Object based classification techniques for water environments monitoring

Maritime activities over seas and oceans, constitutes a large portion of human commercial trades and have turned to be essential to world’s economy and international trade. Besides legal business, human smuggling and clandestine immigration, piracy, drug trafficking, illegal fishing, cross-border crime and marine pollution activities occur every day by sea. Therefore, surveillance, security and environmental protection themes are gaining increasing importance and efficient monitoring methods are required. In addition to conventional positioning and tracking systems, ship detection with satellites for Earth observation is an effective means to monitor human movements across the sea. Indeed, the combined use of multispectral and SAR (Synthetic Aperture Radar) images allows for a regular observation unrestricted by lighting and atmospheric conditions and complementarity in terms of geographic coverage, revisit time and geometric detail. This research focuses on the development of an automatic and robust image analysis approach to detect vessels on both optical and radar data. Thus, an object-based image analysis is selected to detect vessels made of different materials in various sea environments. The dataset includes high resolution optical data (WorldView-2, QuickBird-2 and GeoEye-1), medium resolution optical data (Sentinel-2) and SAR data (COSMO-SkyMed). The developed method adopts a region growing algorithm to segment the image in homogeneous objects, which are then classified through a decision tree algorithm based on spectral and geometrical properties of real vessels. Optimization of the image processing chain is performed by selecting image tiles through a statistical index. Vessel candidates are detected over amplitude SAR images using an adaptive threshold Constant False Alarm Rate (CFAR) algorithm prior the object based analysis. A following spatial analysis developed in a GIS (Geographical Information System) environment allows to retrieve vessels length and movement parameters (position, heading) and a speed range is assigned. Besides, an image matching technique performed on Sentinel-2 images, allows estimating vessels speed with a higher accuracy. Validation is carried out by comparing the retrieved parameters with the information provided by the Automatic Identification System (AIS), when available, or with manual measurement when AIS data are not available. The estimation of length shows R2=0.85 and estimation of heading R2=0.92, computed as the average of R2 values obtained for both optical and radar images. Findings of this work confirm that the proposed approach based on a combined use of optical and radar data could be significant for monitoring purposes of small and large areas, within maritime security and surveillance perspectives. Observed performances are also analysed in comparison to the SUMO (Search for Unidentified Maritime Objects) developed at JRC.

Le attività marittime svolte su mari ed oceani, costituiscono la maggior parte delle attività commerciali dell’uomo, e nel tempo sono diventate essenziali all'economia mondiale e agli scambi internazionali. Oltre ad attività legali, anche traffici umani e immigrazione clandestina, pirateria, trasporto e commercio di droga, pesca illegale, criminalità transfrontaliera e inquinamento marino avvengono ogni giorno in mare. Dunque, i temi legati alla sorveglianza, alla sicurezza e alla protezione ambientale stanno acquisendo sempre maggiore importanza ed efficienti metodi di monitoraggio si rendono necessari. Oltre ai convenzionali sistemi di posizionamento, i satelliti per l’osservazione della Terra sono diventati uno strumento efficace per l’identificazione delle imbarcazioni delle attività via mare dell’uomo. L’utilizzo congiunto d’immagini ottiche e radar è in grado di garantire un’osservazione continua e indipendente dalle condizioni atmosferiche o di illuminazione e una complementarietà in termini di copertura geografica e dettaglio geometrico. Questa ricerca si concentra sullo sviluppo di un approccio automatico e robusto per individuare le imbarcazioni su dati ottici e radar. Un approccio ad oggetti è utilizzato per individuare barche di diverso materiale in differenti ambienti marittimi. Il dataset selezionato include dati ottici ad alta e media risoluzione spaziale (WorldView-2, QuickBird-2, GeoEye -1 e Sentinel-2) e dati SAR (COSMO-SkyMed). Il metodo sviluppato adotta algoritmo di region growing per segmentare l'immagine in oggetti omogenei, che vengono classificati poi attraverso albero decisionale basato su proprietà spettrali e geometriche di imbarcazioni reali. Una fase di ottimizzazione della catena di elaborazione delle immagini è svolta selezionando porzioni di immagine mediante un indice statistico. Sulle immagini radar l’individuazione dei potenziali target avviene utilizzando l’algoritmo Constant False Alarm Rate (CFAR), applicato in una fase precedente all'analisi ad oggetti. Una successiva analisi spaziale svolta in ambiente GIS, permette di determinare la lunghezza delle imbarcazioni ed alcuni parametri di movimento (posizione e direzione), oltre ad un range di velocità. Inoltre, una tecnica di image matching applicata alle immagini Sentinel-2, ha permesso di fornire una prima stima di velocità dei target con una maggiore accuratezza. La validazione dei risultati è stata svolta comparando i risultati ottenuti mediante la metodologia proposta con i dati forniti dal Sistema di Identificazione Automatico (AIS), quando disponibile, o con misure manuali quando i dati AIS non sono disponibili. Le stime di lunghezza e direzione hanno mostrato accuratezza rispettivamente pari a R2 =0.85 e R2 =0.92, calcolate come media dei valori degli R2 ottenuti per tutte le immagini ottiche e radar elaborate. I risultati di questo lavoro confermano che l'approccio proposto basato su un uso combinato di dati ottici e radar potrebbero essere significativi per il monitoraggio di aree estese e ridotte, nell’ambito di attività di sorveglianza e sicurezza marittime. Le prestazioni osservate sono state analizzate anche in confronto con il software SUMO (Search for Unidentified Maritime Objects) sviluppato al JRC.