基于双极化SAR图像的U-Net海冰多分类模型

北极多年冰在近几十年有明显的减少趋势,与北极海冰的厚度、体积和夏季最小海冰范围的减少密切相关。合成孔径雷达(synthetic aperture radar, SAR)具有全天时、全天候成像能力,基于SAR卫星影像的海冰分类对监测北极多年冰具有重要意义。基于深度学习U-Net模型,以SAR图像的双极化信息为模型输入,构建了像素级的海水、一年冰和多年冰多分类模型。与已有SAR图像海冰分类方法(支持向量机、随机森林和卷积神经网络)进行对比,基于双极化SAR图像的U-Net海冰分类模型的准确率、平均重叠度和Kappa系数,分别达到了90.73%、0.831和0.849,优于其他对比模型,分别提升了4.08%～19.04%, 0.063～0.321和0.111～0.335。此外,针对SAR图像水平-垂直极化(horizontal-vertical polarization, HV)有明显的条状热噪声和水平-水平极化(horizontal-horizontal polarization, HH)受入射角效应而亮度不均匀的特点,设计敏感性实验,研究HV噪声、入射角和灰度共生矩阵(gray leve...     

基于准线性近似方法的SAR图像海浪参数反演研究

本文根据相干斑噪声的时间快变特征和非海浪纹理现象的时间缓变特征，基于交叉谱提出了一种对相干斑噪声和大尺度非海浪纹理的抑制的方法，进而结合SAR图像谱和海浪谱之间的准线性映射关系，基于SAR数据对海浪参数进行了反演。在反演过程中，首先仿真分析了不同海况下准线性近似法的海浪反演能力，结果表明：风浪引起的方位向截断效应会显著影响反演精度，因此该方法在低风速时的涌浪反演精度更高。通过将基于Sentinel-1卫星2020年的波模式SAR数据的反演结果与欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)提供的再分析数据进行对比，发现高海况海浪有效波高反演结果明显偏低，而且该反演误差与风速、方位向截断波长之间存在显著相关性。为了提高有效波高的反演精度，本文进一步给出了海浪有效波高反演误差与风速、方位向截断波长之间的经验校正函数模型，结果显示，通过该模型修正后的海浪有效波高反演结果与ECMWF数据和浮标测量数据具有良好一致性。     

星载合成孔径雷达海浪图像谱仿真研究

利用Hasselm ann 的完全非线性积分方法对文氏海浪谱的星载合成孔径雷达(SAR)图像谱进行了仿真研究。结果表明: (1) 在星载SAR海浪成像过程中, 速度聚束调制远比水动力调制、倾斜调制和距离向聚束调制重要;(2) 图像谱有180°的方向模糊和方位向的高波数截断,距离向传播海浪的图像谱存在双峰现象; (3) 不同极化方式和雷达视向的选取对图像谱无明显影响, 因而对于海浪的星载SAR遥感而言, 可以采用单一极化和单一视向。对于不同成长状态的风浪而言, 以上结果保持不变。     

基于混合损失U-Net的SAR图像渤海海冰检测研究

渤海是我国重要的经济区,海冰灾害严重威胁着人类生产活动。合成孔径雷达具有全天候成像能力,研究渤海区域的SAR图像海冰检测具有重要意义。传统海冰检测方法受限于特征提取方法和建模方式,检测精度有待提升。深度学习具有极强的特征自学习能力,适用于图像检测问题。本文基于深度学习框架U-Net,以Sentinel-1双极化（VV和VH）合成孔径雷达图像为输入信息,设计混合损失函数优化传统U-Net模型,形成了基于混合损失U-Net的渤海海冰检测模型。将本文模型与传统海冰检测方法[脉冲耦合神经网络（PCNN）、马尔科夫随机场（MRF）和分水岭算法]和基于深度卷积神经网络（CNN）的深度学习方法进行了对比。实验结果表明：本文基于混合损失U-Net的海冰检测模型在重叠度、F1分数、精确度和召回率4项度量指标上分别达到了97.567%、98.769%、98.767%和98.771%,检测效果明显优于对比方法;双极化信息输入的检测结果比VV单极化输入的检测结果在F1分数、精确度、召回率和重叠度上分别提高了0.375%、0.111%、0.639%和0.740%;混合损失函数的检测结果比非混合损失函数的检测结果在F1分数、精确度、召回率和重叠度上分别提高了1.129%、0.947%、1.794%和2.231%;模型能对冰水沿线、冰间水道、冰间隙等细节进行有效检测;可应用于渤海区域整幅SAR图像的海冰检测,为海冰监测、海冰变化分析、海冰预报提供技术支撑。     

基于SAR海浪方向谱的中国海海浪特性研究

基于Hasselmanns提出的SAR反演海浪方向谱的MPI算法,对2003-2012年间的中国海Envisat ASAR波模式数据进行了海浪方向谱反演。统计由反演的海浪方向谱得到的海浪有效波高数据,依据海浪浪级的划分,分析了中国海海浪浪级的分布特点,获得一些有参考价值的结果:(1)中国海3-4级海况的年出现概率最高,达85%;(2)中国海累月不同浪级的海浪出现概率分布符合高斯分布函数:f(x)=a*exp(-((x-1-b)/c)^2);(3)分析上述高斯分布函数的拟合系数a、b、c,发现其分布也有一定规律性。同时应用反演得到的海浪有效波高、平均波周期、平均波向等数据,分析了中国海的海浪时空分布特性,得到一些可供参考的结果。     

基于极化SAR数据的海浪信息反演

基于C波段极化AIRSAR数据,采用性能较好、计算简便的圆极化法提取极化方位角,利用极化SAR数据的反演算法反演海浪参数。将反演的海浪参数与NDBC浮标测得数据进行比对,结果显示两者反演海浪参数较为一致,精度符合海浪观测要求。同时,对海岸岬角在海浪传播过程中的折射作用进行了分析,发现海浪由开放水域向近岸浅水域传播过程中受到海岸岬角折射影响较大,结果符合近岸海浪传播特征。     

基于DeepLabv3架构的高分辨率遥感图像分类

针对目前使用机器学习解决高分辨率遥感图像分类主要存在下采样导致的细节信息丢失问题,提出了一种基于DeepLabv3架构的小波域DeepLabv3-MRF(Markov random field,MRF)算法。选择当前较为普遍的DeepLabv3架构分类算法,能够获得更为精确的分类结果;采用小波域DeepLabv3-MRF算法,还能够获得更为清晰的边缘细节信息。选取南方某地区高分辨率无人机遥感图像进行分类实验,通过小波变换的方向性、非冗余性以及MRF变换像素空间的交互性这三个方面,将分类结果与原始DeepLabv3架构分类结果对比分析。结果表明,所提出的分类方法精度明显高于原始DeepLabv3架构分类算法的精度,总体精度可提升3%左右,并且可以充分表达高分辨率遥感图像细节信息。     

基于同步风场的机载SAR海浪参数反演方法

针对机载合成孔径雷达(SAR)对海探测特点,采用多入射角法从SAR数据本身得到与海浪参数反演区域时空匹配的同步海面风速和风向,并结合线性变换关系,计算得到海浪初猜谱对应的仿真SAR图像谱,将仿真SAR图像谱和观测SAR图像谱输入代价函数中进行迭代运算,通过非线性方程的解算得到最适海浪谱;采用交叉谱法去除海浪传播180°方向模糊,最终得到海浪参数。论文提出的基于同步风场的机载SAR海浪参数反演方法,充分利用了机载SAR海洋环境探测的优势,解决了传统SAR海浪参数反演中初猜谱构造依赖外部风场的问题,机载同步飞行试验的海浪参数反演结果与浮标观测值的有效波高、波向的均方根误差分别为0.23 m和13.23°,验证了该方法的有效性,可为机载SAR海浪参数反演业务化提供支持。     

基于深度学习的声呐图像目标检测系统

声呐图像目标检测是实现水下勘探、海底救援、敌对目标侦查等任务的重要环节,深度学习相关技术的突破为该领域的发展带来了新的机遇。基于深度学习的声呐图像目标检测算法性能优于传统方法,然而相关的系统性研究与应用仍然不足。鉴于此,利用深度学习模型数据驱动的优势设计了一种声呐图像目标检测系统,以满足实际应用对系统精度、速度、可移植性、可扩展性、部署环境的需求。该系统由数据集生成、算法模型训练与测试、模型部署应用3个子系统组成,应用于水下可疑目标探测任务,实验结果表明：所实现的目标检测系统在测试数据上和实际应用中均具有良好的性能。     

基于相关邻域模型的SAR图像滤波

针对SAR影像滤波问题提出了一种基于相关邻域模型的SAR滤波算法。在邻域方向选择上采用计算梯度的方法,提高了本算法的速度。在平滑图像的同时,克服了多视平滑降低图像分辨率的固有缺陷,并且能较好地保持图像的边缘信息,提高SAR图像解释的效率。     

基于SAR图像速度聚束调制的海浪反演研究

本文首先对合成孔径雷达（SAR）海浪成像中的3种调制（倾斜调制、流体力学调制与速度聚束调制）的影响进行了对比分析,结果显示：速度聚束调制对SAR图像的影响最为显著。另外,由于SAR图像中固有相干斑噪声的存在,较低波数范围的噪声难以滤除或抑制,利用经典MPI方法反演海浪谱会造成低波数范围谱值偏大。基于此,本文借鉴经典MPI海浪谱反演算法,建立了基于速度聚束调制的海浪方位向斜率谱和有效波高的反演算法。通过将经典MPI方法、同极化调制法及本文算法等3种海浪反演方法所得有效波高与浮标数据进行比较,结果显示：本文方法反演得到的海浪有效波高与浮标数据获得的有效波高之间的均方误差为0.79 m,为3种方法中最小。     

基于YOLO模型的SAR舰船目标检测方法研究

随着海上交通运输业业务需求的不断增加,传统的目标检测方法已无法满足实际需求。由于卫星遥感技术的快速发展,基于合成孔径雷达（Synthetic Aperture Radar,SAR）图像舰船目标自动识别具有显著的应用潜力。近年来,深度学习技术在目标检测领域逐渐显现出优势,特别是YOLO (You Only Look Once)模型以其较高的精度和计算效率,为SAR舰船目标的识别提供了一种新的方法。为对比不同的YOLO模型在舰船目标识别领域的性能及其相比于两阶段深度学习算法的优势,本文首先对YOLO系列的结构进行了归纳总结;其次对当前广泛使用的数据集进行了对比分析,并基于SAR图像数据集（SAR Ship Detection Dataset,SSDD）的样本进行重新标注构建出本文的数据集;然后将YOLO系列模型与两阶段目标检测方法——更快速的区域卷积神经网络（Faster Region-based Convolutional Neural Network,Faster R-CNN）在SAR舰船目标检测的精度和速度两方面进行对比实验;最后在YOLOv5模型的基础上对主干网络（Backbone...     

联合光谱和纹理特征的滨海湿地高光谱深度学习分类—以黄河三角洲湿地为例

本文基于CHRIS高光谱遥感影像,发展了一种结合地物光谱特征和多纹理空间特征信息,采用双全链接的8层深度卷积神经网络分类算法对滨海湿地高光谱影像进行遥感地物分类,并在黄河口滨海湿地进行了应用。结果表明：1）基于测试样本数据,联合光谱特征和K-L变换的纹理特征信息,采用DCNN模型方法展现了高的分类精度,精度高达99%;2）利用光谱特征和全纹理特征的精度比仅使用光谱特征和光谱特征联合K-L变换后纹理特征的分类精度低。利用K-L变换后的光谱特征和纹理特征的DCNN分类精度达到99.38%,相比于使用全纹理特征信息的精度提高了4.15%;3）基于验证图像,发展的DCNN分类方法精度优于其他算法,DCNN方法总体分类精度为84.64%,Kappa系数为0.80;4）相比于浅层分类方法,本文发展的DCNN模型分类算法保证了所有地物类型的分类精度更加均衡,保持了主要地物类型的分类精度几乎不变,同时提高了滩涂和农田的精度。基于DCNN模型,潮滩和农田的分类精度分别达到79.26%和56.72%。比其它浅层分类方法提高了2.51%和10.6%。     

基于HAC的溢油SAR图像分割算法

图像分割是SAR溢油检测中的关键步骤,但由于SAR影像中存在斑点噪声,使得一般的图像分割算法难以收到理想的效果,严重影响溢油检测的精度.发展一种基于凝聚层次聚类(Hierarchical Agglomerative Clustering,HAC)的溢油SAR图像分割算法.该算法利用多尺度分割的思想,能够有效保持SAR影像中溢油斑块的形状特征,并能减少细碎斑块的产生.利用2010年墨西哥湾的Envisat ASAR影像开展了溢油SAR图像分割实验,并将该算法和Canny边缘检测、OTSU阈值分割、FCM分割、水平集分割等方法进行了对比.结果显示,HAC方法可以有效减少细碎斑块的产生,有助于提高SAR溢油检测的精度.     

预测有效波高的深度学习模型研究

研究基于RNN、LSTM、GRU深度学习模型,针对NOAA浮标数据集中的44013、44014、44017浮标的数据,通过斯皮尔曼相关性分析提高模型预测效果。实验结果表明,在进行相关性分析后,S-RNN、S-LSTM、 S-GRU的预测效果均比原始RNN、LSTM、GRU模型预测效果好。此外,提出一种基于LSTM的LSTM-Attention 波高预测模型,并进行相关实验,量化LSTM-Attention模型的预测效果,实验结果表明LSTM-Attention模型有更好的预测效果。为评估模型的泛化能力,研究还提出了一种采用邻近浮标数据进行学习,预测浮标缺失数据的方 法。实验结果表明,该方法的预测精度可以达到97.93%。本研究为海浪预测提供了新的方法和思路,也为未来深 度学习模型在海浪预测中的应用提供了参考。     

一种基于小波阈值的SAR图像降噪方法

由于SAR特殊的相干成像机理导致图像有斑点噪声,使得目标识别和特征提取造成困难。在小波变换阈值降噪法的基础上,提出一种改进的SAR图像降噪方法。先用新的阈值公式对图像进行小波分解,再对小波系数进行更为细致的处理,最后通过逆变换实现图像去噪和重建。实验结果表明,与传统方法相比,本方法更为有效地去除了SAR图像的噪声,并能保持图像的细节特征,有着良好的图像视觉解译效果。     

基于海浪谱的海浪视景仿真技术

海浪的视景仿真有重要的应用背景与军事意义。文中围绕如何解决海浪的实时视景仿真问题,讨论了基于海浪谱的不同浪级波面的仿真模型,并讨论了海浪的实时视景仿真实现技术。这些模型与技术对于提高海浪仿真实时性与真实性有一定的参考价值。     

联合Bi-LSTM和注意力加强多尺度卷积的黄河三角洲湿地高光谱图像分类方法研究

近年来,面向黄河口的监测需求日益增大,如黄河入海流路改道至清水沟路以来,在新老河道的交汇处存在着丰富的地物类别,对于这些地物类别的检测识别研究有助于掌握生态环境状态,对于黄河口的湿地保护以及国家改善环境的战略支持具有重要意义。因此,本文提出一种新的湿地高光谱图像分类方法,分双路分别提取图像的空谱特征并融合分类。光谱维采用分组预处理的双向长短期记忆网络(Bi-LSTM)有效学习光谱特征;空间维采用注意力加强的多尺度卷积网络有效增强所提取的空谱特征,使得分类结果更具准确性。本文实验应用覆盖黄河入海口新老河道交界处的成像光谱仪(Compact High Resolution Imaging Spectrometer,CHRIS)所采集的数据和黄河三角洲自然保护区滨海湿地高分5号传感器(GF-5)所采集的高光谱图像开展。结果表明:分组与双向长短期记忆网络(Bi-LSTM)的有效结合显著提升了网络性能,同其他监督分类方法相比提升约3%~8%,此外注意力机制的加入同比增加约3%,在使用1%的极少训练集下数据集CHRIS和GF-5的总体分类精度分别达到92.3%和86.11%。     

高分三号卫星对海浪的首次定量遥感

高分三号(GF-3)是我国首颗C频段多极化高分辨率微波遥感卫星,于2016年8月10日在太原卫星发射中心成功发射。GF-3 SAR卫星入射角范围约为20°—50°,具备单极化、双极化和全极化等多极化工作能力,还是世界上成像模式最多的SAR卫星,具有12种成像模式。不仅涵盖了传统的条带、扫描成像模式,而且可在聚束、条带、扫描、波浪、全球观测、高低入射角等多种成像模式下实现自由切换,既可以探地,又可以观海,达到"一星多用"的效果。近日,国家海洋局第二海洋研究所卫星海洋环境动力学国家重点实验室利用首批GF-3合成孔径雷达(SAR)遥感数据(图1)对夏威夷西北部附近太平洋海域的海浪进行了首次定量分析和反演研究(图2)。图1为GF-3 SAR的灰度图像,成像时间为2016年9月2日8:30(GMT),卫星此时飞行速度约为7.6km,极化方式为VV极化,飞行方向为降轨,空间分辨率为8m×8m,中心入射角为28.32°。由图1可以看出,SAR图像上存在明显的黑白相间的海浪条纹,说明海浪在图像上能够顺利成像。通过提取灰度图像上的调制信息,并作傅里叶变换分析,可得到包含海浪信息的图像谱。进一步,基于经典的Hasselmann SAR海浪成像模型的准线性形式,同时估计倾斜调制、水动力调制和聚束调制等三种海浪调制函数(MTF),可以利用图像谱反演得到海浪谱,此时的海浪谱主要为较长波长的涌浪信息,至于较短波长的海浪信息提取,由于受到方位向截断效应的影响,则需要引入初猜谱加以补偿实现。图2为图1反演的海面涌浪参数。从图2可以看出,该海域海浪由西北向东南传播(即由外海向近岸传播),平均波长约200m,有效波高从2.5m到4.0m不等,能够反映浪场的分布差异。由于没有同步的现场观测资料和其他卫星遥感资料,本文将这些结果与欧洲中期天气预报中心(ECMWF)提供的ERA-Interim再分析数据进行了比对。初步反演与比对结果表明,两者有较好的一致性,但本文的反演结果反映了更多的细节,显示GF-3 SAR有能力对海面涌浪信息进行高分辨率的观测;同时,再次表明ERA-Interim再分析数据低估了有效波高,因此GF-3卫星的发射将有利于提高全球海浪的遥感观测水平。     

ASAR波模式数据反演参数误差与海浪条纹清晰度的相关性分析

欧洲环境卫星-高级合成孔径雷达(EnvironmentalSatellite-AdvancedSyntheticAperture Radar,Envisat-ASAR)波模式数据提供了全球风、浪要素信息,在海浪模式预报与同化方面有重要作用。该数据合成孔径雷达(SyntheticApertureRadar,SAR)图像普遍存在海浪条纹清晰度不同的现象,但是否影响数据精度尚无定论。本文通过比较2010年NODC (the National Oceanographic Date Center)浮标观测数据和波模式数据,发现经过官方修正后的海浪参数反而具有更大误差。进而通过对比不同条纹清晰度的SAR图像反演参数误差,揭示了ASAR产品海浪参数与浮标测量值之间的误差与海浪条纹清晰度的关系。结果表明:海浪条纹清晰的SAR图像的主波波长和主波周期的反演误差更小,而条纹不清晰SAR图像的有效波高和风速的反演误差更小。通过分析海浪参数对海浪条纹清晰度的敏感性,证实了有效波高和方位向截断波长对SAR图像条纹清晰度的响应最好,波陡次之,与卫星飞行方位角和入射角无关。因此,在反演和修正SAR波模式数据时,考虑图像的条纹清晰度,将会有效提高反演数据的精度。该研究可为高分三号等卫星的波模式数据波浪要素反演精度的提升提供有价值的参考。