1.1目的及意义

随着世界航运经济的快速发展，石油运输量大幅增加，船舶溢油事故时有发生。据统计， 2014年，我国内河共发生350起水上安全交通安全事故，其中溢油数量达213吨，经济损失7.66亿元。内河航运因其船舶密度大、船型杂而老旧及溢油扩散较快、控制时效要求高且处理技术难度大等特点，一旦发生溢油事故，将对两岸饮水、航运经济、水上设施和人命安全以及生态文明等方面带来不可估量的损失。对内河溢油情况进行实时监测是对油污进行围控和处理的重要前提和必要基础，也很大程度上决定着内河对油船、油驳等从事油类运输船舶的承载能力和航运经济活力。

本文拟以无人机航空拍摄所得的实时CCD图像为研究对象，通过对CCD图像进行增强处理、特征处理（包括特征提取和特征选择）、人工神经网络训练与学习，实现对水面油污和类油污图像的识别和区分，从而对溢油实施及时的围控和技术处理，将溢油危害在可控范围内降至最低。无人机航空摄影的图像获取方式相比巡逻船和星载或船载SAR（合成孔径雷达）等监测方法，具有实时高效、机动灵活和成本低廉等优点；结合小波神经网络对图像进行分类和识别，精准度较高；所以，基于无人机和小波神经网络的内河油污实时监测方法可对监测水域的油污情况进行有效反馈，在内河溢油监测、油污围控和溢油船追责等方面有重要意义。

1.2国内外研究现状分析

1.2.1 内河溢油监测方法现状

尹志奇根据内河河道和内河溢油的特点，将溢油监测、气象监测、水文监测技术、通信技术以及溢油应急技术相结合，构建了一套全天候实时在线的内河溢油监测系统。

徐其林等根据松花江溢油的特点，对内河溢油监测方法进行了研究，构建了内河溢油监测应急指挥系统。

1.2.2 内河水面图像获取现状

内河油污实时监测包括图像获取和图像分类与识别两部分。

目前,国内外常用的机载溢油监测传感器以光学相机、红外传感器及SAR（合成孔径雷达）为主。