一种星载SAR影像数据无叠掩多峰海浪图像谱分离的方法
文献发布时间:2023-06-19 19:30:30
技术领域
本发明涉及一种海浪微波遥感技术,尤其涉及一种星载SAR影像数据无叠掩多峰海浪图像谱分离的方法。
背景技术
星载SAR(合成孔径雷达)载荷从卫星平台向地表发射电磁波并接收来自地表后向反射电磁波。基于电磁波与海面微尺度波相互作用机制,SAR能够对海浪进行二维高分辨成像,该影像包含海浪信息,能够用于海浪方向谱探测。通常在SAR海浪图像谱中会存在多个海浪系统,在后续图像谱反演海浪谱,海浪谱在海洋科学及海洋工程应用都需要对存在的多个海浪系统进行分离。目前对多海浪系统剖分通常是在获得海浪方向谱后进行逐个海浪谱分离,无法对多海浪系统同时进行多个海浪谱分离。本发明提供了从SAR海浪图像谱阶段对多个海浪系统进行剖分,实现多个海浪系统识别和有利于后续从SAR图像谱精准提取海浪参数。
发明内容
本发明通过对获取的SAR数据进行预处理并切分为子图像,对子图像进行降噪处理和图像谱子估计,对图形谱进行分离和降噪等方法,实现多个海浪系统识别和后续从SAR图像谱精准提取海浪参数。据此,完成本发明。
本发明提供一种针对星载SAR无叠掩的多峰海浪图像谱进行分离的一项技术,本发明的方法包括以下步骤:
步骤1,获取SAR影像数据以及元数据文件,
具体地,获取一景SAR海面成像的影像数据文件及其包含的元数据文件。
步骤2,对SAR影像数据进行预处理,
具体地,解析SAR影像数据,获取后向散射强度数据;解析元数据,获取SAR影像的方位向宽度、距离向宽度、方位向分辨率、距离向分辨率、入射角、定标系数、成像时间、雷达视向、四角坐标等。利用四角坐标进行地理定位,利用掩模数据掩模陆地数据,利用定标系数计算SAR后向散射系数。
步骤3,对SAR影像进行子图像切分并进行图像降噪处理,
具体地,基于像素宽度把一幅SAR影像数据切分成多个无重叠的正方形子区域(默认大小为1024像素*1204像素)用于后续SAR图像谱分析使用。
SAR子图像降噪采用高斯低通滤波实现滤波降噪处理。高斯滤波公式如下,
式中,x,y为SAR子图像像素点坐标,σ为正态分布的标准差。
步骤4,SAR子图像的图像谱估计,
具体地,是利用二维快速傅里叶变换对SAR子图像进行图像谱估计,并利用高斯函数对谱进行平滑。
采用二维傅里叶变换进行图像谱估计,二维离散傅里叶变换的公式如下所示,
式中f(x,y)代表一幅大小为M x N的矩阵,其中x=0,1,2,···,M-1和y=0,1,2,···,N-1,F(u,v)表示f(x,y)的傅里叶变换。
步骤5,SAR图像谱局地谱峰极值搜索,
具体地,对平滑后的SAR图像谱利用一阶差分结合比较判别法搜索局地谱峰极值位置并进行标记。
波峰位置的判别准则:一阶差分异号且f(x,y)>f(x-1,y)。
式中,f(x,y)与步骤(4)定义相同。
步骤6,局地谱峰位置图像谱分离,
具体地,利用外部10m高海面风速结合经验海浪谱进行谱峰宽度参数估计,基于估算的谱宽度参数进行谱峰位置图像谱的谱域进行分离。
本发明采用P-M谱,PM谱为经验谱,皮尔逊和莫斯克维奇于1964年根据在北大西洋一定点上测得大量数据提出。PM谱依据的资料比较充分,分析方法合理,使用也方便。其形式如下,
式中:α=0.0081;β=0.74
ω是角频率;
g为重力加速度;
U为离海面19.5m处的风速。
本发明技术中,谱宽计算公式
其中,m
S(ω)为海浪频谱;
ω为角频率。
步骤7,对分离后的图像谱进行噪声图像谱剔除,
具体地,假设一般海浪谱谱形状为高斯分布,利用二维高斯曲面拟合,结合相关分析方法剔除噪声图像谱。
二元高斯曲面拟合函数为:
其中,A为高斯分布的幅值,x
用最小二乘法进行曲面拟合,为方便计算,将上式两边同时取对数得
即
ln(f)=ax
其中,
因此,求解该问题可以转化为求解二元三次多项式的拟合问题,其最小二乘模型为,
Q=min∑(ax
根据最小条件,对每个变量求偏导并令其为零,得到方程组:
进一步变换为:
得到线性方程组:
BK=C
解此线性方程组得到高斯函数的各项参数:
K=B
解此线性方程组后可得到相应的a,b,c,d,e值,可反解出的A,x
采用拟合后图像谱与原图像谱的相关性进行噪声谱识别,相关函数定义式如下公式,
其中,Cov(x,y)为x与y的协方差,Var[x]为x的方差,Var[y]为的y方差。
步骤8,重复步骤上述(7)步骤直到所有分离后的图像谱噪声判别完成,并输出SAR海浪图像谱。
附图说明
图1为本申请的总体流程图
图2为本申请实施所提供的流程图。
图3为本申请用于多峰海浪图像谱剖分的SAR影像数据与子图像切分示意图;垂直和水平蓝色实线为经纬度方向;图中白色虚线矩形框为子图像之一。
图4为本申请多峰海浪图像谱剖分技术的实例应用,图中红色三角符号标记是海浪图像谱,图中红色丝十字叉符号标记是噪声图像谱,其中(a)为识别出4个海浪图像谱的示意图,(b)为识别出2个海浪图像谱的示意图(注:海浪图像谱未进行180°模糊剔除)。
具体实施方式
本发明提供一种星载SAR无叠掩多峰海浪图像谱分离技术,如流程图图2所示。以识别出4个海浪图谱的情况为例作为一种实施方式,具体实现步骤如下:
步骤1,获取一景SAR海面成像的影像数据文件及其包含的元数据文件。
步骤2,解析SAR影像数据,获取后向散射强度数据;解析元数据,获取SAR影像的方位向宽度、距离向宽度、方位向分辨率、距离向分辨率、入射角、定标系数、成像时间、雷达视向、四角坐标等。利用四角坐标进行地理定位,利用掩模数据掩模陆地数据,利用定标系数计算SAR后向散射系数。
步骤3,对SAR影像进行子图像切分并进行图像降噪处理,基于像素宽度把一幅SAR影像数据切分成个无重叠的正方形子区域(默认大小为1024像素*1204像素)用于后续SAR图像谱分析使用,如图3所示,切分的子图像垂直和水平蓝色实线为经纬度方向;白色虚线矩形框为子图像之一。
SAR子图像降噪采用高斯低通滤波实现滤波降噪处理。高斯滤波公式如下,
式中,x,y为SAR子图像像素点坐标,σ为正态分布的标准差。
步骤4,利用二维快速傅里叶变换对SAR子图像进行图像谱估计,并利用高斯函数对谱进行平滑。
采用二维傅里叶变换进行图像谱估计,二维离散傅里叶变换的公式如下所示。
/>
式中f(x,y)代表一幅大小为M x N的矩阵,其中x=0,1,2,···,M-1和y=0,1,2,···,N-1,F(u,v)表示f(x,y)的傅里叶变换。
步骤5,SAR图像谱局地谱峰极值搜索,对平滑后的SAR图像谱利用一阶差分结合比较判别法搜索局地谱峰极值位置并进行标记。
波峰位置的判别准则:一阶差分异号且f(x,y)>f(x-1,y)。
式中,f(x,y)与步骤(4)定义相同。
步骤6,局地谱峰位置图像谱分离,利用外部10m高海面风速结合经验海浪谱进行谱峰宽度参数估计,基于估算的谱宽度参数进行谱峰位置图像谱的谱域进行分离。
采用P-M谱,PM谱为经验谱,皮尔逊和莫斯克维奇于1964年根据在北大西洋一定点上测得大量数据提出;PM谱依据的资料比较充分,分析方法合理,使用也方便。其形式如下,
式中:α=0.0081;β=0.74
ω是角频率;
g为重力加速度;
U为离海面19.5m处的风速。
本发明技术中,谱宽计算公式
其中,m
S(ω)为海浪频谱;
ω为角频率。
步骤7,对分离后的图像谱进行噪声图像谱剔除,假设一般海浪谱谱形状为高斯分布,利用二维高斯曲面拟合,结合相关分析方法剔除噪声图像谱。
二元高斯曲面拟合函数为:
其中,A为高斯分布的幅值,x
用最小二乘法进行曲面拟合,为方便计算,将上式两边同时取对数得
即
ln(f)=ax
其中,
/>
因此,求解该问题可以转化为求解二元三次多项式的拟合问题,其最小二乘模型为,
Q=min∑(ax
根据最小条件,对每个变量求偏导并令其为零,得到方程组:
进一步变换为:
得到线性方程组:
BK=C
解此线性方程组得到高斯函数的各项参数:
K=B
解此线性方程组后可得到相应的a,b,c,d,e值,可反解出的A,x
采用拟合后图像谱与原图像谱的相关性进行噪声谱识别,相关函数定义式如下公式,
其中,Cov(x,y)为x与y的协方差,Var[x]为x的方差,Var[y]为的y方差。
步骤8,重复步骤上述(7)步骤直到所有分离后的图像谱噪声判别完成,并输出识别出4个SAR海浪的图像谱,如图4(a)所示。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的范围。