Método y sistema de detección de hidrocarburos basado en el análisis de datos SAR.

Sistema y un método de detección automático de vertidos de hidrocarburos optimizado para dar una respuesta en tiempo casi real a la presencia de este tipo de vertidos en el océano.

Para llevar a cabo la detección de los vertidos se emplea imágenes que proporcionan información de la radiación, en el rango de las microondas, reflejada por la superficie. Estas imágenes se analizan en un sistema informático y a partir de este análisis se genera una lista de zonas en las que se han producido vertidos de hidrocarburos.

Metodo y sistema de detección de hidrocarburos basado en el analisis de datos SAR

SECTOR TECNICO DE LA INVENCION

La presente invenciOn se refiere a un metodo y sistema de detección de vertidos de hidrocarburos en la superficie oceanica a partir del estudio de la radiación reflejada par la misma.

ESTADO DE LA TECNICA

La contaminación oceanica afecta directamente a la economia (turismo, pesca, etc.) y al medioambiente de las regiones costeras. Del total de la contaminación provocada par vertidos de hidrocarburos, cerca de la mitad (45%) la forman pequerios derrames generados a traves de tareas de mantenimiento (p.ej. la limpieza de las sentinas) que se denominan genericamente sentinazos. Los sentinazos suelen aparecer en las principales rutas maritimas y los infractores suelen realizar los vertidos durante la noche para evitar ser detectados par las

15 autoridades.

Diferentes sistemas han sido desarrollados can el objetivo de detectar los vertidos de hidrocarburos para asi poder combatir sus efectos e incluso perseguir a los infractores. En la actualidad se utilizan buques y aviones especialmente equipados para Ilevar a cabo labores de vigilancia y lucha contra la contaminación. Aunque Utiles coma equipos de intervenciOn, su limitada cobertura y su excesivo caste los hace poco eficientes a la hora de

20 vigilar areas extensas.

Los sistemas de detecciOn, basados en datos obtenidos par satelites, tienen una gran cobertura que los hace especialmente Utiles coma medios de vigilancia. Algunos desarrollos estan basados en sensores Opticos pero estos se ven afectados par la radiación solar y par la cobertura nubosa, lo que los hace menos versatiles que otros basados en sensores de microondas.

Los datos obtenidos a traves de satelites equipados can Radares de Apertura Sinteticos (SAR) han demostrado ser de gran utilidad en la detección de hidrocarburos. Es habitual referirse a este tipo de datos coma imagenes SAR dada que estos pueden ser visualizados asociando sus valores a niveles de grises. Existen diversos factores a tener en cuenta en el desarrollo de un sistema de detección de hidrocarburos de esta naturaleza y entre ellos cabe destacar los siguientes:

•La eficacia del sistema se basa principalmente en el analisis de los datos SAR par ello es importante utilizar la mayor precisión posible en estos para no perder información.

• Los falsos positivos son mucho mas numerosos que los vertidos y entre estos los mas abundantes son los causados par vientos de bajan intensidad. lncluir información meteorolOgica (datos de vientos) es vital para una correcta clasificaciOn.

•El tiempo de respuesta del algoritmo es critico para identificar un vertido y actuar ante una eventual emergencia. Es importante tener en cuenta que los sentinazos suelen disolverse tras un corto periodo de tiempo. En el estado de la tecnica se observan diferentes aproximaciones al desarrollo de sistemas autornaticos o semiautornaticos para la detección de vertidos de hidrocarburos. La mayoria de ellas estan compuestas par

algoritmos que pueden ser divididos en 3 grandes fases: una fase de segmentación donde se trata de localizar todos los candidatos a sentinazos (vertidos y falsos positivos) , una fase de caracterizaciOn donde se extrae un vector de caracteristicas de cada candidato y par Ultimo una fase de clasificaciOn en la que se analiza el vector obtenido y se asigna una clase (sentinazo o falso positivos) al candidato.

En NeuralNetworks forOil Spill DetectionUsingERS-SARData, F. Del Frate, A. Petrocchi, J. Lichtenegger y G. Calabresi, TransactionsonGeoscience andRemoteSensing, vol. 38, n° 5, 2000.se desarroll6 un sistema en el que el tiempo de procesamiento y la eficacia del proceso de segmentación fueron mejorados a traves de la supervisiOn de un operador. La segmentación, en lugar de aplicarse sobre toda la imagen SAR, se aplicaba sOlo 5 adeterminadas regiones de interes (ROI) previamente seleccionadas por un experto. A traves de un umbral y una tecnica de detección de bordes se generaba un producto con todos los posibles sentinazos que un operador debia validar. De cada candidato se obtenia un vector de caracteristicas compuesto de 4 caracteristicas basadas en la forma del candidato y 7 caracteristicas fisicas que relacionaban el nivel de intensidad de los pixeles pertenecientes al candidato con el de los de su entorno. La red neuronal utilizada como clasificador alcanzaba 10 una eficacia del 86% en la correcta clasificaciOn de los candidatos. Un estudio en detalle de las conexiones y pesos de la red neuronal concluy6 que las caracteristicas fisicas eran mas relevantes en la clasificaciOn que las de forma. El sistema, aunque con una eficacia considerable, era dependiente de la supervisiOn y pericia de un operador lo que mermaba considerablemente sus posibilidades y, aunque el autor lo contempla como linea futura, la no inclusiOn de información meteorolOgica en la clasificaciOn, hacia imposible detectar autornaticamente

todos los falsos positivos.

En ClassifiersandConfidenceEstimationforOil Spill Detection inEnvisatASAR Images, C. Brekke y S. H. Anne, GeoscienceandRemoteSensingLetters, vol. 5, n° 1, 2008. se desarroll6 una mejora sobre un algoritmo previo basada en la identificación de los sentinazos a traves de una aproximación estadistica y la posterior asignación de una probabilidad a cada uno de ellos para que un operador pudiese valorar y priorizar las alarmas y asi 20 optimizar el uso de los recursos disponibles. La segmentación estaba basada en un umbral adaptativo en el que se tenia en cuenta la influencia de los vientos pero de una forma indirecta a traves del PMR (ratio entre la desviaciOn estandar y la media de la intensidad) . Calculando el PMR de un area de la imagen y con la premisa de que las areas con intensidades mas altas estaban afectadas por velocidades de viento mayores, se asignaba a la zona estudiada una clase que condicionaba su umbral. La complejidad del proceso de segmentación

generaba un tiempo de procesamiento excesivo que los autores intentaron paliar introduciendo factores de escape que evitaban procesar todos los pixeles de la imagen y asi mejorar su respuesta. No utilizer todos los datos disponibles suele conllevar una disminución de la eficacia mientras que el uso de valores indirectos (PMR) para ajustar la relaciOn entre el viento y la intensidad introduce imprecisiones en el algoritmo.

En UsingSAR images todelineateoceanoil slickswitha texture-classifyingneuralnetworkalgorithm (TCNNA) ,

30 0. Garcia-Pineda, B. Zimmer, M. Howard, W. Pichel y X. Li, CanadianJournalofRemoteSensing, vol. 35, n° 5, pp. 411-421, 2009. se utilizO una red neuronal para segmentar y clasificar en un mismo paso. De cada pixel, el sistema obtenia un vector de caracteristicas con 46 componentes que incluia: el valor del pixel, vientos locales, angulo de incidencia e información sobre texturas (descriptores y filtros de convoluciOn) . Las imagenes SAR se utilizaban codificadas en 8 bits, con la consecuente perdida de información respecto a las imagenes originales

35 que disponen de mayor precisión. La red clasificaba correctamente al 98% de los pixeles presentes en los conjuntos de validaciOn. A pesar de la reducción en la precisión de los datos, el tiempo de procesamiento empleado por el algoritmo era excesivo (65 minutos por imagen) debido al uso de un vector de caracteristicas extenso y complejo.

Los sentinazos, dada su naturaleza, adquieren una serie de formas caracteristicas. Basandose en esta premisa,

enOil Spill DetectionbySAR ImagesBasedonShapeFeatureSpace, G. Yue y W. XiaoFeng, International Conference on Networking and Information Technology, Singapore, 2011 se desarroll6 un algoritmo de clasificaciOn basado exclusivamente en la forma de las manchas segmentadas. Estudios previos han demostrado que la incorporación de datos meteorologicos es cave para eliminar gran parte de los falsos positivos generados por vientos de baja intensidad. Adernas, en un analisis de las caracteristicas mas utilizadas, en Oil spill feature

45 selection and classiifcation using decision tree forest on SAR image data, K. Topouzelis y A. Psyllos, ISPRS JournalofPhotogrammetiyandRemoteSensing, vol. 68, pp. 135-143, 2012, se concluye que la utilizaciOn de un vector mixto entre caracteristicas fisicas y de forma,...

1. Un método de detección de vertidos de hidrocarburos en el océano que comprende: a) emitir pulsos de radiación electromagnética, cuya longitud de onda está entre 3, 75 y 7, 5cm, que se corresponde a la banda C en el rango de las microondas, hacia el océano; 5 b) medir la radiación electromagnética reflejada por el océano; c) generar una imagen formada por una pluralidad de píxeles en los que cada píxel indica la cantidad de radiación reflejada por el océano; d) incorporar los datos de viento de la zona en la que se enviaron los pulsos de radiación electromagnética;

e) procesado de los datos obtenida; y f) generación de una lista de zonas en las que existen hidrocarburos.

2. El método de detección según la reivindicación 1, etapa e) , en el que el procesado de la imagen (201) comprende: a) calibrar y georreferenciar la imagen SAR (202) ; 15 b) preprocesado (203) de la imagen obtenida en el paso anterior; c) segmentación (204) de la imagen obteniendo una serie de zonas segmentadas candidatas a presentar vertido de hidrocarburo; d) caracterización (205) de las zonas segmentadas; y

e) clasificación (206) de las zonas segmentadas como zona con presencia o ausencia de vertido de 20 hidrocarburo.

3. El método de detección según la reivindicación 2, etapa b) , en el que el preprocesado comprende: a) enmascarar las zonas de la superficie que se correspondan con zonas de tierra; y b) aplicar un filtro paso bajo que reduce el nivel de ruido de la imagen.

4. El método de detección según la reivindicación 2, etapa c) , en el que la segmentación comprende:

a) establecer una función que calcule un umbral adaptativo en función de la velocidad del viento y del ángulo de incidencia;

b) aplicar la función de umbral adaptativo, para obtener un umbral adaptativo, a cada píxel de la imagen para etiquetar como candidato a presentar vertido, si el valor de intensidad del píxel es menor o igual que el umbral adaptativo, o como punto sin vertido, si el valor de intensidad del píxel

es mayor que el umbral adaptativo.

c) aplicar un filtro de área a las zonas etiquetadas como candidato a presentar vertido de hidrocarburo para eliminar aquellas zonas con un área menor que un valor Amin; y

d) aplicar un filtro de viento a las zonas etiquetadas como candidato a presentar vertido de hidrocarburo para eliminar aquellas zonas en las que la velocidad del viento sea menor que un 35 valor vmin.

5. El método de detección según la reinvindicación 4, etapa a) , en el que la función para calcular umbral adaptativo comprende una función exponencial negativa.

6. El método de detección según la reinvindicación 4, etapa a) , en el que la función para calcular umbral adaptativo comprende una función polinómica de cuarto grado.

7. El método de detección según la reinvindicación 2, apartado d) , en el que la caracterización comprende:

a) calcular un vector de características de cada píxel de las zonas etiquetadas como candidatas a 5 presentar vertido de hidrocarburo; y

b) aplicar el análisis de componentes principales al vector de características para reducir su tamaño y obtener un vector de características reducido.

8. El método de detección según la reivindicación 7, apartado a) , en el que las características calculadas comprenden rectangularidad; circularidad; elongación; Área/Perímetro (APR) ; Eje Mayor/Perímetro (MPR) ; 10 grosor; momentos invariantes a traslación, rotación y escalado tales como Momento Hu1, Momento Hu2, Momento Hu3, Momento Hu4, Momento Hu5, Momento Hu6, Momento Hu7, Momento Fusser&Suk1, Momento Fusser&Suk2, Momento Fusser&Suk3 y Momento Fusser&Suk4; velocidad del viento; ángulo de incidencia; intensidad media de los píxeles pertenecientes al candidato; y cociente de la intensidad media de los píxeles pertenecientes al candidato y la intensidad media de los píxeles del área circundante al

candidato.

9. El método de detección según la reivindicación 2, apartado e) , en el que la clasificación comprende aplicar una red perceptrón multicapa, a los vectores de características reducidos que clasifica las zonas segmentas como con presencia o ausencia de hidrocarburos.

10. Un sistema de detección de vertidos de hidrocarburos en el océano que comprende:

a) un dispositivo (102) que emite (103) pulsos de radiación electromagnética (104) hacia el océano (101) y mide la radiación electromagnética reflejada (106) por el océano y que a partir de la radiación reflejada genera una imagen SAR que se transmite (108) a través de un transmisor (111)

b) una estación receptora (109) que recibe la imagen SAR emitida por el transmisor (111) ; y

c) un sistema informático (110) que comprende uno o varios procesadores y una memoria, donde el 25 procesador ejecuta las instrucciones almacenadas en la memoria, las instrucciones comprenden:

i) calibrado y georreferenciado de la imagen SAR ;

ii) preprocesado de la imagen obtenida en el paso anterior para enmascarar las zonas de la imagen que corresponden a tierra y reducir el ruido de las imágenes;

iii) segmentación de la imagen obteniendo una serie de zonas segmentadas candidatas a presentar

vertido de hidrocarburo aplicando un umbral adaptativo a cada píxel de la imagen y etiquetandolo como candidato a presentar vertido, si el valor de intensidad del píxel es menor o igual que el umbral adaptativo, o como punto sin vertido, si el valor de intensidad del píxel es mayor que el umbral adaptativo, aplicación de un filtro de área a las zonas etiquetadas como candidato a presentar vertido de hidrocarburo para eliminar aquellas zonas con un área menor que un valor

Amin; y aplicación de un filtro de viento a las zonas etiquetadas como candidato a presentar vertido de hidrocarburo para eliminar aquellas zonas en las que la velocidad del viento sea menor que un valor vmin;

iv) caracterización de las zonas segmentadas calculando un vector de características de cada píxel de las zonas etiquetadas como candidatas a presentar vertido de hidrocarburo y aplicando el análisis 40 de componentes principales a los vectores de características para reducir su tamaño y obtener un

vector de características reducido;

v) clasificación de las zonas segmentadas como zona con presencia o ausencia de vertido de hidrocarburo aplicando una red perceptrón multicapa, a los vectores de características reducidos que clasifica las zonas segmentas como con presencia o ausencia de hidrocarburos;

vi) generación de una lista de zonas en las que hay presencia de vertido de hidrocarburos.