为了考察高光谱技术对海洋溢油种类的鉴别能力, 进行了模拟溢油实验。利用紫外三种波长光源(254nm、302nm、365nm)和可见光两种光源(日光灯和阳光)照射海水上的油墨, 使用AvaSpec-2048地物光谱仪采集5个油种(汽油、柴油、煤油、机油、花生油)的高光谱数据(200～1160nm), 基于这些数据, 通过PCA进行特征优化, 使用前10个主分量构建了支持向量机的油种识别模型, 使用网格法对支持向量机参数C和gamma进行参数寻优, 通过5折交叉验证法进行了结果测试。结果表明, 阳光下的光谱识别率最高, 日光灯下的识别效果最差, 三种紫外灯在波长302nm透射下识别率较高, 在254nm和365nm下的识别效果相当。由此可见, 在油种鉴别过程中光源的类型、照射方式、光强都会影响到油种的识别效果。

针对夜间溢油探测问题，提出了一种通过紫外(UV)LED 诱导并基于高光谱波段差辐射指数的探测方法。通过高光谱成像仪，同步采集了紫外LED和卤素灯两种照明方式下的原油、乳化油和本底海水的高光谱图像。基于33个波段(400~720 nm)辐射值构建了波段差指数作为溢油鉴别特征。特征优化方面，通过增L 减R 法、Fisher法进行了有效波长的选择，通过多维尺度分析、主成分分析(PCA)、独立分量分析进行了波段特征提取，通过径向基函数-支持向量机模型对结果进行识别。结果表明，基于紫外LED的高光谱波段差指数的溢油探测模式，比卤素灯的波段均值识别率分别提高了6.01%和8.17%，因此紫外LED光源更适合夜间溢油及乳化的准确探测。并且，通过Fisher有效波长选择和通过PCA得到的特征组合两种方法识别效果相当，优选的3波段特征的紫外识别率分别达到了85.89%和87.02%，12特征的溢油准确率均达到了100%，通过Fisher法提取的有效波长(400~420 nm)，更适合于实际在线溢油探测。紫外诱导下高光谱的成像的海洋溢油鉴别模型，为夜间海洋溢油探测提供了一种快速鉴别方法。

利用石油及其产品具有的紫外荧光特性,搭建了一套紫外诱导多光谱成像系统。该系统主要由3个紫外诱导光源、8个滤波片和1个彩色CCD相机组成。采集了6种油品的多光谱图像,以有效光斑的24个颜色分量均值作为特征,提出了一种联合熵最大化的独立分量分析特征优化方法。K均值聚类和支持向量机识别结果表明,较改进前的ICA方法,该方法的特征优化性能得到了有效提高,油种识别率达到了92.3%。