在全球海运贸易与石油勘探活动日益频繁的背景下，溢油已从潜在威胁转变为严峻的现实挑战。发展高效、可靠的溢油监测技术对于海洋环境保护与溢油事故应急响应具有重要的现实意义。本研究在航海雷达溢油监测领域提出一种融合尺度不变特征转换（Scale Invariant Feature Transform, SIFT）与改进的哈里斯鹰优化（Harris Hawks Optimization, HHO）算法的溢油目标自动检测方法。该方法首先利用SIFT算子提取雷达图像中的稳定特征点，并通过空间分布建模与最小面积椭圆拟合，构建能够有效覆盖潜在油膜区域的兴趣区（Region of Interest, ROI）。在此基础上，采用改进的HHO算法对ROI图像进行油膜目标的自适应阈值分割。改进后的算法通过优化探索与开发阶段的平衡机制，在高噪声、不均匀的雷达图像中实现油膜目标的精确提取，并引入莱维飞行增强全局搜索能力。本研究旨在构建一套完整的航海雷达溢油数据处理方法，通过结合特征驱动与智能优化的优势，克服传统方法在复杂海况下适应性差的问题，为海洋溢油实时监测与应急处理提供自动化解决方案。
Guo et al. (Thu,) studied this question.