邹云

（南京航空航天大学 江苏 南京 210016）

海上溢油污染是各种人为海洋污染重、发生频率较高、分布面积较广、危害程度较严重的一种。而如何对海面溢油SAR图像中的物质进行准确分类就显得尤为重要。马来西亚的Mansor等[1]以SAR图像为数据源，建立了SAR溢油探测技术流程和分类算法。Solberg等[2]给出了一个可对油膜概率较大的目标直接进行自动检测的半自动探测分类器。Fiscella等[3]使用预处理工具从SAR影像中提取像素目标，根据统计标准对其进行分类。由于油膜、类油膜和海水具有不同的纹理特征，因此在SAR图像信息提取中广泛应用纹理分析的方法[4]。与此同时，人工神经网络ANN(Artificial Neural Network)自提出以来就得到了快速发展，其中径向基函数RBF(Radial Basis Function)神经网络具有良好的非线性映射、自学习能力和收敛性，因此被越来越多地运用于对目标的分类当中，取得了较好的分类效果[5-7]。

Gabor变换是频域分析方法之一，是一种强大的纹理分析工具。主成分分析PCA(Principal Component Analysis)是一类效果较好的提取图像特征信息的方法，为了降低PCA的存储空间和计算复杂度，Bernhard等提出了核主成分分析KPCA(Kernel Principal Component Analysis)法[8]，用于提取图像特征具有独特的优势。本文结合Gabor变换、KPCA和神经网络的各自优点，提出了一种基于三者的海面溢油SAR图像分类方法。

1 二维Gabor滤波器设计

2DGabor滤波器是以2DGabor函数作为基函数，二维Gabor滤波器是一种线性滤波器，且可以看做是一种小波滤波器，可以表示为Gabor函数和复正弦波函数的乘积，空间域表达式为：

其中 x′=xcosθ+ysinθ；y′=-xsinθ+ycosθ。 θ 和 λ 分别为正弦波的方向和波长。……