Key points are not available for this paper at this time.
Com o rápido desenvolvimento do transporte marítimo mundial, acidentes com derrames de óleo, como colisões de petroleiros, despejos ilegais de esgoto e rupturas de oleodutos, ocorrem com frequência. À medida que o sistema SAR se expande de polarização única para multipolarização, o Radar de Abertura Sintética Polarmétrica (Pol-SAR) tem sido amplamente utilizado na detecção de derrames de óleo marinhos. No entanto, nos estudos de extração de derrames de óleo em imagens SAR, existem alguns problemas que limitam o trabalho de detecção de derrames de óleo em grande escala. Como uma transição de polarização única para polarização total, o sistema dual-polarizado transporta algumas informações de polarização que podem ser obtidas em grandes quantidades gratuitamente, o que se tornou um grande avanço na resolução do problema de detecção de derrames de óleo em larga escala. Para otimizar as características multdenominativas que podem ser extraídas de imagens SAR dual-polarizadas, melhorar significativamente a taxa de utilização das imagens de derrames de óleo SAR dual-polarizadas sob a premissa de reduzir a carga de trabalho e garantir a precisão da extração de derrames de óleo marinhos, este artigo adota a métrica de separabilidade entre classes, a distância de Jeffries–Matusita, que melhora o algoritmo K-means tradicional ao focar na sensibilidade ao ruído do algoritmo K-means; a influência artificial da distância J–M na medição da separabilidade entre classes melhora o algoritmo em três aspectos: seleção de amostras, cálculo de distância e avaliação de dados. Finalmente, usando a distância J–M entre amostras de características multdenominativas, a precisão geral da segmentação de imagens, a pontuação F1 e os resultados da análise de correlação entre características, três características vantajosas e três características subdominantes são selecionadas que podem ser usadas para detecção de derrames de óleo marinhos.
Cheng et al. (Quarta-feira,) estudaram esta questão.