国内外专家和学者提出了一些自动化或半自动化的SAR溢油监测系统。根据各研究方法的不同，选取了不同溢油特征参量。在SAR影像中，主要研究油膜和类油膜的特征表征，可以分为三类：光谱特征、形状特征以及纹理特征。
1）光谱特征
海面溢油的主要成分是由烃类和烷类构成的有机类物质，是一种碳氢化合物，其中的C—H键在1.2μm、1.73μm和2.3μm波段范围内具有明显的吸收带特征，因此，可利用C—H键的这些吸收带特征，提取溢油的参考光谱［13］。在SAR影像上，不同波段对应不同的光谱特征，图6-3所示为NASA于2010年拍摄的不同波段深水溢油UAVSAR影像。
图6-3 不同波段深水溢油UAVSAR影像
海面溢油的高光谱场景中主要有溢油、海水和云，此外水面还有些漂浮物。其中漂浮物的占比较小，对背景参数的影响可忽略不计。溢油与海水混合在一起，成片分布于海面上，占比较大，不可忽略。图6-4所示为2010年拍摄的墨西哥湾海面溢油的高光谱影像。
根据海面油膜的反射率光谱特征不同，计算不同厚度、不同时间或不同油种的标志性光谱特征，并以此为基础进行高光谱遥感影像数据上油膜的识别，提高溢油目标识别与相对厚度区分的准确度和效率。高光谱图像的分辨率高，图谱合一，且光谱波段多，信息量丰富，通过对光谱特征和遥感影像数据特性的分析，对可探测的最薄油膜厚度进行计算，这对溢油监测中最小溢油量的估算有重要的意义。
图6-4 墨西哥湾海面溢油的高光谱场景（图片来源于NASA）
2）形状特征
（1）形状特征的参数。形状特征中主要涉及的参数有面积、周长、形状因子、最小外包距和圆形度等。其表示方法如下：
溢油在SAR影像上都呈现出暗黑区域，即暗斑面积（area），用A表示。
SAR影像暗黑边缘的长度，即暗斑周长（circumference），用C表示。
暗斑的最小外包矩形（minimum bounding rectangle），即最小外包距MBR，用它很容易刻画不规则区域的大小。
描述暗斑边界的复杂程度，即圆形度（roundness），用R表示，暗斑越接近圆形，其值越小，其计算公式为
代表海面溢油的宽度和长度的比值，即形状因子（shape），用S表示，其计算公式为
式中，W和L分别表示暗斑外界矩形的宽度和长度。
（2）不同溢油方式带来的几何形状特征。海洋环境中的溢油来源是多方面的，主要有海底溢油、油田溢油和海运溢油等。随着海上石油运输量的逐年增加和海洋石油的开采，船舶溢油事故和钻井平台事故的溢油量较大，最容易对海洋环境造成严重污染。
对于海底溢油，MacDonald等［14］和黄晓霞等［15］经过研究发现，海底储藏的石油是通过地层断裂或裂隙向海洋渗漏的，渗漏的石油一般以连续的小油珠或油气泡浮向海面，每颗小油珠或油气泡到达海面时形成彩色浮油膜，这些光泽浮油快速朝侧向扩散并形成人眼不可见的连续层状油膜，颜色从彩色转变成银灰色。海底溢油在SAR图像上海底油渗的灰度值明显低于周围海区的灰度值，呈现为黑色，其几何特征一般为蝌蚪状、丝絮状或者条带状，且反复出现，如图6-5所示［16］
图6-5 丝絮状和条带状海底油渗SAR图像
对于油田溢油，由于钻井设备或者输油管道出现故障，输油管道的破裂，导致在海面上形成粗条带，SAR图像上显示出比较均匀的条带形状。而钻井平台事故会导致海面上溢油集中分布成很大的面积，如图6-6和图6-7所示。
图6-6 航拍大连新港输油管线爆炸起火事故原油污染海域(www.xing528.com)
图6-7 BP石油公司钻井平台故障导致墨西哥湾溢油一年后影像
对于海运溢油，船舶溢油发生的方式有两种：发生瞬时溢油是指持续时间较短的一次性溢油，时间对溢油量的影响可忽略不计；而连续溢油则是在一段时间内船舶油不间断泄漏。船舶静止溢油是指在整个溢油过程中船舶的位置基本不变，而移动溢油是指溢油过程中船舶的位置发生变化。船舶溢油的运动规律是：刚从船舶排出的油还来不及扩散，随着时间的推移，油膜逐渐扩散，即先溢出的油会随着时间的推移扩散因而油带是粗的，后溢出的油还没来得及扩散因而油带是细的，因此在SAR影像上白色亮点后面有一条由细变粗的黑色条带。如图6-8和图6-9所示。
图6-8 船舶溢油影像一
图6-9 船舶溢油影像二
综上所述，几种不同溢油方式具有不同的形状特征，见表6-3［16］
表6-3 几种溢油方式的其他特征
3）纹理特征
在SAR图像监测溢油中引入纹理，通过油膜与“假目标”有不同的纹理信息这一特点来区分暗色区域辨别溢油，不仅能够帮助人们提高溢油辨识精度，还能帮助了解溢油的变化规律，通过纹理窥探到油膜扩散的方向，这对实际工作中清污船架设围油栏、清理油污具有指导意义［17］
目前，纹理分析的方法有很多种，其中共生矩阵法是一种常见和广泛应用的纹理统计分析方法，它不仅考虑了像元的灰度值，还考虑了像元在空间的排列，即对纹理的两个基本特征进行了完美的结合，并且提出了非常明确的具有实际意义的特征向量，更有利于对海洋溢油进行定量分析。
从灰度共生矩阵的纹理分析可以统计出多个纹理特征统计量，主要包括以下八种：
（1）均值。反映了局部窗口内灰度的均值。
（2）变化量。反映了局部窗口内的灰度变化程度，值越大说明变化程度越高，值越小说明变化程度越低。
（3）角二阶矩。反映了图像灰度分布的均匀程度和纹理的粗细程度。因为它是灰度共生矩阵各元素的平方和，因此也称为能量。角二阶矩大时，纹理粗，能量大；反之，则纹理细，能量小。
（4）同质性。是衡量局部均匀性的特征向量，若局部均匀，则同质性值大；反之，则值小。
（5）对比度。也称惯性矩，可理解为图像的清晰度，纹理的沟纹深，则对比度大，图像效果清晰；反之，对比度小则沟纹浅，效果模糊。
（6）差异性。差异性是图像像元灰度差异的度量值，差异越大，则图像上地物明暗反差越大，越易识别。
（7）熵。反映了图像中纹理的复杂程度（非均匀度）。纹理复杂，则熵大；反之，若图像中灰度均匀，共生矩阵的元素大小差异不大，熵就较小。
（8）相关性。用来衡量灰度共生矩阵的元素在行的方向或列的方向上的相似程度。
纹理特征计算公式见表6-4。
表6-4 纹理特征值
注：
。其中，M、N分别代表灰度共生矩阵的行、列数。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
