0 引　言

海洋涡旋是一种重要的海洋现象，广泛分布于全球大洋和边缘海中，它在海洋物质输送、能量传递、水声传播以及海洋生产等过程中发挥着至关重要的作用。因此，高效、精准地检测出海洋涡旋对物理海洋研究、军事和民事海洋应用都有重要研究价值。合成孔径雷达(synthetic aperture radar,SAR)是一种全天候、全天时的现代高分辨率微波成像雷达，可以清晰观测到十几千米量级的亚中尺度海洋涡旋，比传统的卫星高度计更具优势。海洋涡旋自身有多种生成机制，进而会导致在SAR图像中表现出不同的特征。其中，在流场辐聚区，由于表面漂浮物的堆积，降低了雷达波的后向散射，在SAR遥感图像上表现为较暗的条带。这种由于流场辐聚区海面漂浮物堆积显现的海洋涡旋称为海洋黑涡，SAR图像中观测到的海洋涡旋大多为海洋黑涡^[1]，本文研究对象仅为海洋黑涡，不涉及其他显现机制的海洋涡旋。

传统的SAR图像海洋涡旋检测主要通过人工目视解译方法，存在一定的主观判断。随着海量SAR图像的积累，仅使用人工目视解译识别海洋涡旋费时费力，海洋涡旋自动化检测与特征参数自动化提取显得极其重要。国内外不少学者尝试将深度学习应用到海洋涡旋检测领域，主要应用在海表温度或海面高度异常的海洋涡旋识别^[2-7]，极少涉及SAR图像，深度学习在SAR图像海洋涡旋自动检测方面的研究仍需要进一步深入。

YOLOX是旷视科技于2021年7月发布的最新一代YOLO系列目标检测器^[8]，本文重点针对海洋涡旋的自动检测与特征参数自动提取2个方面开展研究，提出基于YOLOX高性能目标检测的海洋涡旋检测模型YOLOX-EDDY。根据SAR图像海洋涡旋的螺旋线形态，对检测出的海洋涡旋进行涡旋中心位置、涡旋尺度和涡旋边缘位置等特征参数进行自动提取。

1 数据资料

目前尚未有公开可用的SAR图像海洋涡旋数据集，本文利用国家卫星海洋应用中心、中国资源卫星应用中心提供的高分三号卫星SAR图像数据，其中对高分三号卫星L1A数据进行几何校正、辐射校正处理为L2数据。通过旋转变换、转置变换、平移变换、噪声扰动变换等数据扩充方法^[9]对SAR图像数据进行扩充，共建立19720个SAR图像涡旋训练样本数据。

2 研究方法 2.1 SAR图像海洋涡旋自动检测与特征参数提取处理流程

1）制作SAR图像海洋涡旋样本库

海洋涡旋样本库主要包括标签库和样本库，其中样本库包含SAR海洋涡旋图片，将GeoTIFF格式的SAR图像经过图像预处理、数据扩充保存为PNG图片，作为海洋涡旋自动检测模型的输入源；标签库包含海洋涡旋区域的位置信息和类型信息。通过旋转变换、转置变换、平移变换、噪声扰动变换等方法进行SAR图像数据进行数据扩充。

2）构建YOLOX-EDDY海洋涡旋自动检测模型

基于YOLOX检测器构建海洋涡旋自动检测模型YOLOX-EDDY如图1所示。与以前的YOLO算法不同，它包括3个创新点分别是去耦头策略、无锚点策略和高级标签分配策略，使模型检测效果进一步提升。YOLOX-EDDY模型将CSPDarknet作为主干特征提取网络，在主干特征提取网络中加入了Fcous结构，将激活函数替换为SiLU函数，增加了SPPbottleneck空间金字塔池化，采用PAFPN的结构进行融合，将高层的特征信息，先通过上采样的方式进行传递融合，再通过下采样融合方式得到预测的特征图。将主干层提取的3个有效特征层P1，P2，P3输入到PAFPN加强特征提取网络中进行特征融合，得到加强特征层PQ1，PQ2，PQ3。3个加强特征层通过YOLOHead判断特征点是否有海洋涡旋。利用非极大值抑制消除重复的边界框以得到更加准确的检测结果。

3）海洋涡旋特征参数提取

根据海洋涡旋的螺旋线形态，本文提出一种基于骨架化的涡旋特征参数自动提取方法，涡旋特征参数包括涡旋中心位置、涡旋边缘位置、涡旋尺度。海洋涡旋特征参数提取步骤如下：

步骤1　计算YOLOX-EDDY模型检测出的海洋涡旋区域的矩形框的几何中心，作为涡旋中心位置。

步骤2　对检测出的海洋涡旋SAR图像进行二值化、剔除干扰区域、骨架化、螺旋线拟合等步骤，提取海洋涡旋的边缘位置信息。

① SAR图像二值化

采用自适应阈值分割方法对检测出的SAR海洋涡旋图像进行二值化，图像转换为0，1的逻辑运算，黑色区域对应于背景，标记为0，白色区域对应于海洋涡旋，标记为1；

② 去除小于某一指定面积的噪点

统计二值图像中各区域标识为1的像素点个数，默认设置阈值为100，即区域面积小于100，即认为是噪声，将该区域标记为0，变成黑色背景；

③ 孤立像素点填充

填充孤立的内部像素点，例如，被1包围的0，经过形态学填充处理后，该孤立的像素点变为1；

④ 图像骨架提取

经形态学骨架化处理，提取海洋涡旋的轮廓骨架线；

⑤ 毛刺消除处理

由于噪声等因素使得骨架上存在毛刺干扰，进行毛刺消除处理；

⑥ 螺旋线拟合

经过前5步骤处理后，计算出图像中所有的连通区域，获得每个联通区域的坐标索引；计算所有连通区域的像素点个数，筛选出最长的主连通区域弧段；对筛选出的主连通区域进行螺旋线拟合，得到涡旋边缘线。

对数螺旋线方程为 $ {{r}} = a{e^{b\theta }} $ ，两边同时取对数得到 $ \ln r = b\theta + \ln a $ ，将即将 $ \theta $ 和 $ \ln r $ 转换为线性方程^[10-12]。通过最小二乘法来求得该直线方程的系数 $ a $ 和 $ b $ ，进而得到最佳逼近涡旋边缘的螺旋线参数系数 $ a $ 和 $ b $ 。其中 $ r $ 和 $ \theta $ 的计算公式为：

$ {{r}}_{i}=\sqrt{{({x}_{i}-{x}_{0})}^{2}+{({y}_{i}-{y}_{0})}^{2}}\text{，} $

(8)

$ {\theta }_{i}={\mathrm{tan}}^{-1}(\frac{{y}_{i}-{y}_{0}}{{x}_{i}-{x}_{0}}) \text{。}$

(2)

式中： $ {x_i} $ 和 $ {y_i} $ 为主连通区域中第i个点的坐标； $ {x_0} $ 和 $ {y_0} $ 为涡旋中心点坐标。

步骤3　计算涡旋边缘线的最小外接圆，以圆圈的半径作为涡旋尺度，如图2所示。其中点代表涡旋中心，曲线代表涡旋边缘位置，虚线代表涡旋尺度。

2.2 实验环境

实验环境云服务器为：鲲鹏通用计算增强型KC1，云主机镜像kylinos32核，内存为128 G，Python版本是3.9。Freeze_Train设置为true，采用先冻结主干训练后解冻训练的方式进行训练。对YOLOX-EDDY模型进行训练与测试，得到海洋涡旋的检测最优模型。

利用YOLOX-EDDY模型能够实现海洋涡旋的自动检测，并对检测出有涡旋的SAR图像，进行涡旋中心位置、涡旋边缘位置、涡旋尺度信息的自动提取。

2.3 精度验证分析

选取55景SAR图像作为验证数据集，分别对YOLOX-EDDY模型的自动检测精度与特征参数提取精度进行评价。假设定有海洋涡旋的SAR图像为正样本，无海洋中尺度涡的SAR图像为负样本。55景验证数据集中包含海洋涡旋的正样本数据10景，负样本数据45景（无海洋涡旋）。

为了对YOLOX-EDDY的检测效果进行评价，采用准确率、误报率、漏报率3个指标评价YOLOX-EDDY模型的检测效果，具体计算公式如下：

$ 准确率（{\rm{accuracy}}）=\frac{TP+TN}{TP+FP+TN+FN}\times 100 \text% \text{，}$

(3)

$ 误报率（\text{f}{\rm{alsalarm}}）=\frac{FP}{FP+TN}\times 100 \text%\text{，}$

(4)

$ 漏报率（\text{miss}{\rm{rate}}）=\frac{FN}{TP+FN}\times 100 \text%\text{。}$

(5)

式中：TP代表实际和检测都为正的样本个数；FP表示检测为正但实际为负的样本个数，即误报的个数；FN表示检测为负但实际为正的样本个数，即为漏报个数；TN表示检测为负但实际为负的样本个数，如表1所示。

通过计算中心位置检测误差、边缘位置检测误差、尺度检测误差评估YOLOX-EDDY模型特征参数提取精度。涡心位置检测误差、边缘位置检测误差、尺度检测误差均采用均方根误差统计结果，均方根误差计算公式为：

$ RMSE = \sqrt {\frac{{\displaystyle\sum\nolimits_{i = 1}^N {{{({X_i} - {Y_i})}^2}} }}{N}} 。$

(6)

式中：N为样本总数， ${X_i}$ 为第i个模型提取值； ${Y_i}$ 为第i个人工目视解译真值结果。

利用YOLOX-EDDY对55景SAR图像进行海洋涡旋检测，并与人工目视解译结果进行对比验证，其中，TP为10个，FP为3个，FN为0个，TN为42个，根据评价指标公式计算得到准确率为94.55%，漏报率为0%，误报率为6.67%。根据式（6）计算，涡旋中心位置检测误差为1.86 km，尺度检测误差2.08 km，边缘位置检测误差为2.32 km。

3 结　语

本文针对SAR卫星图像中的海洋涡旋检测与特征参数自动提取问题，提出一种基于YOLOX高性能目标检测的海洋涡旋检测模型YOLOX-EDDY，该模型能够精准检测亚中尺度涡旋的特征信息，并对检测出有涡旋的SAR图像自动化提取SAR图像涡旋中心位置、涡旋尺度、涡旋边缘尺度等特征参数，实现了SAR图像亚中尺度海洋涡旋自动化精准检测和特征参数自动提取。基于此方法，本文利用高分三号卫星海洋涡旋SAR图像分别进行了涡旋自动检测和特征参数提取实验，提取结果与目视解译数据进行对比，结果表明，YOLOX-EDDY模型能够精准检测海洋涡旋，根据螺旋线形态特征能够自动提取SAR图像中涡旋特征参数。