Ανίχνευση κηλίδων πετρελαίου από δορυφορικές εικόνες

Από RemoteSensing Wiki

Παρούσα αναθεώρηση της 13:57, 22 Φεβρουαρίου 2011

Ανίχνευση κηλίδων πετρελαίου από δορυορικές εικόνες
Πρωτότυπος τίτλος : Oil spill detection by satellite remote sensing

Πηγή : Camilla Brekkea, Anne H.S. Solberg, Remote Sensing of Environment 95 (2005) 1 –13[1]

Περίληψη

Οι διαρροές πετρελαίου στην πειφάνεια της θάλασσας αποτελεί συχνό φαινόμενο. Οι διαρροές αυτές σχετίζονται με σημαντικές εμπορικές οδούς, στην Κίτρινη θάλασσα [2] και στη θάλασσα της Ανατολικής Κίνας καθώς και στους συνδέσμους των παράκτιων εγκαταστάσεων. Έχει αποδειχτεί ότι ετησίως το 48% της ρύπανσης πετρελαίου στους ωκεανούς είναι καύσιμα και το 29% είναι ακατέργαστο πετρέλαιο ενώ τα ατυχήματα των βυτιοφόρων συμβάλουν με ποσοστό μόλις 5% όλης της ρύπανσης που εισάγεται στη θάλασσα. Μετά από την ανάλυση εικόνων 190 ERS-11 SAR της μεσογείου θαλάσσης βρέθηκε ότι πετρελαιοκηλίδες εμφανίζονται με υψηλότερη συχνότητα από αυτή που αναμένονταν με βάση τα καταγεγραμένα ατυχήματα των πλοίων. Σύμφωνα με την European Space Agency [3] το 45% της μόλυνσης από πετρέλαια προέρχονται από τις ενεργές απαλλαγές από τα σκάφη. Λαμβάνοντας υπόψη πόσο συχνά εμφανίζονται αυτές οι εκχύσεις, οι ελεγχόμενες κανονικές διαρροές πετρελαίου μπορούν να αποτελεί πολύ μεγαλύτερη απειλή στο θαλάσσιο περιβάλλον και στο οικοσύστημα από ότι τα μεγαλύτερα ατυχήματα διαρροών πετρελαίου. Οι ενεργοί δέκτες μικροκυμάτων όπως ο (SAR)λαμβάνουν τις δισδιάστατες εικόνες. Η φωτεινότητα της εικόνας είναι μια αντανάκλαση των ιδιοτήτων ανάδρομης διάξυσης μικροκυμάτων της επιφάνειας. Ο SAR που επεκτείνεται στους δορυφόρους, αποτελεί σήμερα ένα σημαντικό εργαλείο στην ανίχνευση κηλίδων πετρελαίου λόγω της κάλυψης ευρείας περιοχής και λόγω των ικανοτητων του καθόλη τη διάρκεια της μέρας. Επομένως, θα ήταν ιδιαίτερα χρήσιμοι, αλγόριθμοι, για την αυτόματη ανίχνευση των κηλίδων πετρελαιου. Η έρευνα σε αυτό το τομέα βρίσκεται σε εξέλιξη για περισσότερο από μια δεκαετία, και αυτό το έγγραφο αναθεωρεί τις διάφορες μεθόδους για τη δορυφορική ανίχνευση διαρροών πετρελαίου στο θαλάσσιο περιβάλλον. Δεδομένου ότι ο SAR αποτελεί έναν από τους πολλούς διαθέσιμους δέκτες της τηλεπισκόπησης, συμπεριλαμβάνονται επίσης και άλλοι δορυφορικοί δέκτες αποσκοπώντας στην δυνατότητα σύγκρισης και αξιολόγησης για την επιτυχή ανίχνευση διαρροών πετρελαίου.

Τηλεπισκοπικά δεδομένα-Μεθοδολογία

Το στίγμα θορύβου προκύπτει επειδή η ανάλυση του δέκτη δεν είναι επαρκής για να επιλύσει τους μεμονωμένους διασκορπισμούς (????) σε κάθε κελί ανάλυσης. Ο θόρυβος αυτλος αποτελεί μεγάλο πρόβλημα στις εικόνες SAR δεδομένου ότι ακόμη και μια ομοιογενής περιοχή έχει στατιστική διανομή με μεγάλη σταθερή απόκλιση. Μια άλλη δυνατότητα είναι να λειάνθούν τα στίγματα μετά από την διαμόρφωση της εικόνας. Τα καλύτερα αποτελέσματα βρέθηκαν με τα προσαρμοστικά φίλτρα που υποθέτουν ένα πολλαπλασιαστικό πρότυπο στίγματος. Για τις εφαρμογές διαρροών πετρελαίου, ένα φίλτρο πρέπει να καταστείλει το θόρυβο στίγματος, αλλά να διατηρεί ακόμη τις μικρές και λεπτές διαρροές πετρελαίου. Διακρίνουμε τους αλγόριθμους διαρροών πετρελαίου ανάμεσα σε αλγορίθμους αυτόματους και χειρωνακτικούς. Η ανίχνευση των διαρροών πετρελαίου μπορεί να διαιρεθεί σε ανίχνευση πιθανών κηλίδων και χειρωνακτική επαλήθευση των κηλίδων (ή αυτών που μοιάζουν με κηλίδες) και της ανάθεσης των επιπέδων εμπιστοσύνης. Από το 1994 η KSAT στη Νορβηγία [4] παρέχει μια χειρωνακτική υπηρεσία ανίχνευσης διαρροών πετρελαίου. Εδώ οι χειριστές έχουν εκπαιδευτεί για να αναλύουν εικόνες SAR για την ανίχνευση μόλυνσης πετρελαίου. Χρησιμοποιούνται εξωτερικές πληροφορίες που βοηθούν στην ανάλυση όπως η ταχύτητα του ανέμου και η κατεύθυνση, ο εντοπισμός των γεωτρήσεων και των σωληνώσεων, τα εθνικά σύνορα και οι ακτές.Οι πιθανές διαρροές πετρελαίου που βρίσκονται είναι είτε σε υψηλά, είτε σε χαμηλά επίπεδα εμπιστοσύνης. Η ανάθεση βασίζεται στα ακόλουθα χαρακτηριστικά γνωρίσματα: το επίπεδο αντίθεσης στα περίχωρα, ομοιογένεια των περιχώρων, ταχύτητα ανέμου, κοντινές γεωτρήσεις και σκάφη, φυσικές κηλίδες σε κοντινές αποστάσεις, και χαρακτηριστικά ακμών και μορφής του σημείου. Ο προσδιορισμός ενός επιπέδου εμπιστοσύνης δεν είναι πάντα ακριβής και θα υπάρχει πάντα μια αβεβαιότητα που συνδέεται με τα αποτελέσματα της χειρωνακτική επιθεώρησης. Όμως στόχος είναι να ενσωματωθεί η γνώση των παραμέτρων στον αυτόματο αλγόριθμο. Μια καλή μελέτη βασίζεται σε μια σύγκριση της χειρωνακτικής προσέγγισης KSAT, στον αυτόματο αλγόριθμο NR και στην ημιαυτόματη προσέγγιση ανίχνευσης διαρροών πετρελαίου QinetiQ [5], που έχει εκτελεσθεί από το τρέχον πρόγραμμα Oceanides [6]. Η προσέγγιση QinetiQ ημιαυτόματου καλύπτει μόνο το πρώτο βήμα ενός αυτόματου αλγορίθμου, τη σκοτεινή ανίχνευση σημείων, και επομένως οι στόχοι παραγωγής πρέπει να ταξινομηθούν οπτικά από έναν χειριστή. Σε αυτό το έγγραφο οι τρεις δορυφορικές προσεγγίσεις συγκρίθηκαν με τις αερομεταφερόμενες επαληθεύσεις σε μια δορυφορική-αερομεταφερόμενη εκστρατεία. Η μελέτη έγινε χωρίς τους χειριστές ή τη γνώση αλγορίθμων για τις επαληθεύσεις αεροσκαφών. Αυτό το σύνολο στοιχείων περιλαμβάνει 17 διαρροές πετρελαίου.Η KSAT ανίχνευσε 15 από αυτές τις κηλίδες, ο αλγόριθμος NR ανίχνευσε 14, και ο QinetiQ ανίχνευσε 12. Τα αποτελέσματα δείχνουν ότι πρέπει όλοι οι χειριστές να διαλέξουν τα ίδια σημεία και να ορίσουν τα ίδια επίπεδα εμπιστοσύνης. Ο αλγόριθμος NR είναι αντικειμενικός και παράγει το ίδιο αποτέλεσμα επανειλημμένα. Η καλή συμφωνία βρέθηκε για τις κηλίδες υψηλής-αντίθεσης μεταξύ των διάφορων μεθόδων, αλλά υπήρξαν μερικές διαφορές στις κηλίδες χαμηλής-αντίθεσης. Οι χειριστές της KSAT χρησιμοποιούν 3-25 λεπτά για να αναλύσουν μια εικόνα (κατά μέσον όρο 9 λεπτά, για τον αλγόριθμο του NR χρησιμοποιούμενο περίπου 3 λεπτά και για τον αλγόριθμο QinetiQ χρησιμοποιούν 20 λεπτά κατά μέσο όρο. Αυτό δείχνει ότι οι αυτόματες προσεγγίσεις είναι πιό εφικτές καθώς ο όγκος των στοιχείων SAR αυξάνεται. Δεδομένου ότι οι διαρροές πετρελαίου χαρακτηρίζονται από τα χαμηλά επίπεδα οπισθοσκέδασης, αυτά προτείνουν τη χρήση των κατώτατων ορίων για τη σκοτεινή κατάτμηση σημείων. O αλγόριθμος ψάχνει τα δίμορφα ιστογράμματα σε μεγέθη παραθύρων NxN (N=25 pixels). Αυτό χαρακτηρίζεται ως καλή μέθοδος ανίχνευσης κηλίδων πετρελαίου όπου παρέχεται ότι οι κηλίδες δεν είναι λεπτές. Ο Solberg εφαρμόζει ένα προσαρμοστικό αλγόριθμο όπου το κατώτατο όριο τέθηκε κάτω από τη μέση αξία που υπολογίζεται σε ένα κινούμενο παράθυρο. Το κατώτατο όριο συνδιάστηκε με μια προσέγγιση πυραμίδων πολλαπλής κλίμακας και ένα συγκεντρωτικό βήμα για να χωρίσει καλύτερα τις κηλίδες από τα περίχωρά του. Έπειτα ένα φίλτρο λειαίνει τις ακμές μειώνοντας το θόρυβο. Η χρήση του κατώτατου ορίου υστέρησης εισήχθη από τον Canny και τους λοιπούς (1986) και εφαρμόστηκε από τον Kanny κτλ. (2003) για την ανίχνευση των διαρροών πετρελαίου στις εικόνες εύρους ERS. Πραγματοποιήθηκε μια έρευνα στις 8 γειτονικές κατευθύνσεις που ακολουθούνται από μια συγχώνευση βημάτων απαντήσεων. Τα γραμμικά χαρακτηριστικά γνωρίσματα τονίζονται με αυτό το τρόπο. Μια προσέγγιση ανίχνευσης κηλίδας πετρελαίου βασισμένη στον Laplace του Gaussian και τη διαφορά των Γκαουσιανών χειριστών περιγράφεται στο Change et al. (1996) και στο Chen et al (1997). Ο σκοτεινός αλγόριθμος σημείων του QinetiQ χρησιμοποιεί έναν σταθερό αλγόριθμο ποσοστού ψεύτικων συναγερμών (CFAR) για να εντοπίσει τις σκοτεινές περιοχές. Τα σκοτεινά σημεία συγχωνεύονται σύμφωνα με μια ακτίνα συγκέντρωσης και ένα κατώτατο όριο, και η μετατροπή Hough χρησιμοποιείται ειδικά για να προσδιορίσει τους γραμμικούς στόχους. To allow dealing with mixed surface-cover classes and unsharp boundaries among regions, Barni et al propose an algorithm based on fuzzy clustering. Μια μέθοδος που χρησιμοποιεί τη μαθηματική μορφολογία για την κατάτμηση διαρροών πετρελαίου παρουσιάζεται από Gasull και λοιποί(2002). Συνδυασμοί από το άνοιγμα και το κλείσιμο των διαδικασιών χρησιμοποιείται για το φιλτράρισμα και το κατώτατο όριο διαρροών πετρελαίου. Οι στόχοι του αλγορίθμου για την ανίχνευση των διαρροών από τα βυτιοφόρα και μερικά χρησιμοποιούμενα χαρακτηριστικά γνωρίσματα είναι η υγρασία των κηλίδων και η μη-επιμήκυνσή τους. κόμα κι αν ποικίλες μέθοδοι εφαρμόζονται, ο κοινός στόχος είναι να ανιχνευθούν όλες οι ύποπτες κηλίδες και να διατηρηθούν οι λείες μορφές το οποίο αποτελεί σπουδαία παράμετρο ώστε να διακριθούν οι διαρροές πετρελαίου από την υπόθεση ότι μοιάζουν ως τα ακόλουθα βήματα.

Εξαγωγή χαρακτηριστικών των κηλίδων

Σε ένα διάνυσμα χαρακτηριστικών γνωρισμάτων που εισάγεται στον ταξινομητή, τα μεμονωμένα χαρακτηριστικά γνωρίσματα καλύπτονται χαρακτηριστικά από τις ακόλουθες κατηγορίες: 1)Η γεωμετρία και η μορφή της τετμημένης περιοχής. Για να ανιχνεύσει τη ρύπανση από τα βυτιοφόρα που καθαρίζουν τις δεξαμενές τους, ένα σημαντικό χαρακτηριστικό γνώρισμα είναι το elongatedness που μπορεί να εκφραστεί ως αναλογία μεταξύ του πλάτους και του μήκους της κηλίδας. Ένα άλλο πιθανό χαρακτηριστικό γνώρισμα χρήσιμο στον προσδιορισμό αυτών των σημείων είναι η πρώτη αμετάβλητη στατιστική στιγμή της HU (1962). 2) Φυσικά χαρακτηριστικά του επιπέδου οπισθοσκέδασης του σημείου και των περιχώρων του. Ο Frate και οι λοιποί(2000) διαπίστωσαν ότι τα χαρακτηριστικά γνωρίσματα που περιέχουν τις πολυτιμότερες πληροφορίες για την ταξινόμηση από τα νευρικά δίκτυα ήταν τα χαρακτηριστικά γνωρίσματα που καλύπτουν τις πληροφορίες για την κλίση της αξίας ανάδρομης διάξυσης κατά th διάβαση από το υπόβαθρο στην κηλίδα. Επιπλέον, η σταθερή απόκλιση υποβάθρου (#10) βρέθηκε σημαντική γιατί είναι μια παράμετρος που επηρεάζεται ιδιαίτερα από το επίπεδο του αέρα και είναι γενικά υψηλή για τις φυσικές κηλίδες θάλασσας. 3) Spot contextual features. Tα παραδείγματα είναι λεία θέση σχετικά με την ακτή και απόσταση των σκαφών και των γεωτρήσεων. (....????) 4) Σύσταση. Σε αντίθεση με την ένταση του εικονοκυττάρου η σύσταση παρέχει τις πληροφορίες για το χωρικό συσχετισμό μεταξύ των γειτονικών εικονοκυττάρων. Η ομοιογένεια και η δεύτερη angular moment βρέθηκε αποτελεσματική στο διαχωρισμό των διαρροών πετρελαίου από άλλα αντικείμενα.