3.2　油料燃燒煙氣斑塊提取研究

油料火災燃燒產生的濃煙包含炭黑顆粒等污染物，且污染范圍較廣，2005年英國邦斯菲爾德油庫火災爆炸產生的濃煙甚至飄散至法國北部。對油料火災煙氣污染擴散區域的實時、有效、大范圍監測具有重要的研究意義。目前針對航天遙感影像的油料火災煙氣提取研究較少，但針對傳統的地面監測系統的火點煙氣提取與識別，國內外研究人員開展了系列研究。范一舟等^［64］提出了一種針對林火監測的模板匹配搜索算法，可有效檢測林火產生的煙氣。楊斌等^［65］基于無人機遙感林火影像中煙氣的光譜特征，提出了林火煙氣提取方法。油料燃燒產生的煙氣成分復雜、顆粒大小分布不均、煙團厚度因自身擴散及風速影響較大、煙團下墊面背景地物的反射噪聲等均是煙氣信息提取的不利因素，基于遙感影像的煙氣信息提取是一大難題。

可見光全色影像具有較高的空間分辨率，通過全色影像可對地物空間信息進行較為精確的提取分析。針對煙氣提取的難題，本研究從影像分割的方法入手，構建了基于航天遙感全色影像信息的煙氣斑塊提取模型。該模型首先對圖像進行預處理：將原始影像的灰度進行直方圖均衡化增強處理，對灰度增強后的影像進行小波分解處理；小波分解得到低頻影像，通過Canny算子檢測影像地物的邊緣信息，將邊緣檢測結果用于高頻影像邊緣的檢測；對小波分解的低頻影像進行平滑濾波處理，平滑濾波后的影像邊緣不夠清晰，需對影像進行梯度計算。經過預處理后的影像通過影像分割的方法提取煙氣斑塊信息，分割模型以分水嶺分割算法為核心，對分水嶺算法的過度分割問題進行了改進。最后通過小波逆變換得到煙氣斑塊提取結果，小波逆變換的過程中結合了Canny算子檢測邊緣信息。該模型的技術路線如圖3.41所示。

圖3.41　煙氣斑塊提取模型