述溢油区域影像的概率密度函数，并把整 幅所述溢油区域影像作为参考窗口，计算所述溢油区域影像中各个图像像素单元灰度的均 值和标准差，将所述灰度的均值和标准差确定为所述溢油区域影像的高斯分布参数；
[0036] 亮度计算模块，用于根据所述溢油区域影像的高斯分布参数确定所述溢油区域影 像任一图像像素单元的概率密度函数，统计计算所述溢油区域影像中各个图像像素单元图 像亮度的均值和标准差，将图像亮度的均值和标准差确定为所述溢油区域影像的概率密度 函数参数；
[0037] 阈值分割模块，用于将预设虚警概率及所述溢油区域影像的概率密度函数参数， 代入概率密度函数中，得到图像的分割阀值，依据所述分割阀值再对所述溢油区域影像进 行分割，得到海上油库的溢油油源信息和溢油面积。
[0038] 进一步，所述趋势模拟单元包括：
[0039] 标识剖分模块，用于利用油粒子模型将油膜进行粒子化剖分，并对每个油粒子分 别进行标识；
[0040] 参数获取模块，用于获取大气模型预报的海面风场参数与海洋模型预报的流场参 数；
[0041] 漂移跟踪模块，用于根据每个油粒子的标识、大气模型预报的海面风场参数与海 洋模型预报的流场参数跟踪每个油粒子在风场和海流的作用下发生的漂移，得到溢油的漂 移扩散趋势。
[0042] 进一步，所述阈值判断单元包括：
[0043] 第一获取模块，用于获取海上油库的溢油油源信息对应的溢油点的地理坐标及溢 油面积；
[0044] 第二获取模块，用于获取溢油的漂移扩散趋势对应的地理坐标；
[0045] 距离计算模块，用于在所述溢油区域影像上，计算溢油点的地理坐标与溢油的漂 移扩散趋势对应的地理坐标之间的距离；
[0046] 溢油点确定模块，用于当溢油点的地理坐标与溢油的漂移扩散趋势对应的地理坐 标之间的距离小于预设阈值，确定溢油点的地理坐标为真实的溢油点。
【附图说明】
[0047] 图1为本发明海面溢油监测方法的流程图；
[0048] 图2为本发明图1中步骤SlOl的流程图；
[0049] 图3为本发明图1中步骤S102的流程图；
[0050] 图4为本发明图1中步骤S103的流程图；
[0051] 图5为本发明海面溢油监测装置的结构图；
[0052] 图6为本发明图5中信息获取单元501的结构图；
[0053] 图7为本发明图5中趋势模拟单元502的结构图；
[0054] 图8为本发明图5中阈值判断单元503的结构图。
【具体实施方式】
[0055] 以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并 非用于限定本发明的范围。
[0056] 图1是本发明一种海面溢油监测方法的流程图，本发明是基于合成孔径雷达和油 粒子追踪技术二者互补互助联合开发，参见图1，该方法包括：
[0057] 步骤SlOl :根据雷达监测的溢油区域影像，获取海上油库的溢油油源信息和溢油 面积。
[0058] 在该步骤中，利用星载合成孔径雷达获取区域影像，使用CFAR法建立阀值，快速 检测影像每个像素单元，确定溢油面积。
[0059] 具体地，参见图2,步骤SlOl包括以下步骤。
[0060] 步骤SlOll :将高斯分布作为所述溢油区域影像的概率密度函数，并把整幅所述 溢油区域影像作为参考窗口，计算所述溢油区域影像中各个图像像素单元灰度的均值和标 准差，将所述灰度的均值和标准差确定为所述溢油区域影像的高斯分布参数。
[0061] 在该步骤中，获取星载SAR图像，选取高斯模型作为本发明的概率密度函数
[0062] 具体地，高斯概率密度函数模型： w'.、 I 「（x-")
[0063] exp ^2πσ I 2σ-
[0064] 上述模型满足中心极限定理和以下假设条件：
[0065] (1)在每个分辨单元内的任何散射单元都不会很大程度上的影响其他散射单元。 这种假设条件在大多数的条件比如田地、森林、海洋等都是成立的。
[0066] (2)每个散射单元的相位都服从[_ π，π ]上均匀分布。当雷达的斜距分辨率比波 长大得多时会出现较大范围的相位偏移，此时需满足在[_ η，η]上的均匀分布。
[0067] (3)每个散射单元的相位随机变量都互不相关，一些相关的散射单元会自动形成 一个散射中心。
[0068] (4)每个散射单元的幅度随机变量与相位随机变量之间互不相关。这是由于信号 传输造成的相位延迟，与散射单元的幅度无关。
[0069] 对于海面来说，同质区的确定和目标与背景的尺度有关，当海面平静时，平静海面 对小目标可以当作同质区，当海面海浪较大时，海面对大目标可以当作同质区。几乎在任何 情况下，海面SAR图像都满足以上四个假设条件以及中心极限定理。
[0070] 步骤S1012 :根据所述溢油区域影像的高斯分布参数确定所述溢油区域影像任一 图像像素单元的概率密度函数，统计计算所述溢油区域影像中各个图像像素单元图像亮度 的均值和标准差，将图像亮度的均值和标准差确定为所述溢油区域影像的概率密度函数参 数。
[0071] 在该步骤中，确定概率密度函数，估算分布函数参数。
[0072] 具体地，将高斯分布作为SAR图像的概率密度函数，并把整幅图像作为参考窗口， 统计计算各个图像像素单元灰度的均值P 1和标准差σ i，作为SAR海洋图像高斯分布参数， 以确定该图像第i单元的概率密度函数，BP :
[0074] 在海浪较大时，概率密度函数的形状参数值会变的较大，此时函数取值的分散程 度会变大，因而降低检测精度和速度。但在溢油区域，由于油的粘性系数较大，不会因海浪 过大而产生大幅度波动，当海浪传播接近溢油区域时，波动会减小，因此这方面在本发明提 出的溢油监测技术中无需担心影响检测速度和效率。
[0075] 步骤S1013 :根据预设虚警概率及所述溢油区域影像的概率密度函数参数，代入 概率密度函数中，得到图像的分割阀值，依据所述分割阀值再对所述溢油区域影像进行分 害J，得到海上油库的溢油油源信息和溢油面积。
[0076] 在该步骤中，计算像素单元检测阀值，快速检测溢油。
[0077] 具体地，CFAR法就是对每个像素点取整幅图像为参考窗口，根据参考窗口的统计 特性确定一个阀值，使得以下的检测具有恒虚警概率：
[0078]
[0079] 此时阀值为X。的虚警概率为：
[0081] 因此，只需给定CFAR就可以根据图像像素的均值和标准差计算一个阀值，即：
[0082] χ0=^+2σ7?η{ Ρμι)
[0083] 式子中μ JP σ i表示各个图像像素单元灰度的均值和标准差，Pfu表示给定的 CFAR。当计算出每个像素单元的检测阀值X。时，对获取的SAR卫星图像进行检测，能够迅 速完成检测。
[0084] 判断是否溢油点，去除背景噪声，输出检测结果。
[0085] 在检测结束后，需要使用计数滤波器滤波去除背景噪声等。本算法采用的计数滤 波器，对每个点来说，如果其周围5X5区域内暗点个数大于设定值，则这个点位目标，否则 为背景噪声。具体实施步骤如下：
[0086] (1)根据SAR图像的高分辨设置溢油面积就最小值；
[0087] (2)对给一个像素单元进行检测，使用计数滤波器滤波，统计符合条件的像元组成 的面积；
[0088] (3)如果统计面积比我们设置的面积大于我们的设定值，则可认为这片区域是真 实目标，否则为背景噪声。
[0089] 滤波完成后