基于多源遥感影像的海上溢油监测处理系统

陈彤彤，许凤至,李建伟

(1.烟台海事局，山东 烟台 264000；2.北海航海保障中心烟台通信中心，山东 烟台 264000；3.中海石油环保服务(天津)有限公司，天津 300457)

随着我国水运行业的迅速发展，海上活动日益频繁，加大了海上交通事故和溢油事故的发生风险，对海洋生态环境和沿岸经济的发展造成了重大的影响，溢油事故的实时监测是降低溢油污染风险，提高溢油应急响应能力的有效方法[1]。

目前基于遥感影像进行海上事故监测大多还使用人工处理的操作，处理速度相对缓慢，缺乏高效的综合信息处理系统支撑平台，分析结果的内容和表现形式也相对单一，为决策部门提供技术支持时存在局限性。近年来已经开展了一系列海上溢油监测技术研究[2]，但是现有的系统大都仅使用了SAR影像数据，很少涉及到资源更加丰富的光学影像，而且对于海上目标的监测仅涉及溢油区域的监测[3]，存在监测目标单一、数据种类少等问题，不能够满足海上资源监测实时迅速的要求。

1 系统架构

本文基于C/S的系统架构，结合光学和雷达影像，针对船舶、敏感资源(海冰、养殖区)、溢油等多种海上目标，设计了包含数据管理、影像预处理、自动化监测、报表制作和管理的海上溢油监测处理系统(见图1)，可以满足海上多种资源实时快速监测的需求。整体架构分为业务层、服务层、数据层。应用层提供地图浏览、影像处理、图斑管理、专题制图、报表生成、归档管理等功能，逻辑层主要提供海上目标的自动识别功能，数据层主要是用来存储原始影像、处理后影像、图斑、报表、AIS数据等数据库。

图1 遥感溢油监测处理系统架构

2 关键技术

2.1 影像预处理

2.1.1 光学影像

光学传感器影像可以提供多光谱影像，提供地表真实图像，同时还可以提供近红、短多红外等波段为海上目标的监测提供更多的信息。系统中支持多种光学传感器，包括landsat-8、Sentinel-2、GF-1、GF-2、ZY-3、MODIS、Pleiades等影像(见表1)，分辨率范围0.5～1 000 m，时间分辨率范围1～16 d，通过集成多种传感器影像，可以支持短周期不同场景下的海上目标监测需求。

表1 光学影像产品参数表

2.1.2 SAR影像

合成孔径雷达影像相对于光学影像具有穿云透雨、全天时、全天候的工作能力，并且可以在夜间工作，具有大范围目标探测、工作方式灵活、能够适应恶劣天气的优势[4]，尤其是溢油事故监测具有的时间和位置不确定的特性。系统集成了多种雷达影像，包括Radarsat-2、COSMO Skymed、GF-3、ENVISAT-ASAR、Terra SAR-X等，见表2。

2.1.3 影像预处理

系统内集成了针对上述影像的自动化预处理流程，包括格式转换、几何校正、正射校正、辐射定标、投影转换、海陆分离、影像裁剪、去噪、拉伸、镶嵌、融合等功能。影像预处理功能主要依靠GDAL库实现，GDAL是一个在X/MIT许可协议下的开源栅格空间数据转换库。预处理算法主要采用C++实现，同时针对雷达影像成像过程中产生的几何形变问题，需要对原始影像做地理编码，这一过程采用IDL调用Sarscape地理编码功能模块实现[5]。

表2 SAR影像产品参数表

2.2 海上目标自动监测

针对船舶、海冰、养殖区、溢油等4类海上目标，实现了多种自动化提取方法，包括恒虚警率算法、faster r-cnn算法、自动化阈值算法、Unet算法。实现从原始数据到预处理、目标识别、特征信息计算的全自动化过程。

2.2.1 海上船舶的自动提取

恒虚警率(CFAR)是船舶提取的主流算法(见图2)，算法原理简单，易于实现，对于简单海况上的船舶识别有较高的精度，但是在高海况海域中，该算法易受海杂波、海岛的影响，同时进行CFAR识别之前还需要进行海陆分离操作，因此，系统中还集成了基于faster r-cnn框架的深度学习算法，通过引入不同环境下的样本，实现海上船舶的自动提取。

图2 基于CFAR算法的船舶提取

2.2.2 海上敏感资源的自动提取

辽东湾是我国纬度最高、冰情最重的海区，周边沿海地区是我国重要的经济开发区。海冰已成为辽东湾海域海上工程设计、航运和开发生产中必须考虑的重要环境要素。系统中分别针对雷达和光学影像集成了基于纹理的雷达影像、基于自适应阈值算法的光学影像海冰自动提取功能，见图3、4。

图3 基于landsat-8影像的海冰提取

图4 基于Radarsat-2影像的海冰提取

利用遥感图像快速提取养殖区范围(见图5)，可以帮助养殖场选址、决定养殖区品种、开展养殖区密度、养殖水体监测；同时结合GIS技术，还可以对养殖区进行规划和管理，评估水产养殖区对环境的影响。系统中使用Unet深度学习框架，通过人工构架养殖区样本，训练养殖区分割模型，实现了对海上养殖区的自动化提取。

图5 基于Radarsat-2影像的海上养殖区提取

2.2.3 海上溢油自动提取

海上溢油事故监测是系统中的主要模块，系统集成了单极化SAR溢油自动识别算法，主要分为3个步骤：暗目标提取；暗目标特征提取；油膜与疑似油膜分类，通过构建大量的样本库对溢油区域进行识别。海上溢油提取结果见图6。

图6 海上溢油提取结果

3 系统实现

系统采用了C/S框架，以GIS和遥感技术为基础，采用C#语言，基于Arcgis Engine10.0嵌入式GIS组件库，目标识别模块采用C++和python语言，基于GDAL/OGR开源栅格/矢量控件数据转换库开发而成。系统包含地图操作基本、自动化目标识别、图斑管理、专题制图、报表生成和归档管理等功能。

自动化目标识别是用户加载影像后，可以实现一键海上目标的自动化识别，主要包括影像预处理、海陆分离、目标识别、目标特征信息(中心坐标、面积、周长、时间)等4个过程。

专题图制模块用于制作溢油监测报表中所需的溢油图斑专题图、海冰图斑专题图、养殖区图斑专题、船舶图斑专题图。具体包括鹰眼图图层管理、制图范围显示、导出图片、专题图图层管理、图斑整饰、图斑制图处理。用户可以根据实际需求执行设置排版操作、选择纸张类型、比例尺、添加注记、线段、显示符号等操作。

报表生成根据报表模板自动生成溢油监测、养殖区监测、船舶监测、海冰监测报表。主要功能包括文字填写、插入鹰眼图与专题图、导出word或PDF等。

对使用系统的原始影像、预处理成果影像、监测产生的结果进行建库和管理。包括：监测报告查询、海上目标图斑管理、原始影像管理、处理结果影像管理。

4 结论

基于多源遥感影像的海上溢油监测处理系统通过遥感图像处理技术和深度学习算法，实现了海上目标的实时监测，解决了传统的人工操作效率低下的问题。与现有的海上溢油监测系统相比，本系统除SAR影像外，还支持了国内外多种光学影像。除溢油监测外，还针对海上交通集成了船舶、海冰、养殖区的自动化监测，提升了系统对海上资源多元化的监测能力，能够为国家海事部门提供高质量的溢油业务化监测服务。