深度实验室-AFOS:一种海上石油泄漏检测方法,基于极度测量SAR的优势特征
Yikai Huang1, Bingxin Liu1, Baozhan Liu2
1Navigation College, Dalian Maritime University, Dalian, 116026, China.
Marine pollution bulletin
|March 8, 2026
概括
这项研究引入了一个有利的特点,即双极度SAR数据集 (AF-OS) 和用于海上石油泄漏检测的DeepLab-AFOS方法. 这些进步显著提高了识别石油泄漏的准确性,并将其与相似物区分开来.
科学领域:
- 遥感 遥感 遥感 遥感
- 海洋生态海洋生态学
- 环境监测 环境监测
背景情况:
- 海洋石油泄漏对生态系统和经济构成重大威胁.
- 准确的检测和提取对于有效的反应至关重要.
- 目前仅使用SAR反散的现有方法难以区分石油泄漏与类似的漏油.
研究的目的:
- 为了应对区分石油泄漏与海洋环境中相似物质的挑战.
- 开发一种使用极度测量SAR数据进行海上石油泄漏检测和提取的改进方法.
主要方法:
- 构建了一个具有优势特征的双极对称SAR数据集 (AF-OS),集成协差矩阵,极对称参数和纹理描述符.
- 提出了一个极度测量SAR漏油检测方法,命名为DeepLab-AFOS.
- 进行比较实验,以评估特征组合和模型性能.
主要成果:
- AF-OS数据集的功能显著提高了漏油提取的准确性.
- 与其他模型相比,DeepLab-AFOS实现了优越的性能,准确率为97.2%,F1得分为95.8%,MIoU为92.06%.
- 应用DeepLab-AFOS在墨西哥湾的现实事件中,显示了准确的识别和区分.
结论:
- AF-OS数据集和DeepLab-AFOS方法为准确的海洋石油泄漏提取提供了有效的解决方案.
- 集成的多维特征是克服传统SAR回散分析局限性的关键.
- 这种方法为海洋石油泄漏监测和应急响应提供了一个强大的工具.
