CN106842205A - 一种合成孔径雷达海冰‑海水自动识别方法 - Google Patents

Abstract

本发明公开了一种合成孔径雷达海冰‑海水自动识别方法，利用四极化SAR归一化雷达散射界面(NRCS)，计算出SAR图像极化比。同时利用四极化复图像计算出方向漂移角及其标准方差，与雷达入射角参数一起代入Bragg散射系数模型公式，求出相对介电常数为0‑90，步长为0.1的对应理论极化比，求出平均极化比图像。以平均极化比为判据，当SAR图像极化比大于平均理论极化比时，判定为海水，否则判定为海冰。本发明计算方法为污染物自动监测技术提供一种物理识别方法。该方法是基于多极化布拉格(Bragg)散射机制，求解极化比(PR)过程中消除粗糙度谱函数，从而将问题简化为利用极化比判别海冰和海水的方法。

Description

一种合成孔径雷达海冰-海水自动识别方法

技术领域

本发明属于海洋技术领域，具体涉及一种基于全极化合成孔径雷达图像的海冰-海水检测方法。

背景技术

全球变暖，导致地球两极海冰融化，夏季最小平均海冰厚度和海冰面积不断变小。北极海冰消融特征的变化，对全球气候变化有放大的反馈效果，从而导致全球更加变暖，极端气候事件频发。因此，对于两极海冰的遥感监测成为全球变化研究的热点，其中利用卫星合成孔径雷达(SAR)进行海冰监测是一种全天候高分辨监测的有效手段。但对于海冰海水的自动识别与监测技术，除了利用神经网络进行计算机学习训练，得到尚可的精度的算法外，尚无有效的海冰-海水自动识别方法。对于海冰融化过程中的海冰-海水识别，目前没有相关算法能获得满意的识别精度。为此，我们基于海冰海水Bragg电磁散射机制，提出一种高精度的SAR海冰-海水自动识别方法。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于四极化(垂直发射垂直接收极化：VV；水平发射水平接收极化：HH；水平发射垂直接收极化：HV；垂直发射水平接收极化VH)SAR图像的海冰-海水自动识别方法。

本发明采用的技术方案为：一种合成孔径雷达海冰-海水自动识别方法，利用四极化SAR归一化雷达散射界面(NRCS)，计算出SAR图像极化比(垂直极化NRCS与水平极化NRCS之间的比值)。同时利用四极化复图像计算出方向漂移角及其标准方差，与雷达入射角参数一起代入Bragg散射系数模型公式，求出相对介电常数为0-90，步长为0.1的对应理论极化比，求出平均极化比图像。以平均极化比为判据，当SAR图像极化比大于平均理论极化比时，判定为海水，否则判定为海冰。具体包括以下步骤：

步骤1：四极化SAR图像预处理。采用Lee滤波方法去除四极化SAR图像噪声，其中四极化散射系数分别为：S_VV,S_HH,S_HV S_VH。交叉极化下面步骤中采用S′_HV代替下面算法中的S_HV。

步骤2：计算平均方向漂移角φ₀及其标准方差σ。φ₀与σ的关系为其中θ为雷达入射角。

步骤3：步骤2中，*表示复共轭，Re(*)表示实部。

步骤4：利用公式计算SAR图像每个像素极化比，其中(i，j)表示SAR图像中第i行第j列像素点。

步骤5：Bragg散射理论极化比可由公式(1)求出：

其中，

式中F_HH和F_VV分别为水平极化菲涅耳反射系数：

和垂直极化菲涅耳反射系数：

其中ε_r为散射表面相对介电常数。选取相对介电常数增加步长为1，ε_海冰＝1，ε_海水＝90，ε_r从ε_海冰变到ε_海水，利用求出理论极化比平均值。

步骤6：计算真实SAR图像极化比与理论极化比平均值之差 ΔPR≤0时判定为海冰，ΔPR>0时判定为海水。

有益效果：本发明提出的SAR图像的海冰-海水自动识别方法，是基于多极化布拉格(Bragg)散射机制，求解极化比(PR)过程中消除粗糙度谱函数，从而将问题简化为利用极化比判别海冰和海水的方法。

附图说明

图1为SAR识别海冰-海水流程图。

图2为SAR图像海冰-海水识别案例C和D。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步的说明。

本发明提出基于四极化(VV,HH,HV,VH)SAR图像的海冰-海水自动识别方法，具体方法流程如图1所示，步骤主要包含：

步骤1：四极化SAR图像预处理。采用Lee滤波方法去除四极化SAR图像噪声，其中四极化散射系数分别为：S_VV,S_HH,S_HV S_VH。交叉极化下面步骤中采用S′_HV代替下面算法中的S_HV。

步骤2：计算平均方向漂移角φ₀及其标准方差σ。φ₀与σ的关系为其中θ为雷达入射角。

步骤3：步骤2中，*表示复共轭，Re(*)表示实部。

步骤4：利用公式计算SAR图像每个像素极化比，其中(i，j)表示SAR图像中第i行第j列像素点。

步骤5：Bragg散射理论极化比可由公式(1)求出：

其中，

式中F_HH和F_VV分别为水平极化菲涅耳反射系数：

和垂直极化菲涅耳反射系数：

其中ε_r为散射表面相对介电常数。选取相对介电常数增加步长为1，ε_海冰＝1，ε_海水＝90，ε_r从ε_海冰变到ε_海水，利用求出理论极化比平均值。

步骤6：计算真实SAR图像极化比与理论极化比平均值之差 ΔPR≤0时判定为海冰，ΔPR>0时判定为海水。

利用本方法，案例C和D的计算结果如图2所示，其中，(a)所示为HH极化SAR图像；(b)C区域HH极化NRCS图像；(c)D区域HH极化NRCS图像；(d)C区域极化比；(e)C区域分辨率为5m×5m图像海冰-海水识别结果；(f)C区域分辨率为15m×15m图像海冰-海水识别结果；(g)D区域极化比；(h)D区域分辨率为5m×5m图像海冰-海水识别结果；(i)D区域分辨率为15m×15m图像海冰-海水识别结果。

以上结合附图对本发明的实施方式做出详细说明，但本发明不局限于所描述的实施方式。对本领域的普通技术人员而言，在本发明的原理和技术思想的范围内，对这些实施方式进行多种变化、修改、替换和变形仍落入本发明的保护范围内。

Claims (1)

1.一种合成孔径雷达海冰-海水自动识别方法，其特征在于：包括以下步骤：

步骤1：四极化SAR图像预处理；采用Lee滤波方法去除四极化SAR图像噪声，其中四极化散射系数分别为：S_VV,S_HH,S_HV S_VH；交叉极化下面步骤中采用S′_HV代替下面算法中的S_HV；

步骤2：计算平均方向漂移角φ₀及其标准方差σ；φ₀与σ的关系为其中θ为雷达入射角；

步骤3：步骤2中，*表示复共轭，Re(*)表示实部；

步骤4：利用公式计算SAR图像每个像素极化比，其中(i，j)表示SAR图像中第i行第j列像素点；

步骤5：Bragg散射理论极化比可由公式(1)求出：

${\mathrm{PR}}_{VVHH(i,j)}^{Model}=\frac{A_{(i,j)}}{B_{(i,j)}}---\left(1\right)$

其中，

$A=\frac{|F_{VV}{|}^2}{2}(1+\frac{sin2{\mathrm{\φ}}_0}{2{\mathrm{\φ}}_0})+\frac{|F_{HH}{|}^2}{2}(1-\frac{sin2{\mathrm{\φ}}_0}{2{\mathrm{\φ}}_0})-\frac{|F_{HH-F_{VV}}{|}^2}{8}(1-\frac{\sin 4{\mathrm{\φ}}_0}{4{\mathrm{\φ}}_0})---\left(2\right)$

$B=\frac{|F_{HH}{|}^2}{2}(1+\frac{sin2{\mathrm{\φ}}_0}{2{\mathrm{\φ}}_0})+\frac{|F_{VV}{|}^2}{2}(1-\frac{sin2{\mathrm{\φ}}_0}{2{\mathrm{\φ}}_0})-\frac{|F_{HH-F_{VV}}{|}^2}{8}(1-\frac{sin4{\mathrm{\φ}}_0}{4{\mathrm{\φ}}_0})---\left(3\right)$

式中F_HH和F_VV分别为水平极化菲涅耳反射系数：

$F_{HH}=\frac{cos\mathrm{\θ}-\sqrt{({\mathrm{\ϵ}}_r-{\sin }^2\mathrm{\θ})}}{\cos \mathrm{\θ}+\sqrt{({\mathrm{\ϵ}}_r-{\sin }^2\mathrm{\θ})}}---\left(4\right)$

和垂直极化菲涅耳反射系数：

$F_{VV}=\frac{({\mathrm{\ϵ}}_r-1)\[{\sin }^2\mathrm{\θ}-{\mathrm{\ϵ}}_r(1+{\sin }^2\mathrm{\θ})\]}{{\[{\mathrm{\ϵ}}_r\cos \mathrm{\θ}+\sqrt{({\mathrm{\ϵ}}_r-{\sin }^2\mathrm{\θ})}\]}^2}---\left(5\right)$

其中ε_r为散射表面相对介电常数；选取相对介电常数增加步长为1，ε_海冰＝1，ε_海水＝90，ε_r从ε_海冰变到ε_海水，利用求出理论极化比平均值；

步骤6：计算真实SAR图像极化比与理论极化比平均值之差 ΔPR≤0时判定为海冰，ΔPR>0时判定为海水。