elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Kontakt | English
Schriftgröße: [-] Text [+]

Neural Network for Oil Spill Detection using TerraSAR-X Data

Avezzano, Ruggero und Velotto, Domenico und Soccorsi, Matteo und Del Frate , Fabio und Lehner, Susanne (2011) Neural Network for Oil Spill Detection using TerraSAR-X Data. In: Proceedings of SPIE - SAR Image Analysis, Modeling, and Techniques XI, 8179 (817911), Seiten 1-7. SPIE. SPIE Conference on Remote Sensing 2011, 19-22 September 2011, Prague, Czech Republic. ISBN 9780819488060. ISSN 0277-786X

Dieses Archiv kann nicht den gesamten Text zur Verfügung stellen.

Offizielle URL: http://dx.doi.org/10.1117/12.898645

Kurzfassung

The increased amount of available Synthetic Aperture Radar (SAR) images involves a growing workload on the operators at analysis centers. In addition, even if the operators go through extensive training to learn manual oil spill detection, they can provide different and subjective responses. Hence, the upgrade and improvements of algorithms for automatic detection that can help in screening the images and prioritizing the alarms are of great benefit. In this paper we present the potentialities of TerraSAR-X (TS-X) data and Neural Network algorithms for oil spills detection. The radar on board satellite TS-X provides X-band images with a resolution of up to 1m. Such resolution can be very effective in the monitoring of coastal areas to prevent sea oil pollution. The network input is a vector containing the values of a set of features characterizing an oil spill candidate. The network output gives the probability for the candidate to be a real oil spill. Candidates with a probability less than 50% are classified as look-alikes. The overall classification performances have been evaluated on a data set of 50 TS-X images containing more than 150 examples of certified oil spills and well-known look-alikes (e.g. low wind areas, wind shadows, biogenic films). The preliminary classification results are satisfactory with an overall detection accuracy above 80

Dokumentart:Konferenzbeitrag (Poster)
Titel:Neural Network for Oil Spill Detection using TerraSAR-X Data
Autoren:
AutorenInstitution oder E-Mail-Adresse der Autoren
Avezzano, RuggeroUniv. degli Studi di Roma Tor Vergata, Italy
Velotto, DomenicoNICHT SPEZIFIZIERT
Soccorsi, Matteomatteo.soccorsi@dlr.de
Del Frate , FabioUniv. degli Studi di Roma Tor Vergata, Italy
Lehner, SusanneNICHT SPEZIFIZIERT
Datum:21 Oktober 2011
Erschienen in:Proceedings of SPIE - SAR Image Analysis, Modeling, and Techniques XI
Band:8179
Seitenbereich:Seiten 1-7
Herausgeber:
HerausgeberInstitution und/oder E-Mail-Adresse der Herausgeber
Notarnicola , ClaudiaEURAC research (Italy)
Paloscia, SimonettaIstituto di Fisica Applicata Nello Carrara (Italy)
Pierdicca , NazzarenoUniversità degli Studi di Roma La Sapienza (Italy)
Verlag:SPIE
Name der Reihe:Proceedings of SPIE
ISSN:0277-786X
ISBN:9780819488060
Status:veröffentlicht
Stichwörter:TerraSAR-X; Neural Network
Veranstaltungstitel:SPIE Conference on Remote Sensing 2011
Veranstaltungsort:Prague, Czech Republic
Veranstaltungsart:internationale Konferenz
Veranstaltungsdatum:19-22 September 2011
Veranstalter :SPIE
HGF - Forschungsbereich:Verkehr und Weltraum (alt)
HGF - Programm:Weltraum (alt)
HGF - Programmthema:W EO - Erdbeobachtung
DLR - Schwerpunkt:Weltraum
DLR - Forschungsgebiet:W EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):W - Vorhaben Entwicklung und Erprobung von Verfahren zur Gewässerfernerkundung (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > Gewässerfernerkundung
Hinterlegt von: Bärbel Bolowski
Hinterlegt am:19 Jan 2012 15:13
Letzte Änderung:03 Apr 2013 15:50

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Copyright © 2008-2013 Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.