当前位置:主页 > 科技论文 > 石油论文 >

最大熵双参数CFAR的油气平台提取与修正

发布时间:2020-05-12 17:36
【摘要】:及时、准确地掌握海上油气平台的数量、位置分布等信息可以为各国制定海洋发展战略提供参考,为海洋环境管理提供决策支持,同时也对全球海上油气安全具有重要意义。随着遥感技术的发展,利用遥感影像提取海上油气平台成为可能。与光学影像相比较,合成孔径雷达(Synthetic Aperture Radar,SAR)影像不受光照、云雨天气、海洋湿度大等诸多条件的限制,因而在海上油气平台提取中更具优势。在众多的油气平台提取方法中,双参数CFAR(Constant False Alarm Rate,CFAR)算法能够更好地适应海洋背景杂波的变化特性因而使用最为广泛。然而,当前使用双参数CFAR算法提取油气平台时,对于在不同传感器下的影像,该方法的虚警率控制系数需要根据经验判断和反复的实验进行设置。其次,在油气平台提取中面对舰船的干扰,均是基于油气平台的位置不变特性通过两期或者多期影像来剔除移动的舰船目标,这就造成所需的影像数据量大、处理过程繁琐,且对影像的重访周期要求较高。针对存在的问题,本文进行了基于双参数CFAR的海上油气平台提取方法研究。提出了基于最大熵的双参数CFAR油气平台提取方法和基于双步修正模型的油气平台提取方法,旨在进一步提高油气平台的提取精度和效率。主要内容如下:(1)本文对用于油气平台提取的数据源进行了介绍,包括光学影像和雷达影像以及油气平台在不同类型影像中的成像特征和油气平台的位置不变特性。分析了光学影像提取油气平台目前存在的不足以及雷达影像所具有的优势。并介绍了目前广泛使用的油气平台提取方法——双参数CFAR算法的检测特性。(2)当前使用双参数CFAR算法提取油气平台时,虚警率控制系数均是根据以往经验判断和反复的试验而设置的,且对于不同传感器下的影像其虚警率控制系数也不同,这就使得该方法应用过程繁琐、主观性强,对检测结果造成很大的影响。针对这一问题,本文提出了一种基于最大熵的双参数CFAR油气平台提取方法。该方法将双参数CFAR算法中所有可能的虚警率控制系数看作一个概率分布系统,应用最大熵原理,当某一个系数使目标和背景两部分统计系数的信息熵为最大时,这个系数就是目标与背景的最优分割阈值。对我国南海珠江口盆地的油气平台提取进行了案例应用,研究表明,使用该方法提取油气平台的准确率为97.5%,可以有效的提取海上油气平台目标。该方法能够客观地获得最优的目标检测阈值参数,极大地降低了目标检测过程中主观设置参数对提取结果的影响。(3)在油气平台提取中,舰船目标对提取结果的干扰非常严重。以往的研究都是基于油气平台的位置不变特性,利用两期甚至多期影像来剔除舰船。这就使得使用的影像数据量大、数据成本较高、处理过程较为繁琐,且对影像的重访周期要求较高。针对这一问题,本文在基于最大熵的双参数CFAR油气平台提取方法基础之上,提出了一种基于双步修正模型的油气平台提取方法。该方法首先使用基于最大熵的双参数CFAR算法进行疑似油气平台目标的检测。然后针对中分辨率SAR影像中油气平台与舰船的纹理结构差异(油气平台:矩形;舰船:直线型),引入霍夫变换来检测舰船目标。最后求取疑似油气平台目标和舰船目标的交集,剔除舰船目标,提取油气平台目标。使用该方法对我国南海北部湾盆地和珠江口盆地的油气平台进行了提取实验,结果显示,该方法提取油气平台的准确率为86.75%,能够满足实际生产的需要。该方法可以在保证提取准确率的同时实现仅用一期影像即可提取油气平台的目的,大大地节约了数据成本。
【图文】:

技术路线图,技术路线


技术路线图

油气,类型图,平台


高)25 25 25-30 可选双极化 80油气平台的成像特征油气平台是海上油气勘探和开发的主要钻探设备,平台上一般装有钻井、、导航等,以及安全救生和工作人员的生活设施,其是海洋油气开发的主具。我国南海北部珠江口盆地和北部湾盆地海域的油气平台主要是固定式该类油气平台是借助导管架固定在海底而高出海面不再移动的装置,平台上板用于放置钻井设备等其他钻探工具。支撑和固定平台的桩腿是直接打入海保证了油气平台较好的稳定性。但因为平台的位置不能移动,当一个区域饱和后,,重新在下一个区域开采就需要再建新的钻井装置,这样就造成钻高。为了解决油气平台的移动性问题,又出现了海上浮式生产储油船(Fing Production Storage and Offloading)等新的设备来辅助油气生产。两种主设备的类型如图 2.1 所示。油气平台的长度通常在 80 m-150 m 范围之间,FP通常在 250-300 m 左右。
【学位授予单位】:兰州交通大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:TE95

【相似文献】

相关期刊论文 前10条

1 Yang Li;Zhenyuan Ji;Bingfei Li;Gil Alterovitz;;Switching variability index based multiple strategy CFAR detector[J];Journal of Systems Engineering and Electronics;2014年04期

2 何友,Hermann Rohling;PERFORMANCE OF TWO GENERALIZED ORDER STATISTICS CFAR DETECTORS WITH AUTOMATIC CENSORING TECHNIQUE IN MULTIPLE TARGET SITUATIONS[J];Journal of Electronics(China);1995年01期

3 朱兆达;屠树德;;DETECTION PERFORMANCE OF DIGITAL POLARITY SAMPLED PHASE REVERSAL CODED PULSE COMPRESSORS[J];Journal of Electronics(China);1988年02期

4 柳毅;张淑芳;索继东;;目标屏蔽带自适应调整的CFAR处理器[J];雷达科学与技术;2017年05期

5 孙艳丽;李建海;陈贻焕;;基于自动筛选技术的广义有序统计类CFAR检测性能分析[J];计算机与数字工程;2016年09期

6 徐从安;何友;简涛;孙伟超;;空域CFAR处理方法综述[J];海军航空工程学院学报;2011年04期

7 何友,刘永,孟祥伟;杂波图CFAR平面技术在均匀背景中的性能[J];电子学报;1999年03期

8 ;A NEW CFAR DETECTOR WITH GREATEST OPTION[J];Journal of Electronics(China);1997年02期

9 ;Distribution-based CFAR detectors in SAR images[J];Journal of Systems Engineering and Electronics;2006年04期

10 陈远知,毛士艺;CFAR的一种全硬件实现方法[J];信号处理;1996年04期

相关会议论文 前10条

1 Xianxiang Qin;Huanxin Zou;Shilin Zhou;Yun Ren;;A Generalized Gamma Distributed CFAR Algorithm for Layover and Shadow Detection in InSAR Images[A];2013年中国智能自动化学术会议论文集(第二分册)[C];2013年

2 Dang Ling;Wang Pingjun;Wang Zhikai;;A Method for Determining Scale Factor of CFAR Detector Based on BP Neural Networks[A];2012年计算机应用与系统建模国际会议论文集[C];2012年

3 冀彦杰;贺杰;丁庆;李学仕;阎冬;;基于SAR图像快速双参数CFAR船只检测框架[A];第六届高分辨率对地观测学术年会论文集(上)[C];2019年

4 Ho-Hsuan Chang;;The Statistical Properties of GLR in Nonhomogeneous Clutter[A];2005年海峡两岸三地无线科技学术会论文集[C];2005年

5 Pan Wei;Liu Sili;Dong Hongzhi;;The Application of Adaptive Genetic Algorithms in Single-Resistant Radar Jamming[A];第26届中国控制与决策会议论文集[C];2014年

6 康杰;;基于CFaR的铸造企业现金流风险度量分析[A];2017冶金企业管理创新论坛论文集[C];2017年

7 邢相薇;陈振林;邹焕新;周石琳;;一种基于两级CFAR的SAR图像舰船目标快速检测算法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

8 Huixia Liu;Shuli Wu;Chunhui Zhao;Jinwen Hu;Zhiyuan Zhang;;A UAV SAR Target Detection Method Based on Improved Fukunage Koontz Transform[A];第30届中国控制与决策会议论文集(1)[C];2018年

9 孙长生;柳晓鸣;;VTS雷达子系统有序统计类CFAR检测器的设计和实现[A];中国航海学会通信导航专业委员会2006年学术年会论文集[C];2006年

10 徐达;郝程鹏;侯朝焕;;Pareto分布背景下分布式模糊OS-CFAR检测[A];第十二届全国信号和智能信息处理与应用学术会议论文集[C];2018年

相关博士学位论文 前10条

1 王明宇;复杂环境下雷达CFAR检测与分布式雷达CFAR检测研究[D];西北工业大学;2002年

2 魏玺章;分布式CFAR检测理论研究[D];中国人民解放军国防科学技术大学;2002年

3 关键;多传感器分布式恒虚警率(CFAR)检测算法研究[D];清华大学;2000年

4 喻洋;太赫兹雷达目标探测关键技术研究[D];电子科技大学;2016年

5 杜海明;雷电信号检测方法及相关问题研究[D];华中科技大学;2012年

6 汪兵;非独立同分布起伏目标建模与检测算法研究[D];电子科技大学;2017年

7 蒋文;地形跟随/回避雷达目标检测方法研究[D];电子科技大学;2017年

8 胡文琳;机载雷达恒虚警率检测方法研究[D];国防科学技术大学;2007年

9 宗凯;组合式统计信号检测技术研究[D];西北工业大学;2000年

10 张维;复杂杂波背景恒虚警检测技术研究[D];南京航空航天大学;2009年

相关硕士学位论文 前10条

1 张静;最大熵双参数CFAR的油气平台提取与修正[D];兰州交通大学;2019年

2 李园园;基于杂波分类识别的自适应IOSGO-CFAR算法研究及实现[D];西安电子科技大学;2019年

3 毛云;雷达杂波图CFAR检测算法研究及实现[D];西安电子科技大学;2018年

4 张舒;基于模糊逻辑与背景统计模型的CFAR检测算法研究[D];南京航空航天大学;2018年

5 梁建;高频地波雷达目标二维CFAR检测及软件实现[D];中国海洋大学;2014年

6 郝迎春;雷达CFAR检测算法及门限判决系数的优化研究[D];电子科技大学;2012年

7 梁元辉;分布式CFAR融合检测算法研究[D];西南交通大学;2012年

8 高宝山;海杂波背景下的CFAR目标检测[D];大连海事大学;2011年

9 吴大珩;基于杂波跟踪的CFAR研究[D];南京航空航天大学;2006年

10 王佳楠;基于FPGA的CFAR开发系统的设计与实现[D];大连海事大学;2016年



本文编号:2660594

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/shiyounenyuanlunwen/2660594.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户ab0db***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com