有至少5 0 0 k m 的地砸观测范围，能以8 1 0 0 m 分 辨率对5 0 5 0 0 k m 观测带宽度的地面成像，飞行高度约为8 0 0 k i n 。在b a r 的海冰遥感 业务应用方面，以加拿大冰服务中心( c i s ) 最为先进和有代表性。 ( 2 ) 1 9 9 1 年和1 9 9 5 年相继发射的欧洲遥感卫星e r s i $ 口e r s - 2 雷达卫星都将海 冰监测作为重要的监测内容。它们工作在l 波段，w 极化，图像空间分辨率为2 6 m ， 飞行高度为8 0 0 k m 。e r s 上装备的s a r 是星载海冰探测最合适的独立工作设备，s a r 的波长为6 厘米，入射角为2 3 度，它对海洋表面与冰表面之间的粗糙度差异非常敏 感。 ( 3 ) 丹麦遥感中心的机载s a r 系统e m i s a r 是一个高分辨率( 2 m 2 m ) ，全极化， 双波段( l 和c 波段) 的系统。它装在g u l f s t r e a m g 3 喷气式飞机上，飞行高度1 2 k m 。 在1 9 9 5 年的3 月2 2 日和2 3 日，e i v l i s a r 在芬兰附近海域分别使用全极化l 波段和全极 化c 波段采集到了两幅海冰图像。 ( 4 ) 美国国家航空航天局( n a s a ) 于1 9 7 8 年和1 9 8 4 年分别发射的s e a s a t $ n s i r b 卫星都配备有合成孔径雷达，主要也是开展海洋研究。他们的工作波段都是l 波段， 发射接收都是水平极化方式，分辨率分别是2 5 m f $ f 1 4 0 m 。 如今，星载s a r 海冰检测己进入业务化、海冰信息产品化阶段。加拿大、欧洲、 美国等发达国家都已经将s a r 图像制成海冰密集度、类型、冰水边缘线和海冰飘移 等产品，向海上石油平台、船舶和破冰船等提供海冰实时预报服务。 我国星载s a r 海洋遥感起步于9 0 年代初。“八五”期间，我国有关单位完成 了国家“8 6 3 ”课题“星载s a r 海洋应用研究”和“中加航天s a r 海冰应用试验研 究”。1 9 9 5 年1 月国家海洋环境预报中心与加拿大遥感中心共同进行了中加海冰监 测合作项目。由中科院卫星遥感地面站实时接收我国渤海海区的欧洲遥感卫星 ( e r s 1 ) 及日本地球资源卫星( j e r s 一1 ) 的原始数据，并处理成s a r 图像数据。首次实 时接收到我国渤海海区的j e l l s 1 及e r s 1 卫星的s a r 图像5 幅，通过不同的s a r 图像处理技术，提取了s a r 图像的海冰信号特征，初步得到了s a r 海冰识别方法。 这次示范试验既是验证s a r 海冰监测的一次成功尝试，也是应用互联网实时获取 雷达卫星s a r 图像的成功尝试。 3 1 图像处理 第3 章s a r 海冰图像的特征提取 3 1 1 图像处理技术简介 随着计算机软件、硬件技术的日新月异的发展和普及，人类已经进入一个高 速发展的信息化时代，人类大概有8 0 的信息来自图像，科学研究、技术应用中 图像处理技术越来越成为不可缺少的手段。图像处理所涉及的领域有军事应用、 医学诊断、工业监控、物体的自动分检识别系统等，这些系统无不需要计算机提 供实时动态，效果逼真的图像处理。 图像处理的主要目的在于通过对原始图像的再加工，使之能具备更好的视觉 效果或能满足某些应用的特殊要求。在处理上主要包括图像的采集、编码、存储 和传输，图像的合成、增强、变换与复原，图像分割，模式识别，目标监测等诸 多内容。图像处理着重强调图像之间进行的各种变换，以及对图像中的特定目标 进行特征提取与目标分割。 上述的图像处理过程一般用算法的形式加以表述，随着图像处理技术的迅猛 发展，每年均有数以百计的新算法诞生。这些算法在设计时大量运用了数学、数 学信号处理、信息论以及色度学的相关知识，而且不少新算法还充分吸取了神经 网络、遗传算法、人工智能以及模糊逻辑等相关理论的一些思想，开阔了图像处 理的思路。 3 1 2s a r 图像的特征提取 对于海洋应用而言，星载s a r 图像预处理的主要内容有斑点噪声消除和图像 复合。s a r 图像斑点噪声是由海面后向散射信号与雷达发射信号相干而形成的。斑 点噪声影响图像的解译和应用。目前国内外消除图像斑点噪声的方法有两种：成 像前的多视处理和成像后的滤波技术。但经多视处理后的s a r 图像仍存在约3 0 的噪声；滤波技术在消除斑点噪声的同时不同程度地模糊了边缘信息【。另外，s a r 图像与s a r 图像复合、s a r 图像与t m 图像等的复合能更有效、更准确地揭示巢 些海岸带和海洋信息。目前已经有了一些图像复合技术，但还有待于进一步完善。 本文的研究工作主要是围绕已经过上述预处理工作后的s a r 图像作进一步的目标 特征提取和识别工作两个核心问题展开。 对预处理过的s a r 图像的目标特征提取和识别工作实际上也是属于图像分析 和解译的内容。无论是人工判读还是自动识别都需要分析目标的各种特征并加以 综合比较，最后对目标做出判断。该工作的重点在于目标特征的提取，而对图像 进行判读或提取目标特征需要事先拟定目标的影像特征，即判读标志。判断标志 可归结为八大要素：大小、形状、阴影、色调( 灰度) 、颜色、纹理、图案、位置。 在s a r 图像处理分析过程中，可供利用的影像特征包括：空间特征、极化特 征和时间特性。在影像要素中，除色调彩色与物体的波谱特征有直接的关系外， 其余大多与物体的空间特征有关。像元的色调彩色或波谱特征是最基本的影像要 素，如果物体之间或物体与背景之间没有色调彩色上的差异的话，他们的鉴别就 无从说起，这时需要的影像要素就是纹理特征。纹理特征对s a r 图像分析的特殊 性主要表现在：首先，纹理分析方法可以作为一种有力的边缘监测手段；其次， 因为s a r 图像上受噪声影响的均质区，在纹理测度图像上一般对应灰度同一的区 域，在分类处理时，若引入纹理信息，可以提高分类精度；最后，实际经验表明， 有些目标确实能从纹理测度上区分开来。并且因为纹理取决于空间色调的变化， 而不是灰度值，因此受图像未校正影响较小。同一地区的两幅图像间的纹理外观 基本不变，这点对图像解译工作非常有利。 3 2 纹理分析方法 r 3 2 1 什么是图像纹理 一个纹理实际上就是一个位图。从语义学角度来讲，纹理一词既是指一个物 体上颜色的模式，又是指物体表面是粗糙的还是光滑的。传统的纹理的定义是将 在原图中形状包含的灰度值块通过分块仿射变换映射到平均形状中，从而得到定 长的纹理表示。 s a r 遥感图像的纹理有细微纹理、中等纹理和宏观纹理三种： ( 1 ) 细微纹理是以分辨单元为尺度表示的空间色调变化，它是由雷达图像固有 的光斑特性所决定的，与分辨单元的大小和分辨单元内的独立样本数多少有关。因 为这是一种固有的纹理特征，具有随机特征。这与另外两种空间有机分布的纹理不 1 0 同，一般不能根据它来识别地面目标的类型。 ( 2 ) 中等纹理实际是细微纹理的包络，它是由同一种目标的若干分辨单元空间 排列的不均匀性，以及不同目标的细微纹理所占分辨单元的个数形成的，即以多 个分辨单元为尺度来表示空间色调变化。中等纹理是借以辨别地面目标的重要信 息之一，也是识别目标的主要依据。 ( 3 ) 宏观纹理实际就是地形结构，是由于雷达回波随地形结构特征的变化改变 雷达波束与目标之间的几何关系以及当地入射角而形成的。它反映地形地貌的结 构特征，是雷达图像地质地貌解译的重要标志之一。 图像纹理反映的是图像的一种局部结构化特征，具体表现为图像中各像素点 的邻域内像素点灰度级或者颜色的某种变化，而且这种变化是空间统计相关的， 它由纹理基元和基元的排列两个要素构成。纹理分析方法有统计方法、结构方法 和基于模型的方法。 3 2 2 图像纹理特征分析 细小地物在影像上有规律地重复出现，它反映了色调变化的频率，纹理形式 很多，包括点、斑、格、垅、栅。在这些形式的基础上根据粗细、疏密、宽窄、 长短、直斜和隐显等条件还可再细分为更多的类型。每种类型的地物在影像上都 有本身的纹理图案。因此，可以从影像的这一特征识别地物。 纹理反映的是亮度( 灰度) 的空间变化情况，有三个主要标志【1 1 ： ( 1 ) 某种局部的序列性在比该序列更大的区域内不断重复： ( 2 ) 序列由基本部分非随机排列组成； ( 3 ) 各部分大致都是均匀的统一体，在纹理区域内的任何地方都有大致相同的 结构尺寸。 这个序列的基本部分通常称为纹理基元。因此可以认为纹理是由基元按某种 确定性的规律或统计性的规律排列组成的，前者称为确定性纹理( 如人工纹理) ， 后者呈随机性纹理( 或自然纹理) 。对纹理的描述可通过纹理的粗细度、平滑性、 颗粒性、随机性、方向性、直线性、周期性、重复性等定性或定量的概念特征来 表征。 相应的众多纹理特征提取算法也可归纳为两大类，即结构法和统计法 1 1 】。结 构法把纹理视为由基本纹理元按特定的排列规则构成的周期性重复模式，因此常 采用基于传统的f o u r i e r 频谱分析方法【1 2 1 来确定纹理元及其排列规律。然而结构法 在提取自然景观中不规则纹理时就会遇到困难，因为这些纹理很难通过纹理元的 重复出现来表示，而且纹理元的抽取和排列规则的表达本身就是一个极其困难的 问题。在遥感影像中纹理绝大部分属随机性、服从统计分布，所以一般采用统计 法纹理分析。目前用得比较多的方法包括：共生矩阵法、分形维方法、马尔可夫 随机场方法等。共生矩阵是一比较传统的纹理描述方法，它可从多个侧面描述影 像纹理特征，在下面论文的中将作详细讲述。 3 3 本文采用的纹理特征分析方法 3 3 1 基于灰度共生矩阵的纹理统计分析方法 纹理实际上是一个二维数组，它的元素是一些颜色值。单个的颜色值被称为 纹理元素或纹理像素a 每一个纹理像素在纹理中 1 3 5 9 0 a 4 5 。 都有一个唯一的地址。这个地址可以被认为是一 个列和行的值。当我们将一个纹理应用于一个图元 时。它的纹理像素地址必须要映射到对象坐标系 中。然后再被平移到屏幕坐标系或像素位置上【l ”。 如图3 1 所示，它显示了一个5 5 像素的子窗口， 在这个子区域内的灰度共生矩阵( g r a yl e v e l c o - o c c u r r e n c em a t r i x ) 描述的是以一定距离d 和一 定角度0 分开的两个像元，灰度值一个为i ，一个 为j ( i j = o ，1 ，n ；n 为所考查图像区域内灰 度的最大值) 的概率v ( i ，jl d ，0 ) 。0 可取0 。、4 5 。、 i 0123 4 图3 1 纹理坐标系 f i g 3 1t e x t u r er e f e r e n c ef l a m e 9 0 0 、1 3 5 。，表示两个像元分开的角度。荻度共生矩阵是一个n n 的方阵，而纹理 特征表示的是在5 5 这个区域内灰度共生矩阵计算出来的一系列特征量来表达纹 理像素地址即坐标( 2 ，2 ) 处的值。 其中可直接计算出纹理的特征量主要有 1 4 】： ( t ) 基于统计的特征：均值( m e a n ) 、变化量( v a r i a n c e ) 、角二阶矩( a n g u l a r s e c o n dm o m e n t ) ： ( 2 ) 表达可视纹理的特征：局部平稳( h o m o g e n e 时) 、对比度( c o n t r a s t ) 、 非相似性( d i s s i m i l a r i t y ) ； ( 3 ) 基于信息理论的特征：熵( e n t r o p y ) ； ( 4 ) 基于相关度的特征：相关( c o r r e l a t i o n ) 。 3 3 2 灰度共生矩阵参数的选择 本文选择的是加拿大r a d a r s a t 卫星于1 9 9 8 年2 月份对波罗的海海域附近拍 摄的s a r 海冰图像【1 卦。由于灰度共生矩阵各项参数( 窗口大小、移动方向、距离 和灰度级) 的确定对纹理特征的计算起关键作用。本次试验选择了采用不同的窗 口大小、不同的灰度级、不同的方向和距离对同一s a r 图像计算其纹理特征图像。 从几种纹理特征图像可以看出：计算的方向平行于航向且距d = 2 时，移动窗口的大 小的变化将影响结果图像纹理图斑的大小，并且通过进一步研究发现不同分辨率 的原始图像需要不同的窑口大小。计算的方向平行予航向且距离d = 2 ，移动窗口大 小为1 5 1 5 时，纹理特征能较好地反映s a r 海冰图像的纹理特征。另外分别选择 不同的距离( d = l ，d = 2 ，d = 3 ) 和不同的方向( o 。，4 5 0 ，9 0 01 3 5 。) 进行实验，从试验结果看， 当d = 2 时，方向平行于航向时的效果最好。值得一提的是，灰度级l 的大小盔接影 响计算时间。例如，l = 1 6 的2 5 6 x2 5 6 像素大小的图像，计算时间约几分钟；l ，= 8 时 间需要几秒；l = 3 2 时，需要将是十分钟左右时间。通过试验表明灰度级l 选择1 6 和3 2 对结果图像几乎没有影响，如果l = 8 时，那将会影响结果纹理图像。综上可 以得出以下参数选择结论： 所以结合前人的经验，针对所要处理的s a r 海冰图像的特点，经过大量的实 验得出以下参数决定： ( 1 ) 计算纹理特征的窗口大小为1 5 1 5 ； ( 2 ) 计算纹理特征的最佳距离d 为2 ； ( 3 ) 计算纹理特征的最佳方向为水平方向即e = o 。； ( 4 ) 计算纹理特征的灰度级最优选择为l = 1 6 。 3 3 3 基于欧