雷竞技苹果下载研究评论-国际杂志

电气电子工程高级研究国际杂志

菜单类

ISSNONLINE(2278-8875)PINT (2320-3765)

EM系统所有提交文件重定向 在线手势提交系统.请求作者直接向文章提交 在线手势提交系统相关日志

漏油检测使用最优矩阵管理MODIS图像

aswaryas,JayageethaR.T,Leninishas
  1. Easwari工程学院信息技术系
相关文章at普梅德,学者谷歌

访问更多相关文章电气电子工程高级研究国际杂志

电气电子工程高级研究国际杂志

抽象性

数以百万加仑平息油 最终每年大海及早检测和识别溢油是成本效益高的海上打捞作业的关键先决条件。为了消除这种非法污染,卫星图像处理技术建议使用溢油检测法本文提出了一种新的方法来辨别静止近海源生成的石油溢出物,这些溢出物在其早期发生阶段产生分析所得数据后得出结果,这些数据由中分辨率成像分光计等被动光感应器生成开发处理机最优阈值MODIS图像使用三种算法-推移-索引推导值推导函数推导并整合所有算法检测可能的溢油分离外溢物和溢油特征这一新经验算法有效性-按索引、按值、按函数取决于图像色差和阈值差还可以显示,通过应用边缘检测法可发现漏油与其他特征之间的独特纹理差异,并因此实现减少假阳性开发算法实时漏油检测检测测试93%精度

关键字
MODIS图像屏蔽 边缘检测

I.导 言
漏油对海洋生态环境污染的沉重打击是快速污染,随水体分派扩散海底自然渗漏产生的粗油代表着海油的重要源头自然渗出量占进入海洋环境原油量的47%,但这些数字有很大不确定性。及时和精确检测浮油可提高渗漏率估计值,帮助监测溢油和管理沿海资源评估海面浮油分布和归宿常使用遥感技术完成程序仅使用空气可见感测器和红外传感器数据,但这些传感器有许多缺陷,包括漏油特征与周围海面区分失效,夜间数据缺缺或天气条件差[14]自然油渗漏率通常包括可见感测器、红外传感器、微波传感器和雷达传感器[6]可能也不是提供更精确估计的最佳方法但这些估计大都依赖合成孔径雷达数据,这些数据受覆盖范围、复用频率和成本限制[1[3][11]空拍高分辨率可见图像或LandsatTM/ETM+传感器高清晰图像被用作概念证明,但也有相似限制Huet al[2003]首次使用MODIS操作卫星数据检测并监控松散口溢油,MODIS免费展示周数图像的优缺点[1][5]MODIS是Terra卫星[5][6]和qua卫星上的关键工具MODIS第一个飞行工具即PORTO飞行模型或PFM整合到Terra航天器上(EOSAM-1)。Terra于1999年12月18日成功启动第二MODIS飞行仪表一或FM1整合到Aqua航天器上2002年5月4日成功启动MODIS仪表史无前例地向全世界广大用户提供陆洋同源学Terra环游地球的轨迹定时,以便从北向南跨赤道清晨,而Aqua下午南向北跨赤道TerraMODIS和AquaMODIS[6]每隔一至二天观察整个地球表面,获取36谱段数据,波长从0.4m到14.4m不等,空间分辨率不等(2波段250m,5波段500m和29波段1公里)。这些数据将提高我们对陆地、海洋和下层大气中发生的全球动态和过程的了解设计这些系统的目的是提供大规模全球动态测量数据,包括地球云覆盖变化、辐射计算和海洋、陆地和下层大气过程变化3机上标定器(太阳散射器加太阳散射器稳定监视器、光谱辐射度标定组和黑体)提供机内标定MODIS使用海洋光学浮标替代标定类似墨西哥湾漏油事件并不少见,过去世界海洋和其他水方式也曾发生多起漏油事件[2][3]直至2010年7月底,墨西哥湾漏油事件才完全控制住。 在整个溢油期间,估计每天有53 000桶石油漏入墨西哥湾。总计近500万桶石油释放 使其成为世界史上最大意外漏油MODIS正在开发经验证的全球交互地球系统模型方面发挥关键作用,这些模型能够准确预测全球变化,帮助决策人就保护我们环境作出稳健决策。开阔洋环境的类似应用在同行评审文献中找不到处理MODIS图像的各个阶段见Fig.1论文阈值分析应用到漏油区,以基于多分解分解分解分解器数据最优复合色带[10]处理后可能是一组特征或参数与图像相关图像分割启动两种方法[2][5][9],即(一)适配悬浮和(二)边缘检测各种算法都适应查找溢油区保值保值,保值保值,保值保值指数和保值保值保值算法验证巨型数据集 由图像报告 检测漏油区实验结果和一组统计特征参数报告分析提取溢油区图像处理算法设计通过应用相关算法定位并映射MODIS卫星图像溢油

二.方法整理
A.可用性
原始MODIS流数据可实时使用跟踪天线接收,这要归功于工具直接广播能力,并发自MODIS网站科学数据通过几个万维网网站和FTP档案向公众提供,如ECHOReverb,下一代元数据和服务发现工具,它取代前仓库目录搜索工具
.b.概述
MODIS图像样本预处理并验证bmp格式石油溢出特征通过应用各种阈值算法和估计石油溢出总像素计数和面积来确定漏油极难控制预测Fig.22010年墨西哥湾漏油是美国最大近海漏油历史[2][3]
C.图像预处理
设计算法识别溢油前 预处理2直觉显示海水蓝云白自然光下绿化覆盖土地检验图像时,油水和土地的颜色相应变化图像颜色表示红色、绿色和蓝色组件的三个值颜色图像也可以入界一种方法就是为图像中的RGB组件单设阈值,然后与AND操作并发反射摄像头工作方式 和数据存储方式 计算机中, 但它并不符合人们识别颜色的方式因此HSL和HSV颜色模型常使用也可以使用CMYK颜色模型颜色图像中的每一像素都由图4中不同的RGB值组成后通过bm格式验证图像,大小完成并读取像素值收集像素图像使用像素采样器分析像素值鼠标监听器的使用允许用户点击图像采样石油、水和土地等
公元前适配推送
图像分割使用自适应推移[2][13][7],给定像素检测阈值定定为固定值实践证明,这一技术既强又简单实施最优阈值分离取决于风速上项研究中,风速数据缺解,阈值定为50以产生最优结果MODIS图像主要处理并保存比特图格式每一图像必须用400x450像素分辨率和最小值42手工优化包括风速数据图像采集日期与图像细节并列报告分析MODIS图像bm格式实例见Fig.5
悬浮算法散块使用 不同的阈值/函数 带配值技术 重构算法 减少误标签油像素选择三种算法判断相对性能以建立处理的MODIS图像受值算法阻塞时,检验图像是为了实现红像素值RGB值,如果值小于40,则浮油识别精确表示漏油图像 应用第二个算法阻塞索引带配值技术将光谱带像素除以第二带对应像素值光谱反射曲线之差可取出[4][5][8]带比技术命名为指数阻塞值,对比红蓝RGB值并获取差值[(蓝红)//(蓝+红)]BRT值将随水、土地、漏油区颜色任意追踪最后,索引值测量并结束漏油区石油泄漏大区显示为边界小区显示为点形小区仍然未能完全通过任何方法或算法检测漏油精度通过整合第三种算法-函数驱动-工作原理为调查RGB值-绿色-红色-R绿色值小于3绿色 < 3*(red-20)像素后检测出油通过整合Fig.8显示的所有三种阻塞算法,它提供误标签溢油现实应用中算法永远无法完美处理图像仍然装有(i)土地标签溢油(ii)不可检测漏油像素很显然,我们可以采样误标签像素 并添加到散块图7显示所有算法和边缘检测完全比较窗口开发后使用ava/JFrame开发文件菜单以装入MODIS图像格式添加识别文件菜单时,列出所有三种算法和边缘检测法的菜单项
边缘检测-Fig.9显示,该方法通过释放偏差并实现主要受影响地区[2][3]周围暗点边界帮助图像阈值相邻像素异性显示颜色值差表示溢出浮油溢出区RGB比与非受影响地区不同,高亮并环绕黑点边缘检测可能不适用于小受影响区和误称水区[9]搜救图像中波形和其他屏障的阴影显示为浮油,MODIS图像中[2][3]省略,因此很容易以最大精度发现溢油
边缘检测构建显示主要漏油区效果的亮点定义为黑点[2],剩余空区表示水、陆海草[7][12]象素阅读器使用RGB比分析从左向右读取图像,如果红(R)、绿(G)和蓝(B)值根据溢油像素发生改变并标为黑点,则停止读取,因此边界显示主要受影响地区最终实现所有算法整合并添加识别文件菜单通过简单点击提供每种算法结果

三.成果和讨论
MODIS仪器检测浮油的独特能力通过阈值证明并发MODIS样本图像证明通过扩大覆盖和重访频率检查大片浮油的能力分析结果显示墨西哥湾渗漏率过去研究中可能被误解,但需要详细研究评估年油渗漏率新的预处理分解技术应用并应用到所收集图像中此外,还实施分割技术,包括自适应阈值检测和边缘检测神经网络方法虽然不生成完美分类,但似乎相对强于噪声[2][5]利用边缘检测和自适应阈值对人工检测MODIS图像验证排除特征提取复杂性提高MODIS图像的精度和强度[5]最后,生成报表图像上传过程即兴查询,同窗口页面中创建另一个文件菜单菜单项包括先前生成各种报表的历史,如Fig.10显示报表还表现为excell表报告已检测到平方英尺溢油区和Fig.11中像素总计

四.结论
论文展示油溢检测MODIS图片使用三种不同的阈值技术悬浮-按值计算,按索引计算,按函数计算实时MODIS图像用于监测和跟踪受影响海洋区域溢油RGB值分析分治海草、水、土地和石油溢出所获结果确认MODIS图像在检测溢油方面强健可靠性得到成功推广我们的主要贡献集中于提供综合和及时的资料,说明海水中迅速扩散的漏油快速视觉化实时信息 人文判解会少卫星数据捕获溢油应用边缘检测算法将描述溢漏边缘特征,其光度和连续性与周围海水表面相似所获结果似乎完全一致,即使MODIS低估了溢出面积范围,因为采集样本图像的差异如果通过分析更多图像进一步确认这些结果,阈值算法与MODIS传感器完全集成将允许我们更频繁地观察这会提高有效监控近实时浮油演化的可能性

图一览
图1 图2 图3 图4
图1 图2 图3 图4
图1 图2 图3 图4
图5 图6 图7 图8
图1 图2 图3
图9 图10 图11

引用