摘要：针对目前合成孔径雷达(Synthetic Aperture Radar，SAR)监测溢油存在的问题，在分类时考虑像元灰度的空间分布和结构特征；同时考虑分类时样本不足的缺陷，采用结合纹理的支持向量机(Support Vector Machine，SVM)遥感图像分类方法，进行溢油目标的识别。以发生在西班牙的“威望号”溢油事件为例，利用目标样本对以灰度共生矩阵法提取各种纹理特征进行了分析，指出均值、对比度、方差、熵和相异性能够较好地识别溢油目标。采用最小距离、最大似然和SVM分类器分别对溢油目标进行提取，结果表明SVM具有较好的分类精度。

关键词：水路运输；溢油；合成孔径雷达；纹理；支持向量机

随着航运业的发展，船舶溢油已经成为海洋生态环境的重要威胁之一，溢油事故的频发不仅给海洋环境，而且给沿岸经济、人民生活带来了严重影响。溢油事故一旦发生，有必要及时采取应急措施，因此，溢油事故的动态监测至关重要。

SAR(Synthetic Aperture Radar)工作在微波波段，能够不受气候条件的限制，对地面目标实行全天侯全时段观测，在溢油监测领域受到了广泛应用M。目前，利用SAR监测溢油目标的最大困难在于除了受海况条件影响外，还有假目标的干扰。传统的SAR监测溢油，主要依赖于目标物的灰度信息，无法解决假目标的识别(比如，生物膜、低风速区等)，大大限制了SAR监测溢油的应用。

SAR图像成像不同于光学图像成像，它能更有效地反映地物的结构信息。目前，用于溢油监测的SAR影像，多为单波段单极化数据，尽管ENVISAT卫星提供了双极化数据，但目标的识别还是限于利用灰度信息和纹理信息。在利用SAR溢油监测时，比较普遍关心的问题是哪种纹理适用于识别溢油目标。另一方面，现有的分类方法多基于统计模式识别理论，是建立在大数法则的基础之上，也就是说，在样本数趋于无穷的情况下，才能获得理想的分类效果。而在多数的实际应用过程中，样本数通常是有限的，这些方法难以取得理想的效果。

以“威望号”溢油事件为例，利用灰度共生矩阵法提取各种纹理特征，分析了各种纹理特征识别目标物的能力，考虑到传统分类方法的不足，构建了结合纹理特征的SVM(Support Vector Machine)分类模型对溢油目标进行提取，结果表明该方法具有较好的溢油监测精度。

1结合纹理特征SVM分类器的构建

1．1纹理特征

如果SAR数据是单波段单极化数据，除了灰度信息，纹理是用来进行目标识别的主要特征。目前，已经发展了各种纹理特征。本文选择从图像有关属性的统计分析出发的灰度共生矩阵来计算纹理特征(见表1)。

表l灰度共生矩阵纹理特征统计量表

表1中：

1)均值特征为模板中像元灰度的均值；

2)对比度特征反映图像纹理的粗细度，表征了一定位置关系下的像素对的灰度反差。在目标物边缘处和非匀质区域，都具有较高的亮度值；

3)角二阶矩特征度量图像灰度分布均匀性和纹理粗细度。图像均匀、细致时，具有较高的亮度值。反之，亮度值低；

4)协同性特征是图像分布平滑性的测度。对于匀质区域，具有较高亮度值。反之，亮度值低；

5)方差和相异性特征反映图像的不均匀性。对于匀质区域，亮度值低。反之，亮度值高；

6)熵特征是反映图像信息量的指标之一。对于粗纹理区域，图像的均匀性好，亮度值就低。反之，亮度值高；

7)相关性特征描述了图像纹理元在一定位置关系下的相似程度。相似度高，图像亮度高，其更能反映非匀质区域的差别。

1．2SVM的基本原理

SVM的基本思想是：构造最优超平面，将两类样本正确分开，并且使两类的分类间隔最大，VC(Vapnik-Cheervonenkis)维最小，实现真实风险最小。对非线性问题，把样本非线性映射到高维度空间，在高维度空间建立具有低VC维的最优分类超平面。SVM综合考虑经验风险和置信范围的大小，根据结构风险最小化原则，获得风险上界最小的分类函数。在线性可分的情况下，通过求解一个约束条件下的极值问题，得到最优分类函数：

(1)

式(1)中：sgn[]为符号函数，ai*为最优解，b*为分类阈值。

对于线性不可分的情形，通过映射，在高维度空间中构建最优超平面。Vapnik提出核函数的概念，避免了直接在高维空间中对映射后的样本进行操作，降低了计算量。对于满足Mercer条件的核函数K(xi，x)，最优分类函数为：

(2)

目前常用的核函数有：

1)线性核函数(Linear)；

2)多项式核函数(Polynomial)；

3)径向基核函数(Radian Basis Function，RBF)；

4)S形核函数(Sigmoid)。

1．3 SVM核函数的选择及参数的确定

从上节可以看出，选择的核函数不同，对应着不同的最优分类超平面，从而生成不同形式的支持向量机。对于线性核函数，实际上是在输入空间构造分类超平面，分类能力有限。如果采用多项式核函数，虽然分类能力随着幂的增加而增加，但计算量也将逐渐增加。S型核函数分类能力强，但不一定是正定的，且需要制定两个参数，缺乏直观性，所以使用不方便。径向基核函数分类能力不低于高阶多项式核函数和S型核函数，而且可以视线性核函数为其特殊情况。因此，采用RBF核函数，SVM可以在非常宽泛的函数集中选择最优的分类函数；RBF的另一个优点在于它只有一个核参数(γ)。本文在设计SVM分类器时，选择RBF核函数。

对于参数的确定，主要指RBF核函数的两个参数C(惩罚系数)和γ。本文采用交叉检验来确定这两个参数。即将整个训练数据分为n等份，每次采用，n-1份作为训练集，剩余的一份作为测试集，然后依次轮转，直到每等份都做过一次测试集。试验多对(C，γ)，得到它们的分类准确率，从中选择性能最好的一对。采用交叉检验能够防止过度适应的问题。

1．4结合纹理特征的SVM分类模型构建

基于上述思想可构建结合纹理特征的SVM分类模型，见图1。其主要流程包括：

1)对于SAR影像，预处理工作主要指几何校正和辐射定标；

2)纹理提取工作，一方面包括纹理特征的计算，另一方面包括选择溢油敏感的纹理特征；

3)SVM训练主要是基于选择的纹理特征，选取训练样本，建立判别函数；以此对提取的纹理特征进行分类，获取溢油目标；

图1 SVM分类模型构建

2实验结果与分析

选择2002-11-17的一景ENVISAT ASARi(Advanced SAR)数据，该数据包含了2002-11-13发生在西班牙附近海岸的“威望号”溢油污染事故。ASAR工作在C波段，本次采用的数据为宽带模陆，采用垂直极化模式，空间分辨率150m。

ASAR WS模式数据的预处理利用欧空局提供融BEST工具完成，对数据进行了辐射定标，为了保留纹理信息，没有对数据进行滤波处理(见图2)。

从图2我们可以明显看到图像中部的溢油，颜色呈黑色。白色区域为陆地，沿着白色区域的黑色部分，主要为由于陆地存在造成的背风区。图像中其他部分为海面，我们从色调上观察可以发现，有些海面色调较亮，有些成暗色，这都与海面风浪情况有关。

图2研究区

2．1纹理特征提取

1)滑动窗口选择，为了不影响图像的纹理信息，不对SAR数据进行滤波处理。在纹理窗口选择上，根据Dekker R．J．和梁小炜等人的研究，选择15×15。

2)步长选择，本文采用d=l的步长，即中心像元与之直接临近的像元做运算和比较。

3)方向选择，通常θ方向取0°、45°、90°、135°等4个方向。在遥感影像上，地面情况复杂，方向性不明显。本文取这4个方向的平均值。

4)量化等级，实验表明32和16灰阶对纹理特征没有明显影响，因此，量化等级为16。纹理特征的计算结果见图3。

2．2特征选择

根据图2，分别选取了四类样本：海水1、海水2、假目标、溢油(见图4)。四种样本的8种纹理特征值大小比较，如图5所示。

图3纹理特征

图4样本

图5纹理特征值大小比较

根据图5可以发现，不同纹理特征识别样本类别的能力不一，其中效果最好的是均值特征，而角二阶矩、协同性和相关性在区分这四类目标的能力上最差。因此，在分类时，选择均值、对比度、方差、熵和相异性作为输入分类器的特征。

2．3分类结果

在利用SVM分类器对溢油信息提取时，同时与最小距离和最大似然分类的结果进行了比较。需要说明的是，利用3个分类器进行溢油信息提取时，采用的训练样本一致，结果见图6。为了保证计算速度，对原图范围做了剪裁。

图6 a-最小距离分类器 b-最大似然分类器 c-SVM分类器

2．4分析

利用均值、对比度、方差、熵和相异性作为分类器的输入特征，采用SVM分类器进行分类，获取了溢油目标，不提取其他目标。由于没有实地的具体数据，关于溢油识别精度主要从定性的角度分析。从3种分类器的分类结果，明显看到最小距离分类器的分类效果最差，最大似然分类发在陆地边缘将很多被背风区域识别为溢油，而SVM分类法的溢油识别效果较最小距离和最大似然分类器的都好口需要指出的是结合纹理特征的SVM分类模型对于陆地附近背风区形成的黑色区域并没有被识别为溢油，反映了该方法具有区别假目标的能力。

3结语

本文基于灰度共生矩阵进行纹理特征的提取，根据研究区的样本对各种纹理特征进行了分析和评价，指出均值、对比度、方差、熵和相异性可以较好地识别溢油目标，并作为分类器的输入特征。考虑到传统分类方法是基于样本趋于无穷大的渐进理论，而在实际问题中，样本数量往往是有限的，本文构建了结合纹理特征的SVM分类模型对溢油目标进行提取。同时，选择了最小分类器和最大似然分类器进行溢油探测，结果表明，结合纹理特征的SVM分类模型具有较好的监测精度。

目前，SAR溢油监测的研究主要关注于如何提取目标物的特征。然而，限于现有的技术和数据，特征提取的效果已经非常有限。随着，高性能、先进SAR传感器的升空，获取溢油目标的全极化信息已成为可能，这对于提高溢油监测精度具有重要的意义，这也是星载SAR应用的一个重要领域。

作者：马龙，李颖，牛莹  来源：中国航海