SAR海洋内波表层流反演方法探讨

基于海洋内波SAR成像机理与M4S海面微波散射成像模型,提出SAR海洋内波表层流反演新方法。首先从SAR图像上获得内波剖面的海面后向散射强度,利用AH理论的线性近似关系得到猜测表层流,通过海面微波散射成像模型仿真海洋内波的SAR海面后向散射强度,利用二分法不断地修改风速和流速梯度等参数,使仿真信号最大程度的逼近实际SAR图像上的海面后向散射强度,输出最终海表层流。以中国南海海区3景海洋内波SAR图像为例,对该方法进行了探讨。结果表明,仿真的海洋内波SAR海面后向散射强度剖面和实际SAR图像上的信号剖面吻合,两者的相关系数达90%以上,说明该反演方法是收敛与可行的。     

一种结合上下文与边缘注意力的SAR图像海陆分割深度网络方法

海陆分割对于合成孔径雷达(synthetic aperture radar,SAR)图像海洋目标检测、海岸线提取等任务具有重要意义。针对实际应用中多分辨率SAR图像海陆分割难题,提出了一种基于上下文与边缘注意力的海陆分割方法。该方法利用通道注意力机制融合不同尺度和层次的上下文特征,设计了边缘提取支路提供边缘信息,进一步提高了海陆边界的分割准确率。同时,构建了基于高分三号卫星数据的多分辨率SAR图像海陆分割数据集,该数据集涵盖了多个分辨率,包括港口、岛屿等多种海陆边界类型。并基于所构建的多分辨率SAR图像海陆分割数据集,对所提网络的有效性和各模块的作用进行了实验分析。实验结果表明,所提网络的整体预测准确率和平均交并比分别达到了98.21%和96.47%,能够较好地完成海陆分割任务。     

基于仿真修正的序列SAR图像内波参数反演方法

针对合成孔径雷达(Synthetic Aperture Radar,SAR)序列图像,提出了基于仿真修正的序列SAR图像内波参数反演方法。该方法使用规则化长波方程(Regular Long Wave,RLW)和M4S模型数值仿真SAR序列图像中的同一列内波,并通过与实际图像的对比修正反演参数。实验表明,该方法克服了现有方法依赖于历史水文数据精度和SAR成像条件的限制,其反演结果与实测值十分接近。     

利用SAR图像计算内波深度和振幅的可行性研究

根据星载合成孔径雷达(SAR)内波成像机理,建立了包括KdV方程、作用量谱平衡方程和Bragg散射模型在内的内波深度和振幅探测模型,更为严谨地推导出用SAR图像计算内波深度的方法,并首次推导出内波振幅的计算方法.利用该方法对台湾东北部海域的两幅ERS-1 SAR内波图像进行了实例研究,结果表明,该方法是合理且可行的.     

一个基于平稳小波变换的SAR内波检测方法

SAR图像数据量的激增,迫切要求一种自动的内波检测技术来代替传统的人工解译。基于此,本文提出一种基于平稳小波变换（SWT）的SAR图像内波检测方法,利用SWT对SAR内波图像进行分析处理,计算SWT系数的小波梯度信息,通过模极大值搜索方法进行内波边缘特征提取。最后通过南中国海东沙群岛观测的多幅SAR图像进行实验与分析,实验结果证明平稳小波变换对于SAR内波检测是有效的。     

基于多层反卷积网络的SAR图像分类

针对传统特征提取方法不能提取目标高层结构特征的问题,提出了一种基于软概率的池化方法,结合多层反卷积网络,学习目标的高层结构特征,并将其用于合成孔径雷达(SAR)图像分类。首先对SAR图像进行子块划分,然后对每个子块进行基于多层反卷积网络的特征编码,学习出不同层次上的图像特征,最后将该特征用于支持向量机(SVM)分类器,实现SAR图像的分类。在国内首批SAR数据上的实验表明,该算法获得了较高的分类准确率。     

3层模型的内波传播方程与参数反演

根据流体力学基本方程组,利用摄动展开、多重尺度变换等方法,推得3层海洋分层模式下的非线性薛定谔(NLS)方程,发展了描述内波传播的新模型;利用该方程与SAR遥感探测机理相结合,得到反演内波振幅的关系,并选取中国南海东沙岛附近和英国马林陆架外缘海域,进行内波参数反演研究。结果表明,该模型反演的内波振幅与实测值更接近,验证了理论模型的适用性。     

利用方向性粗糙度特征对SAR图像目标检测的研究

从反映纹理信息的粗糙度特征出发,深入研究利用方向性粗糙度特征对SAR图像进行目标检测的方法.方向性粗糙度特征是用指数小波在一个尺度上对检测图像滤波,对特定大小目标用能量关系函数求得各像素点在一个方向上的分形特征.针对MSTAR数据和ADTS数据的SAR图像,确定了用该方法检测目标时的最优参数.分别用方向性粗糙度特征和恒虚警率(CFAR)方法对上述两种不同波段的SAR图像进行目标检测,检测结果表明:方向性粗糙度特征能以更低虚警率检测出全部特定大小的目标,而且目标空间可分辨性好、位置指示准确.     

高分辨率星载SAR数据产品分级研究

有理函数模型RF在卫星图像领域的主要应用是进行对象空间和图像空间的转换。Radarsat-2元数据中使用三阶有理函数模型和80个有理多项式模型参数RPCs(Rational Polynomial Coefficients),为RF模型从光学图像领域的应用扩展到合成孔径雷达(SAR)图像领域提供了契机。本文对多种传感器、成像模式及不同处理级别SAR图像的RPC产品的制作和属性进行综述,主要研究高分辨率星载SAR卫星标准分级产品的制作流程。以中国广州作为实验区域,利用该地区不同级别的条带模式SM(Strip Map)Terra SAR-X和COSMO-Sky Med数据,对提出的分级和生产方案进行验证,结果表明,有理函数模型在SAR图像产品分级体系中具有可行性且效果良好。     

一种同侧多角度SAR图像匹配方法

针对合成孔径雷达(SAR)同侧多角度图像入射角存在较大差异,图像存在几何畸变,导致多幅图像间连接点选取困难这些问题,该文发展一种几何约束的SSNCC匹配方法。首先,依据SAR不同角度图像的核线近似直线特性,利用外部数字高程模型(DEM)和距离多普勒模型约束匹配搜索范围;然后,将主图像待匹配点的匹配窗口4个角点坐标投影到辅图像上,基于仿射变换模型快速实现辅图像匹配窗口的几何改正;最后,利用SSNCC相似测度计算待匹配点的相关性,相关性最大的点为多角度SAR图像间同名点。该文采用高分三号3幅不同入射角的降轨SAR图像进行试验,结果表明该文方法能有效地提高匹配点数量,匹配成功率从67%提高到84.5%。     

基于Faster R-CNN和MorphACWE模型的SAR图像高原湖泊提取

青藏高原湖泊是高原生态环境中最重要的自然要素之一,实现青藏高原湖泊调查与监测是现阶段迫在眉睫的任务。由于水体在SAR图像上呈现出独特的镜面反射特征,使得利用SAR图像进行湖泊的提取与分析成为当下研究热点。为进一步排除干扰地物影响、提高分类准确度,采用欧空局Sentinel-1A干涉宽幅模式的斜距单视复数产品(SLC)为主要数据源,Sentinel-2A多光谱影像Level-1C产品作为参考数据源,提出一种结合改进Faster RCNN和MorphACWE轮廓模型的SAR图像湖泊提取算法(Faster Region-based Convolution Neural Network-Morph ACWE,FR-MorphACWE)。该算法结合深度学习目标检测算法的高维特征分析和MorphACWE模型的边界提取,从综合干扰多湖泊提取角度进行分类实验评价,充分利用高原湖泊的形态学和雷达反射特征,实现西藏自治区那曲市南部至日喀则市北部高原湖泊高精度提取。实验结果表明,该算法在综合干扰多湖泊情境下准确率可达99.71%,精准率和召回率均高于98%,可作为SAR图像高原湖泊提取的新算法加以推广和应用。     

基于希尔伯特-黄变换的合成孔径雷达内波参数提取新方法

基于希尔伯特-黄变换,发展了合成孔径雷达内波参数提取的新方法,解决了传统的傅里叶变换不能提取非线性内波群各个孤立子波信息的问题。利用该方法对巴士海峡附近的一幅ERS-1 SAR内波图像进行了内波参数提取。希尔伯特-黄变换对内波剖面数据进行了尺度分解,根据归一化方差最大来提取内波分量。该方法具有自适应性。结果表明,该方法获取的内波平均波长与傅里叶变换和小波分析具有较好的一致性,提取得到的反映各个孤立子波信息的波形比小波分析的要清晰,提高了数据的质量。通过提取的内波信号,利用极值序列计算了剖面线前后段平均波长大小,消除了谱分析当中的180°模糊问题。计算了明暗点的间隔,反演得到各个孤立子波的半振幅宽度。利用CTD数据获得的跃层深度,反演前导波振幅,与验证算例结果在量级上一致。     

基于压缩感知的SAR图像CFAR目标检测算法

提出了一种基于压缩感知(compressed sensing,CS)和恒虚警率(constant false alarm rate,CFAR)目标检测算法,用于合成孔径雷达(synthetic aperture radar,SAR)图像的目标检测。针对传统的均值类和有序统计量类CFAR目标检测算法,首先对每个局部滑窗的背景杂波像素利用压缩感知进行重建,以此来降低SAR图像相干斑现象的影响,然后利用重建后的数据进行杂波分布参数的估计,并利用CFAR检测器进行目标检测。在真实的SAR图像中证明了上述目标检测算法的有效性。     

内波海面海浪等效谱与SAR内波图像模型的关系

内波海面的电磁计算模型一般把流体力学-电磁波模型简单处理并与SAR图像模式相结合，根据电磁散射模型的计算要求，提出了一个等效的海浪谱模式，并用在电磁散射的计算，最后，用SIR-C/X-SAR在中国南海海面的内波表面图像进行了对比，对L-和X-波段具有很好的计算结果。     

天宫二号近天底角交轨干涉SAR的海洋涡旋探测

海洋涡旋是海洋科学研究的一个重要分支，在海洋热循环中起着重要的作用。传统的卫星高度计通常能够探测到水平尺度超过100 km的中尺度涡旋，但是由于其分辨率较为粗糙，对于1—100 km的亚中、小尺度涡旋难以探测。天宫二号搭载的三维成像微波高度计（InIRA）是国际上第1个可以用于进行海面高度测量的Ku波段干涉SAR，为观测和研究海洋亚中、小尺度涡旋提供了数据来源。InIRA不仅可以获取海洋涡旋2维SAR图像，同时通过两个天线获取复图像间的干涉相位，能够获取涡旋海表面高度异常，为海洋涡旋的探测研究提供了新的可能。本文基于天宫二号InIRA数据，开展了海洋涡旋探测的研究，提出一种通过计算涡旋海面相对高度变化实现海洋涡旋探测的方法。通过对InIRA涡旋数据的处理与分析，发现该方法能够实现海洋涡旋的探测，并利用MODIS叶绿素浓度数据和海表温度数据对海洋涡旋探测结果进行了验证。     

基于Sentinel-1A数据的临高县早稻面积提取

为了探讨双极化Sentinel-1A雷达影像数据识别提取早稻面积分布信息的能力,在分析典型地物后向散射系数的基础上,沿用极化差分合成孔径雷达(synthetic aperture Radar,SAR)图像和极化比值SAR图像对典型地物分类有着重要作用的思路,提出水体归一化参数,随后采用支持向量机(support vector machine,SVM)分类方法和阈值分类方法选取单时相、多时相水体归一化极化SAR数据(2017年3月10日、3月22日、4月3日、4月15日、4月27日)提取早稻面积。结果表明,阈值分类方法优于SVM分类方法,其总体精度为89.01%,Kappa系数为0.823 1,早稻的制图精度和用户精度分别为92.68%和82.26%;种植面积为1.29万hm~2,与临高县主要的早稻生产基地在空间分布上基本一致。由此可得,多参数的极化SAR数据可以提高识别提取地物的精度,提取早稻面积的最佳监测数据为多时相水体归一化VH极化SAR数据。     

SAR图像海岸线检测的区域距离正则化几何主动轮廓模型

合成孔径雷达(SAR)卫星遥感图像可以极大地提高全国海岸线覆盖频率,然而受到海洋波浪所引起的随机海水表面粗糙度的影响,海岸目标与海水背景边界易混淆不清,因此本文提出了基于区域距离正则化几何主动轮廓模型(RDRGAC),引入距离正则项,解决重复初始化水平集函数为符号距离函数的问题,提高了算法收敛速度。此外,将区域面积项系数与SAR图像等效视数(ENL)建立非线性拟合关系,实现RDRGAC模型根据不同SAR遥感图像的自适应调整,改善海岸线自动提取精度。通过河北省北戴河和大连市金州湾SAR数据海岸线提取对比试验,验证了所提方法的有效性。     

舟山群岛-宁波深水港群遥感综合调查

利用TM/ETM⁺和SPOT开展港口现状、海岸类型和仓储场地的调查;利用ERS-2SAR调查探测锋面和内波等海洋环境要素;利用TM/ETM⁺和NOAA探测调查区的悬浮泥沙分布情况。最后,结合常规调查数据,对舟山群岛—宁波深水港群港口资源进行了综合评价。     

组合图像模拟和精配准的星载SAR图像正射校正

本文给出了一种采用DEM模拟出的影像和星载合成孔径雷达(SAR)精配准策略的正射校正方法。首先根据DEM数据采用距离-多普勒模型和经验公式模拟出SAR图像,然后分别采用Harris算子和互信息匹配的方法提取模拟图像和实际SAR图像上的同名特征点,并根据这些特征点构建的不规则三角网(TIN)实现模拟SAR图像和实际SAR图像的精确配准。最后将星载SAR图像通过实际图像和模拟图像的精确配准关系以及模拟图像和DEM数据之间的对应关系校正到DEM所在的地理坐标中,实现SAR图像的正射校正。     

SAR图像复合分布船只检测模型

提出了一种基于复合参数分布的SAR图像船只检测模型。模型使用Pearson分布系统模拟SAR图像海洋背景散射分布, Pearson分布系统由4种参数分布组成, 包括Pearson I分布(g)、Ⅲ分布、Ⅳ分布(反g)和Ⅵ分布。模型采用基于β平面的分布选择器确定采用哪种分布来拟合SAR图像海面后向散射分布, 同时利用4种分布, 结合CFAR技术, 建立CFAR方程, 通过解算方程得到检测阈值, 利用阈值进行SAR图像船只检测。通过图像试验验证表明, 该模型检测效果良好, 具有一定的实用价值。