基于HBA-AE与IAEA协同的无监督X波段航海雷达溢油检测框架

《Remote Sensing》：Unsupervised Marine Radar Oil Spill Detection via an Autoencoder–IAEA Synergistic Framework

　　

海洋溢油事故对海洋生态系统和沿海经济发展构成严重威胁。X波段航海雷达为近岸溢油监测提供了有效手段，但由于油膜与海杂波之间存在灰度重叠、距离相关回波衰减以及噪声干扰，精确油膜分割仍具挑战。针对这些问题，提出一种集成HBA-AE感兴趣区域（Region of Interest，ROI）提取与IAEA精细分割的无监督溢油检测方法。在粗检测阶段，自编码器（AutoEncoder，AE）将像素灰度强度、局部均值和局部标准差映射到紧凑的二维潜空间。AE所得潜表示进一步由蜜獾算法（Honey Badger Algorithm，HBA）优化，以增强油膜—海杂波可分性，随后由K-Means聚类识别候选溢油ROI。在后续精细分割阶段，提取的ROI约束搜索域，改进Alpha进化算法（Improved Alpha Evolution Algorithm，IAEA）最大化三分类Otsu类间方差，以确定油膜描绘的最优双阈值。利用Dalian 7·16溢油事故期间采集的X波段航海雷达数据开展实验，并与七种代表性方法比较。所提框架取得精确率（Precision）97.20%、F1分数（F1-score）86.60%和交并比（IoU）76.40%，在复杂海杂波条件下表现出更优的油膜分割精度和有效虚警抑制。该框架还在分割精度与计算效率之间保持良好平衡，展示了其在所考察雷达观测条件下用于海洋溢油监测的潜力。

研究背景方面，海上石油活动与海上运输强度增加提高了事故性海洋溢油风险，溢油会对海洋生态系统、沿海经济和公共健康造成持续损害。有效应急响应依赖及时、准确识别油膜，尤其在溢油早期，油膜空间分布信息对围控与回收作业至关重要。合成孔径雷达（Synthetic Aperture Radar，SAR）具有全天时、全天候成像能力和抗云覆盖能力，但星载SAR受重访间隔限制，机载SAR受飞行续航与部署要求限制，难以连续实时监测；X波段航海雷达可提供持续原位观测、较高空间分辨率和较低运行成本，适合近岸与船载溢油监测。然而，X波段航海雷达图像中的油膜通常呈低对比暗区，其灰度与周围海杂波明显重叠；距离相关回波衰减造成灰度非均匀；同频干扰和斑点噪声进一步降低图像质量，使复杂海况下难以同时保持高检出率和抑制虚警。现有阈值图像处理方法对灰度分布和海况变化敏感；纹理特征与机器学习方法依赖手工特征，监督变体还需标注样本；无监督聚类结合智能优化可减少标注依赖，但优化效率和局部最优问题仍突出；深度学习方法受有限标注样本和对未见海况泛化能力限制。因此，研究人员开展一项无监督框架研究，将HBA-AE的ROI提取与IAEA精细分割相结合，以期减少标注依赖、增强复杂灰度分布下鲁棒性、提高优化效率并抑制虚警。

研究开展与结论方面，该方法在ROI提取阶段由AE将灰度强度、局部均值和局部标准差编码为二维潜空间，HBA依据簇内平方和误差优化潜表示，增强特征紧凑性与油膜—海杂波可分性，再由K-Means聚类识别候选溢油区域；随后以ROI约束阈值搜索空间，IAEA通过最大化三分类Otsu类间方差确定最优双阈值。实验使用Dalian 7·16溢油事故的X波段航海雷达数据，与七种代表性方法比较，所提框架取得Precision 97.20%、F1-score 86.60%、IoU 76.40%，在复杂海杂波条件下表现出更优油膜分割精度和虚警抑制，并在分割精度与计算效率之间保持良好平衡。其意义在于无需大规模标注样本即可实现溢油监测，降低复杂海杂波条件下对人工阈值选择的依赖，为所考察雷达观测条件下的海洋溢油监测提供无监督策略。

关键技术方法方面，数据来源于大连湾近岸码头实际溢油事故，由大连海事大学教学训练船Yukun执行溢油监测巡航并完成X波段航海雷达图像采集；雷达为水平极化，有效探测半径0.75 n mile，图像采集于事故第五天，4帧约覆盖15 min，原始分辨率1024×1024。预处理包括坐标转换、同频干扰抑制、斑点噪声抑制、距离相关灰度校正和对比度受限自适应直方图均衡化（CLAHE）。AE将像素灰度、3×3局部均值与局部标准差映射为二维潜特征；HBA优化二维权重；K-Means以K=3提取ROI；IAEA在ROI内以三分类Otsu类间方差为适应度优化双阈值，并结合形态学后处理。研究还开展与Otsu、ABC、GA、HHO、K-Means、SVM、U-Net的比较、同ROI对照和消融实验。

研究结果方面，3.1 HBA-AE ROI Extraction（HBA-AE感兴趣区域提取）：通过固定随机种子开展HBA-AE编码与优化，HBA得到优化权重w₁=1.65、w₂=0.10，并在优化潜空间中进行K-Means三分类，保留中间类作为油膜ROI；经远场顶部350行置零、去斑点和孔洞填充后，将精化掩膜与原图融合生成高对比ROI可视化，表明HBA-AE可无监督提取候选油膜区域。3.2 IAEA Oil Film Segmentation（IAEA油膜精细分割）：通过IAEA在ROI灰度空间进行三分类，设置种群规模30、最大迭代80，自适应参数随迭代下降，收敛得到最优双阈值T₁=83、T₂=150；取最暗类为油膜，经面积开运算和孔洞填充等形态学后处理获得精细掩膜并以红色叠加；对同一事故的另外三帧补充验证显示四帧均成功提取油膜，油膜区域集中于雷达中心附近并呈径向分布，表明该框架在同一事故场景不同雷达观测条件下可保持有效分割。

讨论部分总结：4.1通过四帧连续观测评估稳定性，Precision保持在0.91以上，Recall约0.75—0.82，F1-score约0.81—0.87，Accuracy高于0.97，IoU约0.70—0.78，Specificity接近0.99，表明在所考察观测条件下具有短期事件内稳定性。4.2与七种代表性方法比较，采用专家标注参考掩膜进行定性和定量评价，所提方法在保留主油膜和细分支的同时虚警较少，Precision、F1-score、IoU、Accuracy和Specificity最佳，Recall低于部分方法，体现优先抑制虚警的特点；同ROI对照中IAEA取得最高F1-score和IoU，ABC与HHO的Recall接近但F1-score和IoU略低；无ROI约束直接将IAEA用于全图时，海杂波中孤立低回波斑块被误判为油膜，说明ROI约束对限制阈值搜索空间和抑制虚警具有重要作用。4.2.4指出基线方法局限：Otsu仅依赖全局灰度分布；K-Means和SVM主要依赖浅层像素特征；ABC、GA和HHO召回较高但虚警较多；标准U-Net对弱油膜回波和薄边界缺乏专门模块而存在漏检。4.3消融实验表明，移除HBA后整体分割结构变化不大，但目标边缘、弱回波区和灰度过渡区出现更多孤立细结构，说明HBA主要通过潜特征加权影响局部ROI细节；以PCA替代AE后Precision由97.20%降至33.40%、F1-score由86.60%降至49.90%、IoU由76.40%降至33.20%，而Recall由78.10%升至98.40%，表明AE非线性特征对区分油膜和海杂波重要；K=2和K=4均差于K=3。IAEA与标准AEA、穷举Otsu在同一HBA-AE ROI和同一三分类Otsu目标下比较，IAEA约4次迭代达到穷举最优，标准AEA约70次迭代达到；30次运行三种方法均得到T₁=83、T₂=150及最大类间方差2277.856028，平均耗时IAEA为1.3162±0.0143 s、标准AEA为1.1663±0.0253 s、穷举Otsu为13.7082±0.4454 s，两种种群方法均快于穷举Otsu。4.4与最接近先验方法在同一图像和同一真值下比较，所提方法分割更干净完整；SLIC-KMeans-GJO出现碎片化油膜边界和残余海杂波，SBR+改进Sauvola丢失部分薄油膜，DBSCAN+BBO-SA在类船尾迹区域虚警较多且在薄油膜处漏检较多。4.5指出X波段航海雷达具有持续原位观测、较高空间分辨率、快速数据获取、低运行成本和昼夜可用等优势，但检测受海况尤其是波高影响：高海况下海杂波更复杂且低回波区可能误判为油膜，低海况下油膜与海面对比度降低，均增加漏检或虚警。局限包括：验证帧均来自同一事故，仅说明所考察观测条件下的事件内重复性，尚未验证跨油种、海况、站点或雷达系统的泛化性；处理时间对应单幅雷达图像且包含AE训练，端到端延迟长于雷达采集间隔，不声称达到雷达采集节律；复杂海杂波、弱油膜对比度和严重干扰仍可能影响性能。

研究结论部分翻译如下：本研究提出一种集成HBA-AE ROI提取与IAEA精细分割的X波段航海雷达溢油检测框架，以解决油膜与海杂波灰度重叠、距离相关回波衰减和噪声干扰问题。主要结论为：（1）AE将像素灰度强度、局部均值和局部标准差映射到二维潜特征空间，为后续ROI提取提供判别表示；消融实验显示以PCA替代AE会显著降低分割性能，表明非线性特征提取对区分油膜和海杂波具有重要性。（2）HBA进一步优化AE潜表示以促进K-Means ROI提取；移除HBA对分割精度改变较小，但会在目标边缘和弱回波区域引入额外孤立细结构，表明HBA主要提高ROI提取效率并保持相当检测性能。（3）IAEA在提取ROI内通过优化三分类Otsu类间方差自适应确定两个灰度阈值，实现无需人工指定阈值的自适应油膜分割；在同一ROI和同一目标函数下，IAEA以更少迭代达到穷举搜索最优，两种基于种群的方法均快于穷举Otsu。未来工作将收集来自不同溢油事故和环境条件的更多航海雷达数据集，以进一步评估和提高所提框架的泛化能力与鲁棒性；同时探索数据增强策略和多帧雷达序列分析，以提高方法在不同海况和油膜演化过程中的适应性。