海洋石油开采、船只泄漏、非法排污以及天然石油渗漏都给海洋生态环境和自然资源带来重大损失。为了有效解决海洋溢油问题,遥感手段在溢油检测中发挥关键作用,其中合成孔径雷达(SAR)由于其全天时全天候的优势,成为海洋溢油检测的重要手段之一。本文以海洋溢油为研究对象,采用极化SAR数据对海洋溢油区域展开工作,重点进行了溢油影像的特征提取,油膜与海水的分离。在油膜-海水分类实验中,采用了多种分类方法提高溢油分类精度。本文主要研究成果归纳如下:1.极化SAR溢油特征提取:论文采用两景Radarsat-2的全极化数据,对数据进行预处理,采用极化总功率、极化分解、一致性参数、极化度等参数对溢油影像进行特征提取。对比分析提取的溢油特征,采用J-M定量的方法进行特征优选,获取溢油检测的最优特征,为后续溢油分类提供有效的特征数据。2.遗传算法优化小波神经网络分类器(GA-WNN)的改进:为进行油膜-海水的分离,分类器的选取尤为关键。BP神经网络作为经典的三层网络分类器被用于遥感影像分类,但它存在不收敛或者收敛性不稳定等情况。在BP神经网络的基础上,将隐含层基函数换为小波基函数,即小波神经网络分类器,以此作为分类器的改进。同样小波神经网络分类器对于初值的选取要求较高,为了解决初值问题,论文采用遗传算法对小波神经网络进行优化。最后通过实验验证了该优化方法的有效性。3.多视极化SAR分类方法检测溢油:论文中采用H/A/(?)Wishart分类方法,在无先验知识的情况下,可以根据极化SAR物理散射机制进行初步的海洋溢油检测,然后再根据极化SAR数据分布规律,采用Wishart度量,从概率模型上对影像数据进行分类。从实验结果可知,该方法虽没有GA-WNN溢油检测精度高,但是通常在没有先验知识(无解译图)的情况下,H/A/(?)Wishart分类也可作为一种溢油检测手段。