Schiffsidentifizierung basierend auf FCLS-Pixel-Entmischung

Hintergrund Einführung

In der Überwachung von See- und Binnengewässern ist die Schiffsidentifizierung seit jeher eine entscheidende Anwendung der Fernerkundungstechnologie. Die Schiffsverteilung steht in direktem Zusammenhang mit dem Schiffsverkehrsmanagement, der Durchsetzung des Seerechts und der nationalen Verteidigungssicherheit sowie der Überwachung von Fischereiressourcen, der Bekämpfung illegaler Fischerei, dem Umweltschutz und der Notfallrettung. Traditionelle Methoden der Schiffsüberwachung basieren hauptsächlich auf Radar- und optischen Sensoren, die jedoch störanfällig sind und bei komplexen Seebedingungen, Bewölkung oder Nachtsicht tote Winkel aufweisen. Die Entwicklung der hyperspektralen Fernerkundung hat neue Möglichkeiten für die Schiffsidentifizierung eröffnet. Insbesondere die spektrale Entmischungsmethode basierend auf Fully Constrained Least Squares (FCLS) kann Wasser- und Schiffskomponenten auf Subpixel-Ebene trennen und bietet somit eine robustere und präzisere Methode zur Schiffsidentifizierung vor komplexen Hintergründen. Daher entwickelt sich die hyperspektrale Schiffsidentifizierungstechnologie in Kombination mit FCLS zunehmend zu einem wichtigen Forschungsgebiet in der Meeresüberwachung und der intelligenten Fernerkundungsanalyse.

Ziel dieser Studie ist es, die spektralen Vorteile der hyperspektralen Fernerkundung voll auszuschöpfen und eine Strategie zur Schiffsidentifizierung auf Basis der FCLS-Methode (Fully Constrained Least Squares) zu entwickeln. Dadurch sollen die Erkennungsgenauigkeit und -stabilität in komplexen Umgebungen verbessert werden. Zunächst wird der Schiffsrumpf als „abnormes Endglied“ im aquatischen Milieu betrachtet und das Pixelspektrum mithilfe von FCLS unter Berücksichtigung von Häufigkeitsbeschränkungen zerlegt. Dies ermöglicht die Quantifizierung des Verhältnisses von Schiffsmaterial zu Wasserkomponenten und überwindet so die Einschränkungen der herkömmlichen Bildauflösung für die Identifizierung kleiner Schiffe. Durch die Kombination räumlicher morphologischer Beschränkungen und der Analyse von Restanomalien soll ein multimodales Fusionskriterium zur Schiffsidentifizierung entwickelt werden, um eine robuste Identifizierung von Schiffen in verschiedenen Maßstäben und unter verschiedenen Hintergrundbedingungen zu gewährleisten. Letztendlich zielt die Forschung darauf ab, nicht nur die Automatisierung und Genauigkeit der Schiffsidentifizierung zu verbessern, sondern auch zuverlässige Datengrundlagen und technische Lösungen für die Überwachung des Schiffsverkehrs, die Durchsetzung des Fischereirechts, das Management mariner Ressourcen und die Seenotrettung bereitzustellen.

Daten und Methoden

1. Daten

Diese Fallstudie verwendet hyperspektrale Bilder der Mittelmeerstraße (Straße von Bonifacio) zwischen Korsika, Frankreich und Sardinien, Italien, die am 15. Juli 2025 vom Satelliten Xiguang-1 05 (Tianxianpei) aufgenommen wurden, mit atmosphärisch korrigierter L2C-Klassenreflexion.Mithilfe des FCLS-Algorithmus werden die Schiffsraten in dem Gebiet identifiziert.

Tabelle 1. Dateneinführung

2. FCLS-Pixel-Entmischung

Zunächst wurden Endglieder anhand des Detektionsziels ausgewählt. Bei dieser Identifizierung wurden vier Kategorien ausgewählt: Wasser, Land, Wolken und Schiffsrümpfe, wie in Abbildung 1-4 dargestellt.

Abbildung 1 Endglied Wasserkörper

Abbildung 2 Land-Endglied

Abbildung 3 Cloud Meta

Abbildung 4. Rumpfendelement

Die Reflektivität verschiedener Objekttypen ist in Abbildung 5 unten dargestellt.

Abbildung 5. Rumpfendelement

Ergebnisdarstellung

Abbildung 6 zeigt das zu erkennende Bild, das eine Reihe von Schiffen im Wasser enthält.

Abbildung 6. Echtfarben-Kompositbild (Xiguang-1 05 Satellit - Tianxianpei 20250715)

Die oben beschriebene Pixellösung wurde auf die Daten angewendet. Nach dem Entfernen der Landflächen mithilfe von Maskendaten und der Durchführung einer Schwellenwertklassifizierung wurden die folgenden Ergebnisse erzielt, wobei die roten Pixel den Schiffsrumpf darstellen:

Abbildung 7 (Satellit Xiguang Nr. 1 05 – Tianxianpei-Nummer 20250715)

Basierend auf FCLS-Entmischung und anschließenden Diskriminierungsmethoden zählten wir die Anzahl der im Untersuchungsgebiet extrahierten Schiffsrümpfe und verglichen sie mit den Ergebnissen der manuellen Interpretation. Insgesamt kann die Entmischungsmethode Bereiche mit hoher Endmember-Häufigkeit auf Schiffsrümpfen präzise trennen und klare Schiffsclustermuster erzeugen. Beispielsweise wurden in einem küstennahen Hafengebiet manuell 11 Schiffsrümpfe identifiziert, während die FCLS-basierte Identifizierung 13 Schiffe erfasste, was einer Erkennungsrate von ca. 85 % entspricht. Große Schiffe wurden aufgrund ihrer signifikanten Endmember-Merkmale fast alle korrekt identifiziert. Ein kleines Schiff wurde jedoch falsch identifiziert, da sein Häufigkeitsmerkmal aufgrund des hohen Mischungsverhältnisses mit dem Wasser oder der Überlagerung durch die Küstenlinie nicht ausreichend ausgeprägt war. Ein weiteres Schiff, ein kleiner Bereich mit hohen Residuen, wurde fälschlicherweise als Schiff identifiziert. Dies deutet darauf hin, dass die Methode bei starkem Wellengang oder Schaumstörungen Fehlalarme auslösen kann. Insgesamt stimmt die Anzahl der durch die Entmischungsergebnisse extrahierten Schiffsrümpfe sehr gut mit den manuell erfassten Daten überein, was die Effektivität der Methode in komplexen Wasserumgebungen bestätigt. Allerdings deutet dies auch darauf hin, dass räumliche morphologische Beschränkungen und die Fusion von Merkmalen aus mehreren Quellen weiter kombiniert werden müssen, um die Raten falsch positiver und falsch negativer Ergebnisse zu reduzieren.