海面溢油自动监测中的油膜与类油膜特征分析

利用合成孔径雷达采集到的海上影像数据,可以全天时、全天候对海上溢油问题进行实时自动监测,海面溢油在SAR图像上呈现为明显的暗斑,海洋、大气现象等因素形成(通常称之为类油膜)也会在SAR图像上呈现出暗斑痕迹,为实际溢油情况判定增加了多种疑似类的不确定因素。通过在形状、灰度及纹理方面的差异对比,得到类油膜在纹理特征的概率密度分布上与油膜的各项性能指标有明显差异性,该方法对于提升自动监测系统有参考价值。

基于特征选取及广义傅立叶分形的SAR图像海洋溢油检测算法

针对海上溢油SAR图像中油膜与类油膜的识别问题,提出了一种结合傅立叶分形与特征提取的检测算法。由于分形特征可以具有无穷多的细节,并在不同的研究尺度存在自仿射特性。这与油膜及类油膜表面的几何形貌特征非常吻合。该算法通过计算样本的傅立叶分形特征,组成油膜与类油膜的特征空间。然后,应用基于差分进化的特征选取方法将利于分类的重要特征值筛选出来。再利用重要特征值对原有样本进行分类。实验表明,经特征选取的分形特征向量能够以100%的准确率将两类样本区分开。该算法在选取重要特征的同时实现了对高维特征空间降维的目的,该思想可以应用于其他的基于高维特征的识别系统中,具有普遍的适用性。

基于多特征融合与ResNet的海面溢油区识别研究

近年来,合成孔径雷达(SAR)在改善溢油检测方面得到了广泛应用。然而,由于其特殊的成像机理,乘性相干斑噪声和其他物理现象引起的暗斑一直影响着溢油检测的精度。单独使用一种特征很难对图像上的油膜和类油膜现象进行区分,针对这一问题提出了利用多特征融合结合深度残差网络(ResNet)的方式来区分全极化图像上的油膜和类油膜现象。实验中将C波段的三种极化特征:极化散射熵(Entropy)、平均散射角(Alpha)和单次散射特征值相对差异度(SERD)组合在一起,形成一个优化特征子集,在确定的三种极化特征对应的特征图上选取多个感兴趣区域作为ResNet网络的训练集和测试集。该实验所用训练集由3600个原油样本、3600个生物油样本和3600个乳化油样本(共计10800个)组合而成。测试集由600个原油样本、600个生物油样本和600个乳化油样本(共计1800个)组合而成,最终得到97.56%的分类精度。用同样的实验数据采用同是深度学习的VGG和AlexNet分类算法进行油膜和类油膜的分类,并与ResNet算法分类结果进行对比分析。为了减弱过拟合现象以及获得更可靠的实验结果,分别进行了K-交叉验证和ROC曲线实验。结果表明所提出的算法是有效的。

Chloroplast Composition and Structural Differences in a Chlorophyll-reduced Mutant of Oilseed Rape Seedlings

对黄化突变体Cr352 9和野生型油菜 (BrassicanapusL .) 352 9叶绿体的超微结构和组成进行了比较。与野生型相比 ,突变体Cr352 9叶片具有较少的类囊体、较少的垛叠膜区和较少的叶绿素含量。突变体的Chla/Chlb比值较高 ,是野生型的 2倍。电泳结果表明 ,突变体类囊体膜中LHCⅡ和其三聚体LHCⅡ 的含量减少。SDS_PAGE分析显示 ,LHCⅡ的脱辅基蛋白在突变体类囊体膜中明显减少。免疫印迹进一步表明 ,所有LHCⅡ组分的含量仅为野生油菜的类囊体膜的 1 / 3。突变体Cr352 9的天线系统比野生型 352 9的小。

基于多源信息融合方法的透平机组低频故障快速判别技术

阐述了透平机组低频故障的流体激励与油膜涡动、油膜振荡故障相似与相异的故障特征,结合可依靠的全息谱,提出了快速诊断判别这两类故障的一种新技术方法,通过大量的研究与实践把这种反向推论应用到透平机组的现场故障快速处理中,总结出多个案例与大家共享。

油罐事故泄露对区域水环境的影响及防治

本文通过MIKE11软件模拟企业事故状况下油罐泄露汇入周边水体产生的扩散,并根据预测结果确定油膜(石油类污染物)运移时间及运移距离,以制定相应的应急预案,减少油罐事故泄露所引发的对区域水环境影响。

基于RBF网络模型的SAR溢油图像识别方法

利用径向基函数(radial basis function,RBF)神经网络模型区分油膜和类油膜,旨在为溢油事故决策支持提供重要前提.首先,对合成孔径雷达(SAR)图像进行特征提取,获得有效的特征向量,并将特征向量作为输入层参数,建立激励函数;其次,利用SAR图像样本训练RBF神经网络模型,将输出值与实际值之间的误差作为约束条件调整权重因子、径向基中心和宽度,根据输出层的线性激活函数值判断溢油情况.实验结果表明,RBF模型在识别油膜与类油膜图像方面准确率超过90%.通过比较RBF和BP神经网络在SAR溢油图像分类上的准确率,也证明了RBF的有效性.