Resumo Técnico: Detecção de Anomalias Baseada em Reconstrução de Imagens Não Supervisionada para Segmentação de Manchas de Óleo em Imagens SAR

Declaração do Problema

A detecção de manchas de óleo é crítica para mitigar danos ambientais e perdas econômicas. Embora a Imagem de Radar de Abertura Sintética (SAR) seja o meio preferido para monitoramento devido às suas capacidades de todos os climas, dia e noite, os métodos atuais de detecção de estado da arte dependem fortemente de aprendizado profundo supervisionado. Essas abordagens supervisionadas exigem rótulos de verdade fundamental (ground truth) ao nível de pixel, um processo que é trabalhoso, caro e exige expertise de campo. Além disso, as técnicas existentes de detecção de anomalias não supervisionadas, frequentemente desenvolvidas para imagens médicas, industriais ou de dados hiperespectrais, têm dificuldade com imagens SAR. As manchas de óleo em SAR aparecem como anomalias difusas, de baixo contraste e baseadas em textura, que se assemelham muito a superfícies oceânicas calmas, tornando-as difíceis de distinguir das variações normais do fundo e de "look-alikes" (ex: manchas biológicas, zonas de baixo vento). Adicionalmente, o retroespalhamento coerente e o ruído de speckle inerentes aos dados SAR diferem fundamentalmente das distribuições espectrais suaves de dados hiperespectrais, tornando muitas arquiteturas de detecção de anomalias existentes ineficazes.

Metodologia

Os autores propõem o Res6-Deep11, um novo modelo de detecção de anomalias baseado em reconstrução de imagem não supervisionada, projetado especificamente para imagens SAR. A premissa central é treinar o modelo exclusivamente em imagens de oceano "normais" (sem manchas de óleo). Consequentemente, o modelo aprende a reconstruir padrões típicos da superfície do mar, mas falha em reconstruir com precisão regiões anômalas (manchas de óleo), permitindo que essas áreas sejam identificadas via erro de reconstrução.

Arquitetura

O modelo é um Autoencoder Convolucional (CAE) com uma arquitetura assimétrica para evitar o mapeamento de identidade (onde a rede simplesmente copia a entrada para a saída), o que reduziria a sensibilidade às anomalias.

• Encoder (Codificador): Baseado em uma arquitetura ResNet modificada (6 blocos residuais) pré-treinada no conjunto de dados SAR BEN-S1.0. O pooling de média global e as camadas totalmente conectadas da ResNet padrão são removidos para preservar as dimensões espaciais, resultando em um espaço latente de $8 \times 8$. Um bloco convolucional preliminar reduz a amostragem das imagens de entrada de $256 \times 256$ para corresponder aos requisitos do encoder pré-treinado.
• Decoder (Decodificador): Consiste em 11 blocos convolucionais usando convoluções transpostas e interpolação bicúbica para realizar o upsampling da representação latente de volta para $256 \times 256$.
• Normalização: O modelo utiliza Renormalização por Lote (BRN) em vez da Normalização por Lote padrão para lidar com a alta variabilidade nos níveis de ruído e na aparência da superfície do mar em diferentes cenas SAR.

Comparação de Características em Múltiplos Estágios (MFC)

Uma inovação fundamental é o uso de Comparação de Características em Múltiplos Estágios tanto na função de perda quanto no cálculo do mapa de anomalias para abordar o desalinhamento de pixels e melhorar a localização.

1. Função de Perda MFC: Durante o treinamento, a perda é calculada não apenas na diferença pixel a pixel entre a entrada e a imagem reconstruída, mas também nas diferenças de características em três estágios distintos (entrada/reconstrução, camadas intermediárias do encoder/decoder). A perda combina Erro Quadrático Médio (MSE) e similaridade de cosseno:
   $$L_n(i, j) = -\lambda \cos(F_E^n, F_D^n) + (1-\lambda) \text{MSE}(F_E^n, F_D^n)$$
   onde $F_E$ e $F_D$ são vetores de características do encoder e do decoder, respectivamente.
2. Mapa de Pontuação de Anomalia: Para inferência, o mapa de anomalia é gerado computando o MSE entre os mapas de características de múltiplos estágios do encoder e do decoder. Esses mapas são redimensionados para a resolução de entrada e somados para produzir o mapa de pontuação de anomalia final. Pontuações altas indicam regiões onde o modelo falhou em reconstruir a entrada (ou seja, manchas de óleo).

Pré-processamento

O pipeline inclui pré-processamento básico (normalização) e uma etapa de pré-processamento avançado opcional envolvendo Equalização de Histograma Adaptativa com Limite de Contraste (CLAHE) e a redução de ruído por Médias Não Locais (NLM). O estudo descobriu que o modelo é robusto a essas variações, pois a comparação de características em múltiplos estágios lida inerentemente com pequenas distorções de nível de pixel.

Principais Contribuições

1. Modelo Res6-Deep11: O primeiro modelo de aprendizado profundo não supervisionado projetado especificamente para detectar anomalias difusas, de baixo contraste e baseadas em textura em imagens SAR sem exigir verdade fundamental ao nível de pixel durante o treinamento.
2. Estratégia de Comparação de Características em Múltiplos Estágios: Uma abordagem inovadora que integra comparações de nível de característica tanto na função de perda quanto na geração do mapa de anomalias. Isso reduz a sensibilidade ao desalinhamento de pixels e melhora a precisão da localização da mancha de óleo em comparação com métodos padrão de erro de reconstrução pixel a pixel.
3. Demonstração de Viabilidade Não Supervisionada: O trabalho demonstra que métodos não supervisionados podem alcançar um desempenho competitivo contra abordagens supervisionadas na detecção de manchas de óleo, abordando o gargalo da anotação de dados.

Resultados Experimentais

O modelo foi avaliado em um conjunto de dados derivado do Portal de Acesso de Dados da CSIRO, consistindo de 7.700 imagens de oceano normais e 700 imagens de manchas de óleo (usadas para teste com verdade fundamental anotada manualmente).

• Métricas de Desempenho: O Res6-Deep11 alcançou um F1-score de 77,33%, um IoU de 63,04% e uma Precisão de 87,32%.
• Comparação: O modelo superou baselines de detecção de anomalias não supervisionadas de estado da arte (f-AnoGAN, SALAD e RD4AD) em todas as métricas. Notavelmente, alcançou uma Taxa de Falso Positivo (FPR) significativamente menor de 1,04% em comparação com o f-AnoGAN (10,15%), indicando um comportamento de previsão mais cauteloso e confiável.
• Estudos de Ablação: Experimentos confirmaram que o uso de MFC tanto na função de perda quanto no cálculo do mapa de anomalias produziu resultados superiores em comparação ao uso de perda MSE padrão ou perdas de Autoencoder Variacional (VAE). Remover o MFC do cálculo do mapa de anomalia degradou significativamente o desempenho, destacando sua importância para a localização precisa.
• Robustez: O modelo mostrou degradação mínima de desempenho quando testado com dados pré-processados (redução de ruído/melhoria de contraste), confirmando sua resiliência a variações de entrada.

Significância e Limitações

O artigo afirma que o Res6-Deep11 oferece uma solução viável para o monitoramento ambiental em cenários onde dados anotados são escassos. Ao eliminar a necessidade de rotulagem ao nível de pixel, o método reduz a dependência de expertise de campo dispendiosa e permite o uso de grandes volumes de dados SAR não rotulados. A alta precisão e a baixa taxa de falsos positivos são particularmente valiosas, pois alarmes falsos na detecção de manchas de óleo podem levar a operações de limpeza desnecessárias e dispendiosas.

No entanto, os autores reconhecem modestamente limitações quanto à generalização em cenários complexos. Os dados de treinamento atuais contêm exemplos limitados de "look-alikes", navios e terra. Quando testado em um subconjunto de imagens contendo objetos altamente reflexivos como embarcações, o desempenho do modelo degradou (F1-score caiu para 49,65%, IoU para 33,03%). Os autores concluem que, embora o método seja eficaz para a detecção de manchas de óleo em cenas oceânicas relativamente limpas, trabalhos futuros devem abordar a diversidade de objetos em imagens SAR para garantir a robustez em ambientes reais e poluídos. O estudo não afirma resolver inteiramente o problema dos "look-alikes", mas estabelece uma base sólida para a detecção não supervisionada que pode ser futuramente refinada com dados mais diversos.