V. Moreno Burgos, F. Cerezo, J.I. Cicuéndez Perez Hisdesat Servicios Estratégicos S.A.

Tamaño: px

Comenzar la demostración a partir de la página:

Download "V. Moreno Burgos, F. Cerezo, J.I. Cicuéndez Perez Hisdesat Servicios Estratégicos S.A."

María Rosario López
hace 5 años
Vistas:

1 Dr. D. de la Mata Moya, Dra. M.P. Jarabo Amores, M.C. Benito Ortiz, G. Gallego Reina Remote Sensors and Surveillance Systems Laboratory Dpto de Teoría de la Señal y Comunicaciones Universidad de Alcalá V. Moreno Burgos, F. Cerezo, J.I. Cicuéndez Perez Hisdesat Servicios Estratégicos S.A.

2 Introducción Datos VDS Resultados Sentinel TerraSAR-X Conclusiones

3 Los sensores SAR satelitales de observación de la Tierra Activos y coherentes Trabajan en las bandas X y C Ventajas: Cubren grandes áreas Adquirieren en condiciones climatológicas y lumínicas adversas

Sensores SAR son herramientas potencialmente prácticas para la

European Regions Using Space Technologies) Marine-EO (NCSR Demokritos,

Marinteknisk Forskningsinstitutt AS) EMSA-CleanSeaNet: Servicio

4 Sensores SAR son herramientas potencialmente prácticas para la monitorización marítima Progama Copernicus Consorcio NEREUS (Network of European Regions Using Space Technologies) Marine-EO (NCSR Demokritos, DGPM, Guardia Civil, HCMR, FRCT, Kystverket, NOA, SATCEN y Norsk Marinteknisk Forskningsinstitutt AS) EMSA-CleanSeaNet: Servicio orientado a la detección, basada en sensores satelitales, de embarcaciones y manchas de petróleo

con datos AIS Coordenadas de posición: de imagen, UTM y geográficas Rumbo y velocidad Nivel de confianza Requisitos procesado

5 Actividades CleanSeaNet: Identificación y seguimiento de vertidos contaminantes Monitorización de las manchas en situaciones de emergencia Búsqueda de las fuentes potenciales Datos VDS: Detección de embarcaciones en imágenes ópticas y SAR y co-registro con datos AIS Coordenadas de posición: de imagen, UTM y geográficas Rumbo y velocidad Nivel de confianza Requisitos procesado NRT: 30 min Vector de desplazamiento para corregir la posición de un barco en movimiento Tamaño (longitud y ancho) Clip de la imagen

6 Interpretación automática de datos SAR: Los barcos se presentan como puntos brillantes Ruido multiplicativo speckle Efecto Doppler de las embarcaciones en movimientos Ambigüedades por la tasa de muestreo de los datos

Objetivo: respuesta operativa para la generación de

diferentes sensores (TerrasSAR-X, Tandem-X, Sentinel

cumpliendo con los requisitos EMSA para mejorar las

y la polución ilegal, y las tareas asociadas a la

7 Objetivo: respuesta operativa para la generación de datos VDS utilizando datos SAR adquiridos con diferentes sensores (TerrasSAR-X, Tandem-X, Sentinel 1 y el futuro PAZ) y co-registro con datos AIS cumpliendo con los requisitos EMSA para mejorar las tareas de vigilancia y control del tráfico, la pesca y la polución ilegal, y las tareas asociadas a la seguridad de las propias embarcaciones. TERRASAR Y TANDEM X SENTINEL PAZ

8 NO Correlación con datos AIS? SI Datos de entrada: Escenario Tamaño mínimo de barco Probabilidad de falsa alarma Distancia mínima de barcos Área de búsqueda de estelas Datos de salida: Posición Rumbo Tamaño Sección radar

9 Detector CFAR: Se basa en el modelado del clutter marino con una distribución Gamma generalizada (Martín de Nicolás, J. et all 2015) FDP x k,v,σ = v kk σґ(k) (x σ )kv 1 e k(x σ )v La imagen se divide en bloques para la estimación a local de los parámetros del modelo y del umbral asociado El detector decide a nivel de pixel para no perder resolución en estimar características asociadas a las detecciones Se aplican técnicas de clusterización para conectar las detecciones que corresponden a un mismo blanco y extracción de características

10 Eliminación de ambigüedades: Los puntos de la imagen con alta sección radar (embarcaciones o zonas terrestres) pueden generar falsos positivos por el proceso de aliasing en la generación de la imagen Δyaz = λ R m PRF 2 V e Δxaz = Δyaz2 2 R

11 Detector estelas: Se basa en la búsqueda de trayectorias rectas en el dominio transformado de Radón R p, θ = f x. y δ x cosθ + y senθ p dxdy V estimada = Δx 2 + Δy 2 pixel_spacing V e R

en el tiempo de adquisición Co-registro basado en la similitud

12 Co-registro datos AIS: Interpolación espaciotemporal para determinar la localización de datos AIS en el área de interés en el tiempo de adquisición Co-registro basado en la similitud de parámetros como coordenadas de posición, tamaño, rumbo o velocidad

Resultados: Sentinel IW 2017-02-25 16:53:02.

13 Resultados: Sentinel IW :53:02.97 VV Espaciado: 10x10m Columnas: GRD :53:27.96 HR Resolución: 20x22m Filas: 16693

14 Resultados: Sentinel

15 Resultados: Sentinel

16 Resultados: Sentinel Número de barcos detectados sobre la imagen SAR 217 Número de barcos presentes en el instante y área de interés con el equipo AIS encendido (datos cedidos por Danish Maritime Authority) 126 P D = número de barcos correlados número de datos AIS barcos pequeños barcos dobles 83,02% Tiempo de procesado en un HP Z230 con 1 procesador Intel Core 3.60 GHz y con 16 GB de RAM 10 min

GEC 2015-02-18 11:11:54 VV Resolución: 3.06x3.

17 GEC :11:54 VV Resolución: 3.06x3.13m Columnas: SM :12:02 SE Espaciado: 1.25x1.25m Filas: 54000

20 Número de barcos detectados sobre la imagen SAR 465 Número de barcos presentes en el instante y área de interés con el equipo AIS encendido 2447 P D = número de barcos correlados número de datos AIS barcos pequeños barcos dobles 63.81% Tiempo de procesado en un HP Z230 con 1 procesador Intel Core 3.60 GHz y con 16 GB de RAM 12 min

Se han definido los requisitos de funcionamiento por la EMSA para desarrollar una aplicación de valor añadido a datos adquiridos por sensores SAR satelitales de observación de la Tierra: Detección de

22 Se han definido los requisitos de funcionamiento por la EMSA para desarrollar una aplicación de valor añadido a datos adquiridos por sensores SAR satelitales de observación de la Tierra: Detección de embarcaciones en imágenes SAR y co-registro con datos AIS cumpliendo requisitos NRT Etapas de procesado: Estimación máscara de Tierra Detección CFAR basada en un modelo de clutter con PDF Gamma generalizada Eliminación de falsos positivos y detección de estelas Co-registro con datos AIS interpolados espacio-temporalmente Mejoras sobre los servicios existentes: Decisión a nivel de pixel Fusión de datos polarímetricos Fusión de datos adquiridos en diferentes bandas

23 Dr. David de la Mata Moya Remote Sensors and Surveillance Systems Laboratory Departamento de Teoría de la Señal y Comunicaciones Universidad de Alcalá

Documentos relacionados

Lucha contra la contaminación Vigilancia aérea

Lucha contra la contaminación Vigilancia aérea marzo 2011 1 Salvamento Marítimo 2 La Administración Marítima Española MINISTERIO DE FOMENTO Secretaría de Estado de Transportes Secretaría General de Transportes