基于SAR影像的海上石油平台识别方法研究

万剑华，姚盼盼，2，孟俊敏，刘善伟

(1.中国石油大学地球科学与技术学院，山东青岛266555;2.国家海洋局第一海洋研究所，山东青岛266061;3.国家海洋局与中国航天科技集团公司海洋遥测工程技术研究中心，山东青岛266061)

一、前 言

我国辽阔的南海疆域蕴藏着极其丰富的油气资源，但近年来，遭到一些周边国家的大肆掠夺，因此面临着维护海洋权益的重要任务。对非法石油平台所在的位置进行检测，可为维护海洋权益提供有力的支撑。目前对海上石油平台的识别，主要是基于岸基和岛屿站观测，但这些手段的观测范围非常有限。而SAR工作在微波波段，不受云雾影响和光照条件的限制，从而可实现全天时、全天候的观测，适于海上石油平台的监测和识别。

利用SAR图像进行海上石油平台的识别研究较少，张露等［1］在2L-IHP(two-looks internal Hermitian product)方法检测结果的基础上，结合目标形状和子孔径运动检测方法，将海上静止目标和运动目标区分开来。海上石油平台和舰船的上层建筑相似，对微波雷达信号能产生很强的反射作用，在SAR图像中是以亮目标的形式出现的，检测原理相似，国内外专家学者对SAR影像识别舰船目标研究较多，可以借鉴使用。国内外发展了多种算法，主要有双参数恒虚警率(CFAR)算法［2-4］、基于 K-分布的 CFAR 算法［5-8］、多极化检测算法［9-10］、基于小波变换的检测方法［11-12］、基于矢量机的检测方法［13］和改进的KSW算法［14］等。

本文结合星载SAR全天时、全天候及免受云雾干扰的优势，尝试了一种基于SAR影像识别海上石油平台的方法。以我国南海某一海域为例，利用3景多时相SAR影像对其进行海上石油平台的识别，共识别出5处石油平台，验证了利用SAR影像识别海上石油平台的可行性。

二、研究区域及数据源

本文采用了一景RADARSAT-2 SAR数据和两景TerraSAR-X数据。RADARSAT-2 SAR影像成像时间为2011年5月27日，HH极化的精细模式(fine)，标称景大小为50 km×50 km，分辨率为10 m×9 m;两景TerraSAR-X数据成像时间为2011年5月16日，HH极化的单视复影像，标称景大小为10 km×10 km，分辨率为2 m×2 m。

三、基本原理和识别方法

1.基本原理

雷达波束与海面的作用，主要有两种机制:镜面反射和Bragg散射。在比较平静的海面，电磁波能量主要通过镜面反射返回雷达传感器，此时雷达很难接收到回波，SAR图像呈现出很暗的海面;而海面有风浪的情况下，随着风生表面张力波和重力波的出现，海面变为粗糙面，这种条件下会产生明显的后向散射，后向散射主要是布拉格散射(布拉格散射是一种共振散射，入射电磁波与波长在其同一量级的海面波发生共振，此表面波称为布拉格波)。此时雷达可以接收到较强的回波，SAR图像表现出较亮的像素值。

海上石油平台主要由金属制成，在SAR发射的电磁波照射到海上石油平台上时，平台本体与海洋表面构成的角反射器，以及平台上层结构自身形成的角反射器［15］对雷达波具有极强的后向散射能力，从而在SAR图像上表现为几个乃至数十个像素的高亮度的点目标或硬目标［16］。

但是一般而言，即便是海面出现很大的风浪，舰船、石油平台等目标的后向散射回波均要远远强于海面背景的回波。因此，在SAR图像上直接检测石油平台目标，其本质就是在杂波和噪声干扰的暗背景中检测亮目标的问题。

舰船和海上石油平台的上层建筑相似，在SAR图像中也是以亮目标的形式出现的。但舰船由于运动性特征，在SAR影像上会出现尾迹，因此可根据舰船的尾迹特征和形状特征来区别舰船和石油平台。本试验采用多时相影像，根据舰船运动性特征，对比分析多时相影像中同一目标来进一步对舰船和石油平台判断，从而得到石油平台的识别结果。

2.识别方法

本文采用了3景SAR影像，首先对SAR影像进行预处理;然后对图像进行亮目标的检测，并根据舰船和平台形状的差异，以及舰船的尾迹特征进行初步判断，识别出石油平台;最后根据本试验RADARSAT-2 SAR影像和TerraSAR-X影像成像时间不同，对比多时相影像中同一亮目标，并根据舰船的运动性特征排除舰船目标，检验初步判断结果，进而得到石油平台的最终识别结果。

(1)数据预处理

本文采用自适应滤波，因其在平滑斑点的同时能够很好地保持边缘细节的变化。经过对各种自适应滤波结果比较，选用Gamma滤波，可以有效地抑制斑点噪声，更好地实现SAR图像中海上石油平台这样的亮目标的识别［17］。

(2)亮目标检测

TerraSAR-X影像Ⅰ中共识别出5个亮目标，分别编号(圆圈表示01号目标为亮目标，但未检测出，目视解译获得)，如图1所示;TerraSAR-X影像Ⅱ共识别出6个亮目标，分别编号(圆圈表示13号目标为亮目标，但未检测出，目视解译获得)，如图2所示。

图1 TerraSAR-X影像Ⅰ亮目标检测结果

图2 TerraSAR-X影像Ⅱ亮目标检测结果

(3)石油平台识别

根据舰船和平台形状的差异，以及舰船的尾迹特征进行初步判断，识别出石油平台;然后根据本试验RADARSAT-2 SAR影像和TerraSAR-X影像成像时间不同，对比多时相影像的同一亮目标，并根据舰船的运动性特征排除舰船目标，检验初步判断结果，进而得到石油平台的最终识别结果。

①初步判断

检测出亮目标之后，在TerraSAR-X两景影像中(如图1、图2 所示)，编号为 4、5、6、7、8、9、10、11 的亮目标，形状为长形，且有明显尾迹，初步判断为舰船;编号为 1、2、3、12、13 的目标，形状为近似圆形，无尾迹，初步判断为石油平台(目标1和13，并未检测出，靠人工目视解译得到)。

②多时相影像检验

运用ENVI软件中的geographic link功能，连接多时相影像。TerraSAR-X影像中编号为4、5、6、7、8、9、10、11的目标，初步判断为舰船，而在RADARSAT-2影像中未找到与其相对应的目标，因此与初步判断结果一致，判断为舰船，如图3所示;编号为1、2、3、12、13 的目标，初步判断为石油平台，在RADARSAT-2影像中找到与其相对应的目标，与初步判断结果一致，判断为石油平台，如图4所示。

然后可分别统计各平台的信息，如位置、大小等。以平台3为例，在TerraSAR-X影像Ⅰ中，目标03 的中心位置是北纬 8°27'54″，东经 108°38'46.7″;在RADARSAT-2 SAR影像中，目标03的中心位置是北纬 8°27'58.5″，东经 108°38'33.7″。最后，量测该平台的面积，大约是15 320 m2。

图3 舰船目标

图4 石油平台目标

四、结果与分析

1.测试结果

本文两景TerraSAR-X影像中，共识别出5处海上石油平台，即编号为1、2、3、12、13 的目标。

2.测试结果分析

本文得到的平台地理位置在两景影像中有一定的差别，造成这种位置差别的原因是本文使用的两颗卫星影像在几何校正时的差别，影响了目标的地理位置的精度，对于海上石油平台识别，这一位置差别被认为是符合精度要求的。且本文首先在一景影像中作初步判断，然后采用多时相影像对比同一亮目标，并检验初步判断结果，进而得到最终识别结果，从而保证了结果的可靠性。虽然得到了平台面积，但由于缺乏各类型平台的实测特征数据，以及卫星分辨率的问题，目前还无法确定识别到的平台类型。

按照九段线的延伸位置，这5处平台位于我国九段线范围内，但我国在此位置并没有进行油气的开采，故不属于我国的海上石油平台，因此判定其为外国在我国海域开采油气的非法平台。

五、结束语

针对外国在南海地区对我国油气资源进行非法掠夺这一问题，在舰船巡逻等传统方法观测范围有限的情况下，本文利用3景多时相SAR影像对我国南海海域的海上石油平台进行识别，选用Gamma滤波器对图像进行滤波处理，在TerraSAR-X影像中作平台目标的初步判断，然后利用不同时相的RADARSAT-2影像作舰船目标的排除和初步判断结果的检验，最终共识别出5处石油平台，得到其位置和面积，验证了通过SAR影像识别海上石油平台的可行性。

［1］张露，郭华东，韩春明.SAR海上静止目标检测［J］.遥感技术与应用，2007，22(3):321-325.

［2］ELDHUSET K.An Automatic Ship and Ship Wake Detection System for Spaceborne SAR Images in Coastal Re-gions［J］.IEEE Trans，1996，34(4):1010-1018.

［3］DAVID P C，WEI S，DEEPAK T，et al.SAR Ship Detection Using New Conditional Contrast Box Filter［C］∥SPIE Conference on Algorithms for Synthetic Aperture Radar Imagery.Washington:SPIE，1999:274-284.

［4］WACKERMAN CC，FRIEDMAN K S，PICHEL WG，et al.Automatic Detection of Ships in RADARSAT-1 SAR Imagery［J］.Canadian Journal of Remote Sensing，2001，27(5):568-577.

［5］VACHON P W，CAMPBELL J W M，BJERKELUND C A，et al.Ship Detection by the RADARSAT SAR:Validation of Detection Model Predictions［J］.Canadian Journal of Remote Sensing，1997，23(1):48-59.

［6］VACHON PW，THOMASSJ，CRANTON J，et al.Validation of Ship Detection by the RADARSAT Synthetic Aperture Radar and the Ocean Monitoring Workstation［J］.Canadian Journal of Remote Sensing，2000，26(3):200-212.

［7］JIANG Q，AITNOURI E，WANG S，et al.Automatic Detection for Ships Target in SAR Imagery Using PNNModel［J］.Canadian Journal of Remote Sensing，2000，26(4):297-305.

［8］种劲松，朱敏慧.SAR图像舰船目标检测算法的对比研究［J］.信号处理，2003，19(6):580-582.

［9］TOUZI R.Calibrated Polarimetric SAR Data for Ship Detection［C］∥Proceedings of IGARSS2000.［S.l.］:IEEE 2000 International Geoscience and Remote Sensing Symposium，2000:144-146.

［10］TOUZI R.On the Use of Polarimetric SAR Data for Ship Detection［C］∥Proceedings of IGARSS’99.［S.l.］:IEEE 1999 International Geoscience and Remote Sensing Symposium，1999:812-815.

［11］罗强，罗莉，任庆利，等.一种基于小波变换的卫星SAR海洋图像舰船目标检测方法［J］.兵工学报，2002，23(4):500-503.

［12］张风丽，吴炳方，张磊.基于小波分析的SAR图像船舶目标检测［J］.计算机工程，2007，33(6):33-34.

［13］邹焕新，匡纲要，郁文贤.基于特征矢量匹配的SAR海洋图像舰船目标检测［J］.现代雷达，2004，26(8):25-29.

［14］陈珊.合成孔径雷达图像上舰船目标的检测［D］.上海:上海交通大学，2008，21-23.

［15］PICHEL W G.Synthetic Aperture Radar Marine User’s Manual［M］.Washington D C:［s.n.］，2004:277.

［16］田巳睿，王超，张红.星载SAR舰船检测技术及其在海洋渔业监测中的应用［J］.遥感技术与应用，2007，22(4):503-512.

［17］牛莹.基于纹理特征的星载SAR溢油监测研究［D］.大连:大连海事大学，2009:25-29.