基于光谱曲线特性的油膜厚度估计模型分析

摘要

如今，海上溢油事故频发，如何对溢油的油量进行估计是一个重要课题。如果可以得到溢油量，那么对后续的应急处理以及损失的评估都会有较大的帮助。而高光谱遥感技术的快速发展使对油膜厚度的定量估计成为可能。
　　 高光谱遥感技术作为一种热门的遥感技术广受关注，主要原因如下:高光谱遥感技术可以获得其他遥感图像无法获得的物质数据，同时还可以将物质的光谱数据与其属性直观地联系起来。这样，对物质的分析就可以转化为对光谱曲线之间差异性与相似性的分析。而这也是高光谱技术可以用于油膜厚度估计的前提。
　　 本论文采用AvaSpec光谱仪测量不同厚度的油膜，得到对应的光谱曲线，然后对光谱曲线的多种曲线特征进行提取，分析不同的曲线特征与油膜厚度之间的关系。结果表明，油膜厚度与基于高光谱位置变量的Rg和Ro、三角植被指数的RDVI和TVI以及Haboudane关系式的相关性较大。
　　 然后论文分别采用曲线拟合、BP神经网络、基于SVD的迭代方法以及多特征融合的曲线拟合模型建立油膜曲线特征与油膜厚度之间的响应关系，并以此对不同的油膜光谱曲线进行厚度估计。对得到的结果进行精度检测和运行时间分析，最终得出每个估计模型的优劣。
　　 最后，将此方法和模型应用于实际高光谱图片，实现了对油膜厚度的预测。

目录

声明

摘要

第1章 绪论

1．1 课题研究的背景及意义

1．2 预测油膜厚度的国内外技术现状

1．2．1 光谱解混

1．2．2 模式匹配

1．3 论文研究工作及文章结构

1．3．1 论文的研究工作

1．3．2 文章结构

1．4 本章小结

第2章 高光谱数据特性分析以及特征参数选择

2．1 高光谱数据特性分析

2．1．1 高光谱数据特性

2．1．2 高光谱数据结构

2．2 光谱曲线的预处理

2．3 光谱曲线的特征参数选择

2．3．1 常用的光谱曲线特征参数

2．3．2 相关性分析

2．4 本章小结

第3章 油膜厚度估计模型分析

3．1 油膜厚度估计模型分类

3．1．1 曲线拟合模型

3．1．2 BP神经网络模型

3．1．3 基于SVD迭代模型

3．2 多特征融合的曲线拟合模型

3．3 评价模型方式

3．4 本章小结

第4章 光谱油膜厚度估算及实验结果分析

4．1 实验数据获取

4．1．1 材料、设备与实验环境

4．1．2 光谱数据采集

4．1．3 光谱数据的预处理

4．2 光谱曲线特征的提取

4．3 建立油膜曲线特征与油膜厚度之间的对应模型

4．3．1 曲线拟合模型

4．3．2 BP神经网络模型

4．3．3 基于SVD迭代模型

4．3．4 多特征融合的曲线拟合模型

4．3．5 比较分析

4．4 在实际图像中应用曲线拟合模型

4．5 本章小结

第5章 总结与展望

5．1 总结

5．2 展望

参考文献

攻读学位期间公开发表论文

致谢

研究生履历