基于受限玻尔兹曼机和改进量子金豺优化算法的海洋雷达溢油检测方法

《Remote Sensing》：Marine Radar Oil Spill Detection Method Based on RBM and Improved Quantum Golden Jackal Optimization Algorithm

　　

摘要

海上溢油事故对海洋生态系统造成严重破坏，同时也对海洋经济增长和公众福祉构成重大威胁。因此，开发高效精准的海洋污染防控检测技术具有重要的现实意义。本文提出了一种融合限制玻尔兹曼机（RBM）特征学习与改进量子金豺优化（IQGJO）算法的海洋雷达溢油检测方法。首先，对原始雷达图像进行预处理；随后，通过RBM进行无监督深度特征提取，并利用K-means聚类算法识别溢油感兴趣区域；最后，采用IQGJO算法进行自适应阈值优化以及油膜目标的精细分割。与传统的金豺优化（GJO）和引力搜索算法（GSA）相比，IQGJO融入了量子机制和Lévy飞行扰动，从而有效缓解了传统方法易收敛至高灰度局部最优解的问题，显著增强了对弱反射和破碎油膜的识别能力。实验结果表明，IQGJO算法达到了99.7%的准确率，明显优于GJO和GSA方法。该方法实现了复杂海况下海面溢油的高精度自动化分割，为雷达溢油监测和应急响应提供了有效的技术指导。