0. 基本信息
Wang, Bin; Shao, Qifan; Song, Dongmei; Li, Zhongwei; Tang, Yunhe; Yang, Changlong; Wang, Mingyue. 2021. "A Spectral-Spatial Features Integrated Network for Hyperspectral Detection of Marine Oil Spill" Remote Sens. 13, no. 8: 1568. https://doi.org/10.3390/rs13081568
1. 简介
海洋石油泄漏是是最为严重的海洋环境污染问题之一，而高光谱遥感已经被证明能够有效的监控海洋石油泄漏。为了充分利用光谱和空间信息，本文提出了一种光谱-空间信息集成网络（SSFIN），并用其监控海洋石油泄漏。分别使用1-D CNN和2D-CNN提取光谱和空间特征。
对于空间特征提取，使用三个连续的卷积层来提取不同尺度的空间信息。而后将空间特征和光谱特征连接起来送进全连接网络以获取时空-光谱联合特征。使用L2正则化和dropout提升网络的性能。
在结果上，首先使用Pavia University数据集的分类结果来说明本文提出方法的有效性，而后在石油泄漏数据集上，本文提出的方法能够有效的区分厚油、薄油以及海水。
2. 数据集介绍
- 石油泄漏数据集
石油泄漏位置为大连新港（Dalian New Port），泄漏时间是2010-7-16，一条中石油的管线失火，导致约1500吨原油泄漏，污染了约430 的海域，其中12
的海域为严重污染区域。
数据采集时间为2010-7-24日，在航拍一次航拍检测任务中，使用AISA Eagle（芬兰产）成像光谱仪获取了机载高光谱图像，因为总体图像数量巨大，本文裁剪出2景图像进行研究，图像基本信息如下：
| 参数名称 | 参数值 |
|---|---|
| 光谱范围 | 400-970nm |
| 波段数 | 258 |
| 光谱分辨率（FWHM） | 2.4nm |
| 空间分辨率 | 1.4m |
| 图像1大小 | |
| 图像2大小 |
图像1：
[站外图片上传中...(image-33697a-1618826564677)]
图像2：
3. 网络结构
总体网络结构如下图所示，基本就是分别提取光谱和空间特征向量，然后联合进行基于像素的分类，比较简单的结构。
4. 结果
本文方法的总体精度如下所示，可以看到似乎结果还不错
另外后续进行了训练时Patch大小影响的分析，总体来说 大小的patch能够取得最优的结果
