Ανίχνευση πετρελαιοκηλίδων χρησιμοποιώντας εικόνες SAR

Από RemoteSensing Wiki

Oil spill detection using marine SAR images

Ανίχνευση πετρελαιοκηλίδων χρησιμοποιώντας εικόνες SAR

Συγγραφείς: B. Fiscella, A. Giancaspro, F. Nirchio, P. Pavese, P. Trivero
Πηγή: http://www.sciencedirect.com (International Journal of Remote Sensing, vol. 21, no. 18, 3561–3566)

Ιστορικό
Σε όλο τον κόσμο η προστασία του περιβάλλοντος είναι θέμα αυξανόμενης ανησυχίας. Στο πλαίσιο αυτό, ιδιαίτερη προσοχή δίνεται στις τεράστιες περιβαλλοντικές ζημίες που προκλήθηκαν από ατυχήματα δεξαμενόπλοιων ή από το παράνομο καθαρισμό δεξαμενών πετρελαίου των δεξαμενόπλοιων. Το αποτέλεσμα είναι η κάλυψη μεγάλων επιφανειών της θάλασσας από παράγωγα πετρελαίου που προκαλούν μεγάλη περιβαλλοντολογική καταστροφή αλλά παράλληλα μειώνουν την τραχύτητα της επιφάνειας του νερού και ως εκ τούτου μπορούν να ανιχνευθούν από SAR, εικόνες όπου και εμφανίζονται ως σκοτεινές περιοχές. Το μειονέκτημα όλων αυτών των μεθόδων ταυτοποίησης είναι η πολυπλοκότητα τους. Από την άλλη πλευρά, η μέθοδος που παρουσιάζεται εδώ είναι απλή και εύκολη να εφαρμοστεί.
Σκοπός της μελέτης
Αυτή η εργασία παρουσιάζει την εφαρμογή και χρησιμότητα μιας μεθόδου που είναι απλή(χρήση δυο αλγορίθμων που εκμεταλλεύονται μετρήσεις και χαρακτηριστικά γνωστών πετρελαιοκηλίδων που έχουν καταγραφεί) και δύναται να εφαρμοστεί με ικανοποιητικά αποτελέσματα στον εντοπισμό πετρελαιοκηλίδων με την χρήση εικόνων SAR.

Εικόνα1: αντιπροσωπευτικό παράδειγμα εικόνας SAR αποτύπωσης πετρελαιοκηλίδας

Μεθοδολογία
Από το σύνολο των εικόνων SAR και μετά από μια γρήγορη επιθεώρηση των απεικονιζόμενων περιοχών, επιλέγονται μόνο αυτές οι εικόνες που παρουσιάζουν τα χαρακτηριστικά και υπάρχουν υπόνοιες ότι αποτυπώνουν πετρελαιοκηλίδες και επεξεργάζονται σε PRI μορφή αρχείων (Precision Image (PRI) format). Το σύστημα μπορεί να λειτουργήσει με χειροκίνητο ή αυτόματο τρόπο. Για χειροκίνητη λειτουργία, ο χειριστής ελέγχει τη περιοχή, επιλέγει εκείνα τα τμήματα της εικόνας που μπορεί να περιέχουν πετρελαιοκηλίδα, και εκτελεί μια σειρά μετρήσεων. Στην αυτόματη λειτουργία, το σύστημα επιλέγει τις σκοτεινές περιοχές και στη συνέχεια εκτελεί τις μετρήσεις. Στο τέλος της διαδικασίας, μια έκθεση δημιουργείται η οποία δείχνει την περιοχή της πιθανής πετρελαιοκηλίδας, το σχήμα της ,την περίμετρο που περιλαμβάνει, το γεωγραφικό πλάτος και μήκος του κέντρου, και ποια πιθανότητα υπάρχει να είναι πετρελαιοκηλίδα. Για την εφαρμογή και την αξιολόγηση της μεθόδου έχουν θεωρηθεί δύο σύνολα σκοτεινών περιοχών που προέρχονται από εικόνες SAR, ένα σύνολο πετρελαιοκηλίδων (80 δείγματα) και ένα άλλο που προκαλούνται από φυσικά φαινόμενα, αλλά μοιάζει με πετρελαιοκηλίδες (43 δείγματα). Εικόνες 1 και 2 είναι αντιπροσωπευτικά παραδείγματα αυτών.

Εικόνα2: αντιπροσωπευτικό παράδειγμα εικόνας SAR αποτύπωσης στρώμα άλγης

Ο παράγοντας μορφή είναι πάρα πολύ σημαντικός και αποτελεί το πρώτο στάδιο αξιολόγησης για την ταυτοποίηση μιας πετρελαιοκηλίδας, όχι γιατί υπάρχουν φυσικές διεργασίες που σχετίζονται και επηρεάζουν την μορφή μιας πετρελαιοκηλίδας αλλά κυρίως για πρακτικούς λογούς καθώς οι διαρροές πετρελαίου που παράγονται από τον παράνομο καθαρισμό δεξαμενών που προκαλείται από τα κινούμενα πλοία, είναι γραμμικές στο σχήμα.

Αποτελέσματα
Υπάρχουν ορισμένα χαρακτηριστικά που θεωρούνται ως αναγνωρίσιμα για την ύπαρξη μιας πετρελαιοκηλίδας, εφαρμόστηκαν μετρήσεις για ορισμένα από αυτά, με γνώμονα την επιλογή αυτών που φαίνονται πιο χρήσιμα για την διάκριση των κηλίδων πετρελαίου από άλλα φαινόμενα που έχουν την ίδια αποτύπωση σε εικόνες SAR όπως στρώματα από άλγη. Για κάθε επιλεγμένη περιοχή, αρχικά αξιολογείται το σχήμα της και έπειτα υπολογίζονται η περίμετρο της(P),η περιοχή(Α),η τιμή της μεταβλητής SIGMAI μέσα στην πετρελαιοκηλίδα, η τιμή της μεταβλητής SIGMAO σε μια περιορισμένη περιοχή έξω από την πετρελαιοκηλίδα, η απόκλιση DASD (Dark Area Standard Deviation ), η απόκλιση OSD (Outside dark area Standard Deviation ) της περιοχής έξω από την πετρελαιοκηλίδα, η μεταβλητή Gradient (GRD) και ο συντελεστής Form Factor (FRM) που αφορά την διασπορά των σκούρων pixel κατά το διαμήκη άξονα. Τα αποτελέσματα των μετρήσεων παρουσιάζονται στον ακόλουθο πίνακα 1.

Πίνακας1: καταγραφής μετρήσεων μεταβλητών αξιολόγησης πετρελαιοκηλίδων και μη πετρελαιοκηλίδων(φυσικά φαινόμενα). Όπου F αποτελεί την τιμή διακύμανσης.

Για την ταξινόμηση και αξιολόγηση των αποτελεσμάτων υιοθετήθηκαν δυο διαδικασίες, (αλγόριθμοι) αυτή της Mahalanobis ταξινόμησης και της ταξινόμησης βάση της πιθανότητας. Με τα αποτελέσματα να παρουσιάζονται στον πίνακα 2.

Πίνακας2: Αποτελέσματα αξιολόγησης πετρελαιοκηλίδων ή μη με τις μεθόδους της πιθανότητας και Mahalanobis ταξινόμησης

Επιπλέον στον πίνακα 3 καταγράφονται τα αποτέλεσμα αξιολόγησης και εκτίμησης ως πετρελαιοκηλίδων ή μη 21 νέων φωτογραφιών από έναν έμπειρο αξιολογητή σε σύγκριση με τα αποτελέσματα που παρήγαγαν οι δυο αλγόριθμοι (Mahalanobis ταξινόμηση και ταξινόμηση βάση της πιθανότητας)

Πίνακας3: Αποτελέσματα αξιολόγησης 21 νέων πετρελαιοκηλίδων ή μη από έναν έμπειρο εκτιμητή σε σύγκριση με την αξιολόγηση με τις μεθόδους της πιθανότητας και Mahalanobis ταξινόμησης

Συμπέρασμα

Καταλήγουμε στο συμπέρασμα ότι οι δύο προτεινόμενοι αλγόριθμοι είναι σε θέση να ταξινομήσουν ικανοποιητικά πετρελαιοκηλίδες από διάφορα φυσικά φαινόμενα που παρουσιάζουν σχεδόν την ιδία αποτυπώσει σε εικόνες SAR. Η μεθοδολογία είναι εύκολο να εφαρμοστεί και δύναται να καθορίσει την πιθανότητα να εντοπίσει με αυτοματοποιημένο τρόπο. Η ακρίβεια και αξιοπιστία της μεθόδου μετρήθηκε στο 80% από την ταυτοποίηση 80 γνωστών παραδειγμάτων και 43 φυσικών φαινομένων .Επιπλέον η αξιοπιστία της μεθόδου επιβεβαιώθηκε με ένα νέο σύνολο δεδομένων(21 φωτογραφιών) με παρόμοια αποτελέσματα. Επιπρόσθετα η αποτελεσματικότητα και αξιοπιστία των αλγορίθμων μπορεί να αυξηθεί περαιτέρω με την προσθήκη νέων μεταβλητών μετρήσεων και χαρακτηριστικών στα υπό αξιολόγηση δείγματα .