基于GA-WNN的极化SAR海洋溢油检测方法研究

• 作者: 丁亚雄 刘善伟 宋冬梅 张婷 杨敏 王斌 甄宗晋 陈伟民
• 来源期刊: 海洋科学
• 学科: 工学
• 关键词: Radarsat-2 SAR 极化特征 遗传算法 小波神经网络 海洋溢油
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 70-81
• 页数: 12页
• 分类号: TP79
• 字数: 5806字
• 语种: 中文
• DOI: 10.11759/hykx20171011001

摘要

海洋溢油对海洋生态和人类生活带来严重的影响.由于合成孔径雷达(Synthetic Aperture Radar,SAR)具有全天时全天候的工作能力,在海洋溢油检测中发挥重要作用.目前,极化SAR是SAR探测技术的先进手段.本文利用6个极化特征进行溢油检测,通过对比分析这些特征对不同溢油的检测能力,得出单一极化特征在溢油检测中存在不足.通过J-M特征优选方法,提取出溢油检测识别度较高的特征影像,并利用遗传算法优化的小波神经网络(Genetic Algorithm-Wavelet Neural Network, GA-WNN)进行溢油检测.利用2套Radarsat-2全极化数据进行了方法验证,结果表明,该方法优于其他检测方法,溢油检测精度分别达到90.31％和95.42％.