海上溢油对海洋生态环境造成的危害巨大，完成溢油区域的准确检测对海洋异常现象的快速应急处理具有重要意义。现阶段，合成孔径雷达（SAR）为海上溢油检测提供重要数据基础，但广泛存在海上生物油膜、低风区及SAR影像本身显著的斑点噪声等溢油疑似区域，极大限制了海上溢油检测精度。针对上述问题，提出一种基于改进全卷积神经网络（FCN）的多极化SAR影像海上溢油智能检测框架。首先，对极化SAR影像进行Pauli分解和Refined-Lee滤波预处理，在保证SAR影像极化特征信息同时降低疑似溢油噪声对检测精度的影响；其次，针对FCN模型对空间信息考虑的不足，提出不同层级卷积层融合机制，实现高层语义特征与低层空间细节特征融合，进而提升海上溢油区域检测精度。经实验对比分析可知，基于改进FCN的海上溢油智能检测框架可有效降低疑似溢油区域对检测精度的影响，同时兼顾考虑多极化与边缘特征信息，实现基于像素的溢油区域检测，最优检测精度可达95.7%。

遥感图像具有多时相、多语义、多波段等特点,鉴于敏感遥感图像涉及国家机密信息及传统图像搜索效率低下的原因,利用云平台进行遥感图像安全外包搜索已是大势所趋。因此提出了一种加密遥感图像的安全外包搜索方案,对存储在云平台的遥感图像进行扫描模式加密,再通过异或(XOR)运算和Johnson-Lindenstrauss (JL)转换得到一份双密文,JL转换的遥感图像用于在云平台进行搜索,XOR运算后的遥感图像用于图像解密。实验结果表明,本文方案可以有效保证云平台上遥感图像的安全性,同时,加密图像搜索的准确率高, 搜索效率较同态加密提升98.37%, 且计算复杂度低, 通信成本低, 适合于云计算平台部署应用。