Discriminación automática de vertidos de hidrocarburos a partir de imágenes ASAR utilizando una máquina de vectores soporte -SVM

L. González (luisgv@uvigo.es)

J. M. Torres, N. Yarovenko y J. Martín

RESUMEN

La detección de vertidos de hidrocarburos en áreas oceánicas en imágenes de radar de apertura sintética (SAR) es una operación complicada debido a la presencia de otros fenómenos que dan lugar a signaturas similares a la de los vertidos, por lo que se han propuesto diferentes sistemas automáticos o semiautomáticos de detección que permitan distinguir los vertidos reales. En este trabajo se presenta un clasificador basado en un método de aprendizaje supervisado denominado Máquina de Vectores Soporte (SVM). Para el desarrollo del algoritmo se han utilizado 26 imágenes ENVISAT ASAR adquiridas durante la marea negra causada por el petrolero Prestige a finales del 2002 y que afectó a la costa noroeste de España. Estas imágenes presentan no solamente gran número de vertidos sino también gran cantidad de falsas alarmas. Para poder entrenar y validar el clasificador fue necesario llevar a cabo una categorización a priori de las signaturas que aparecían en las imágenes, para lo cual se utilizaron otras fuentes de datos, incluyendo observaciones directas de las manchas que nos permitieron verificar muchos de los vertidos presentes. Los resultados mostraron un algo grado de precisión (98.1%) y significancia (93.5%) en la validación, así como una prometedora capacidad de generalización del algoritmo.

PALABRAS CLAVE: Radar de apertura sintética (SAR), vertidos de hidrocarburos, Máquina de Vectores Soporte (SVM), sistema de detección, clasificador

ABSTRACT

Oil spill detection over ocean areas using synthetic aperture radar (SAR) images is a complicated operation due to the presence of other phenomena with signatures similar to those of oil slicks, and hence, different automatic or semi-automatic detection systems have been proposed in order to distinguish the real oil spills. In this work it is proposed a classifier based on a supervised learning method named Support Vector Machine (SVM). The algorithm was developed using 26 ENVISAT ASAR images acquired during the Prestige oil spill at the end of 2002 on the north-west coast of Spain. These images show not only a great number of oil slicks but also a lot of false alarms (or look-alikes). With the aim of training and validating the classifier, it was necessary a priori categorization of the signatures using other data sources, including direct observations that allow us to verify several slicks as oil. Results show a high degree of accuracy (98.1%) and significance (93.5%) in the validation, and also promising generalization capabilities of the algorithm.

KEYWORDS: Synthetic Aperture Radar (SAR), oil spills, Support Vector Machines (SVM), detection system, classifier

PULSE AQUI PARA DESCARGAR EL ARTÍCULO COMPLETO.