Multi-Feature Based Ocean Oil Spill Detection for Polarimetric SAR Data Using Random Forest and the Self-Similarity Parameter

综合多特征使用随机森林和自相似性参数的极化SAR海面溢油检测

成果信息

Tong, S.; Liu, X.; Chen, Q.^*; Zhang, Z.; Xie, G. Multi-Feature Based Ocean Oil Spill Detection for Polarimetric SAR Data Using Random Forest and the Self-Similarity Parameter. Remote Sensing 2019, 11, 451-471.

URL: https://www.mdpi.com/2072-4292/11/4/451

DOI: 10.3390/rs11040451

项目经费：国家自然科学基金(41771467, 41471355)

团队成员

童绳武，硕士研究生，中国地质大学(武汉)，地理与信息工程学院，研究方向为极化SAR海面溢油检测。

刘修国，博士，中国地质大学(武汉)，地理与信息工程学院，教授，博士生导师，主要从事遥感信息提取及其地学应用、地学大数据建模及可视分析等方面的研究。

陈启浩，博士，中国地质大学(武汉)，地理与信息工程学院，副教授，硕士生导师，主要从事雷达图像处理及其灾害调查评估、城市规划、环境监测应用方面的研究。(联系邮箱：chenqihao@cug.edu.cn)

张正加，博士，中国地质大学(武汉)，地理与信息工程学院，讲师，硕士生导师，主要从事雷达干涉测量及其地质灾害、青藏高原冻土环境监测应用方面的研究。

谢广奇，博士研究生，武汉大学，测绘遥感信息工程国家重点实验室，研究方向为极化SAR海洋目标提取。

成果介绍

海面溢油污染会对海洋生态环境造成严重的破坏，合成孔径雷达(SAR)是一种重要的溢油检测的方法。然而，在SAR图像上与油膜具有相似表征的类油膜会降低溢油的检测精度。因此，本文提出了一种新的基于极化SAR数据多特征的方法来提高溢油检测的精度。该方法中采用了对散射目标随机性十分敏感的极化自相似性参数来提高油膜与类油膜的可区分度，相比类油膜与海水区域，油膜区域的散射机制比较复杂，去极化程度和散射随机性较高，因此自相似性参数可以用来检测溢油。同时，该方法利用综合了自相似性参数和多个极化特征采用随机森林进行海面溢油检测。随机森林具备较好的分类性能，能有效地抑制噪声，且在类间不平衡的分类场景中能够有效抑制分类误差。该方法的流程如图1所示。在两种极化SAR数据集上的实验证明了本文所引入的特征和所提方法的有效性。

图1 所提方法流程图

(1) 用于溢油检测的自相似性参数

选择7个溢油检测常用的极化特征与自相似性参数( )进行对比分析，分析其在矿物油膜(c)、混合油膜(e)、类油膜(v)以及海水(w)中的区分能力。从图2中可以看出，自相似性参数的两种油膜与类油膜的区分力要强于其他极化特征。

图2 八个极化特征中油膜与类油膜和海水的可区分性， 为自相似性参数

(2) 综合多特征使用随机森林的溢油检测新方法

综合自相似性参数与另外7种溢油检测常用的极化特征，采用随机森林进行溢油检测。该方法充分利用了极化信息，可以较好的提取油膜且掩膜类油膜。从表1中可以明显看出，与其他极化SAR溢油检测方法相比，该方法有效的提高了海面溢油检测的精度。

图3 所提方法在两种极化SAR数据中的分类结果。(a) RADARSAT-2全极化SAR数据，(b) UAVSAR全极化SAR数据

表1 两种极化SAR数据中四种溢油检测方法的精度对比，SRF为所提方法

创新点：

1. 引入了自相似性参数来检测海面溢油，该特征对目标散射机制的随机性非常敏感，可以有效的区分油膜与类油膜。

2. 提出了一种综合多特征与自相似性参数使用随机森林的海面溢油检测方法，该方法可有效提高海面溢油检测精度。