随着沿海工农业生产的迅速发展及旅游业的蓬勃兴起,海漂垃圾污染逐渐成为世界各海域普遍多发的海洋污染现象。海漂垃圾的出现对海域会产生重大影响,除了造成水质污染,视觉污染,还可能威胁航行安全,甚至引起水体缺氧导致鱼类及其它水中生物死亡,最终通过食物链威胁人类自身。视频监控作为海漂垃圾定点监测的一种重要手段,具有可长时间、连续获取某一重点区域海漂垃圾动态变化过程的特点。但迄今为止,基于视频监控的海漂垃圾自动识别技术的相关研究及应用还很初步。本论文以厦门湾为研究海域,使用安装在厦门大学海洋楼和嵩屿码头的视频监控设备所获取的图片,开展海漂垃圾自动识别技术的研究,对流入厦门湾的海漂垃圾组成及面积进行定量估算,研究结果有望为厦门海漂垃圾污染监测与管理提供一定的参考依据。主要研究成果如下:(1)以2016年9月-2017年9月海洋楼视频监控拍摄的海漂垃圾原始图片为例,首先对于位置相对固定的干扰物例如演武大桥、树、排水管等结合潮位变化设计了一套随着潮位变化的掩膜文件,而对位置变化的干扰物(如船),则在使用掩膜文件掩膜后的图片上使用Kmeans++聚类分析方法提取出含海漂垃圾的目标水体,最后再使用基于灰度拉伸的最大类间方差法提取出图像中的海漂垃圾像素点。结果表明该方法较适用于含海漂垃圾较多的图片提取,提取速度快且精度较高,对木屑类海漂垃圾提取的kappa系数为0.7042。利用该方法分析了2019年9月18日莫兰蒂台风过后白城海滨浴场海漂垃圾的变化特征,结果表明极端天气对白城海滨浴场海漂垃圾的数量有显著影响。(2)以2018年7月-2018年12月嵩屿码头视频监控获取的海漂垃圾原始图片为例,构建了基于vgg16语义分割的卷积神经网络模型,通过设计四种训练方案提取图片中的橘黄色条带状物质(可能是由船舶排污产生的泡沫与悬浮泥沙混合物形成)和木屑类垃圾。结果表明待分类像素点占总像素点的比例越高,模型越可以得到充分的训练,从而得到较高的分类精度。基于此思路提取的木屑类垃圾和橘黄色条带状物质的分类精度分别达到0.9265与0.8768。此方法在垃圾数量占比较少时仍然可以得到较好的提取效果,且能有效减少干扰物像素点与垃圾像素点的混淆,具有很强的实用性。(3)基于海洋楼视频监控探头的技术参数,同时结合厦门湾潮汐数据插值得到每个小时相机距离海平面的高度数据,利用摄像机线性模型即针孔模型计算监控图片每个像元所对应于实物的面积,进而可结合提取出的海漂垃圾像素点来计算海漂垃圾覆盖面积。经过验证覆盖面积的计算误差在15%左右。该方法原理容易理解,简单方便,适用于对于精度要求不高的非广角摄像机。