Identificación de buques basada en la separación de píxeles FCLS

Introducción a los antecedentes

En los campos de la monitorización marítima y de vías navegables interiores, la identificación de embarcaciones siempre ha sido una aplicación crucial de la tecnología de teledetección. La distribución de embarcaciones está directamente relacionada con la gestión del tráfico marítimo, la aplicación de la ley marítima y la seguridad de la defensa nacional, así como con la monitorización de los recursos pesqueros, el control de la pesca ilegal, la protección del medio ambiente y el rescate de emergencia. Los métodos tradicionales de monitorización de embarcaciones se basan principalmente en radares y sensores ópticos, pero estos son susceptibles a interferencias y presentan puntos ciegos en condiciones marítimas complejas, nubosidad o durante la noche. La aparición de la teledetección hiperespectral ha brindado nuevas posibilidades para la identificación de embarcaciones. En particular, el método de desmezcla espectral basado en mínimos cuadrados totalmente restringidos (FCLS) puede separar los componentes extremos del agua y de la embarcación a escala subpíxel, proporcionando un medio más robusto y preciso para la identificación de embarcaciones en entornos complejos. Por lo tanto, la tecnología de identificación hiperespectral de embarcaciones combinada con FCLS se está convirtiendo gradualmente en una importante línea de investigación en la monitorización marina y el análisis inteligente de teledetección.

El objetivo de este estudio es aprovechar al máximo las ventajas espectrales de la teledetección hiperespectral y explorar una estrategia de identificación de buques basada en el método de descomposición FCLS (Fully Constrained Least Squares), mejorando así la precisión y estabilidad de la detección en entornos complejos. En primer lugar, al tratar el casco del buque como un componente extremo anómalo en el medio acuático, se utiliza FCLS para descomponer el espectro de píxeles bajo restricciones de abundancia. Esto permite cuantificar la proporción de material del buque con respecto a los componentes del agua, superando las limitaciones de la resolución de imagen tradicional para la identificación de buques a pequeña escala. Combinando restricciones morfológicas espaciales y análisis de anomalías residuales, este estudio busca construir un criterio de detección de buques basado en la fusión de múltiples características para lograr una identificación robusta de buques a diferentes escalas y bajo diferentes condiciones de fondo. En última instancia, el objetivo de la investigación no es solo mejorar la automatización y precisión de la identificación de buques, sino también proporcionar datos fiables y soluciones técnicas para la supervisión del tráfico marítimo, la aplicación de la legislación pesquera, la gestión de los recursos marinos y el rescate de emergencia.

Datos y métodos

1. Datos

Este estudio de caso utiliza imágenes hiperespectrales del estrecho mediterráneo (Estrecho de Bonifacio) entre Córcega (Francia) y Cerdeña (Italia), tomadas por el satélite Xiguang-1 05 (Tianxianpei) el 15 de julio de 2025, con reflectancia de clase L2C corregida atmosféricamente.Los datos de tarifas se utilizan para identificar los buques en la zona mediante el algoritmo FCLS.

Tabla 1. Introducción de datos

2. Desmezcla de píxeles FCLS

En primer lugar, se seleccionaron los componentes extremos en función del objetivo de detección. En esta identificación, se seleccionaron cuatro categorías: agua, tierra, nube y casco de barco, como se muestra en la Figura 1-4.

Figura 1. Elemento extremo del cuerpo de agua.

Figura 2. Extremo del elemento terrestre.

Figura 3 Metanube

Figura 4. Elemento final del casco

La reflectividad de diferentes tipos de objetos se muestra en la Figura 5 a continuación.

Figura 5. Elemento final del casco

Visualización de resultados

La figura 6 muestra la imagen que se debe detectar, la cual contiene varios barcos en el agua.

Figura 6. Imagen compuesta en color real (satélite Xiguang-1 05 - Tianxianpei 20250715)

La solución de píxeles descrita anteriormente se aplicó a los datos. Tras eliminar las áreas terrestres utilizando datos de máscara y realizar una clasificación por umbral, se obtuvieron los siguientes resultados, donde los píxeles rojos representan el casco del barco:

Figura 7 (satélite Xiguang No. 1 05 - Tianxianpei número 20250715)

Basándonos en los métodos de separación de FCLS y discriminación subsiguiente, contamos el número de cascos de barco extraídos dentro del área de estudio y lo comparamos con los resultados de la interpretación manual. En general, el método de separación puede separar con precisión áreas con alta abundancia de componentes extremos en los cascos de barco, formando patrones claros de agrupamiento de barcos. Por ejemplo, en un escenario de área portuaria cercana a la costa, el número de cascos de barco interpretados manualmente fue de 11, mientras que el resultado de la identificación basada en FCLS extrajo 13, logrando una tasa de reconocimiento de aproximadamente el 85%. Entre ellos, los barcos grandes se identificaron casi todos correctamente debido a sus características de componentes extremos significativas; sin embargo, un barco pequeño fue identificado erróneamente porque su característica de abundancia no era lo suficientemente prominente debido a su alta proporción de mezcla con el agua o interferencia de la línea de costa. Otro barco era un parche pequeño con altos residuos y fue identificado erróneamente como un barco, lo que indica que el método tiene algunas falsas alarmas bajo olas fuertes o interferencia de espuma. En general, el número de cascos de barco extraídos por los resultados de la separación es altamente consistente con los datos etiquetados manualmente, lo que verifica la efectividad del método en entornos acuáticos complejos. Sin embargo, también sugiere la necesidad de combinar aún más las restricciones morfológicas espaciales y la fusión de características de múltiples fuentes para reducir las tasas de falsos positivos y falsos negativos.