合成孔径雷达(Synthetic Aperture Radar,SAR)图像已经被广泛的应用在海上溢油监测中,因为海面溢油的平滑效应对雷达波反射起削弱作用,所以在雷达图像上会显示出暗色的阴影区域,而周围的海水却因为表面粗糙作用而显示比较亮。利用这一原理,SAR可以用来观测到海面发生的溢油事故。 为了精确分类SAR溢油图像,本文提出了一种纹理分析结合神经网络的方法来分类溢油图像。纹理分析阶段本文使用灰度共生矩阵法计算出对SAR溢油图像最敏感的4个纹理特征值,结合像元的灰度值组成分类图像的特征矢量。考虑到神经网络具有自组织、自学习、自适应和联想能力,通过对样本反复训练,能辨别各类样本特征的这一优点。本文选取图像典型区域,提取出特征矢量输入到神经网络中进行训练。选用常用的神经网络模型BP神经网络、径向基神经网络(RBF)和概率神经网络对图像中溢油和海水等物质进行训练。网络收敛后,利用待识别的图像测试分类识别的效果。通过对比三种网络模型对SAR溢油图像的识别效果和分类精度,三种网络模型都能够达到比较令人满意的效果。并且概率神经网络分类模型不仅在分类精度上,而且在计算时间上都优于其它两种模型。