海洋是资源的宝库,是沿海国家的经济命脉,中国是一个海洋大国,管辖海域辽阔,因此保持海洋清洁,保护海洋资源是关系我们国计民生的重大问题。而溢油是严重的海洋生态环境灾害之一。随着人类对海洋资源获取活动的日益加剧以及海上石油勘探的增加,对海洋环境的危害正在加大。科学有效地监控海面溢油污染、对海面溢油进行准确和快速的识别则是解决溢油污染的前提。但是由于海洋溢油图像具有两个主要特点:一个特点是海洋溢油由于在风、浪、流的作用下,具有动态的特性,所以溢油图像没有固定的形状;另一个是由于海水与溢油的对比度较小,溢油图像上油与水的边界不是很清楚,具有一定的模糊性。而信息融合技术具有增加系统的信息利用率、提高合成信息的可信度和精度、改进对目标的检测识别、降低信息获取成本、增强环境适应能力的优点。因此,将信息融合技术运用到海洋溢油识别中,对海洋溢油进行准确快速的识别,对解决该难题有重大意义[1]。本课题的海洋溢油识别系统将图像模式识别技术和信息融合技术应用到海洋溢油的实时监测和识别中。主要运用Opencv从摄像头获取视频帧,然后通过实验数据,引入灰度化、滤波去噪、中心对齐、直方图均衡等预处理,建立基于灰度共生矩阵的特征提取系统,通过对识别分类方法的比较,我们主要选取高效最小风险的支持向量机(Support Vector Machine)(简称SVM)识别方法,并对其进行一定的改进,以克服海洋复杂环境造成的传统方法误差大,效率低的缺点。针对海洋环境的复杂,本文还提出了脱离模板的半自动识别方法,另外采用特征层和识别方法上决策层的融合,以克服单一方法在特定条件下的一些不足,从而保持精度和稳定性;采用统一缩放和最优模板算法选取最优的模板进行匹配识别,从而提高识别的正确性。