CN106970373B - 基于水面状态连续成像系统的小波浪浪高提取方法 - Google Patents
基于水面状态连续成像系统的小波浪浪高提取方法 Download PDFInfo
- Publication number
- CN106970373B CN106970373B CN201710324653.9A CN201710324653A CN106970373B CN 106970373 B CN106970373 B CN 106970373B CN 201710324653 A CN201710324653 A CN 201710324653A CN 106970373 B CN106970373 B CN 106970373B
- Authority
- CN
- China
- Prior art keywords
- wave
- rips
- echo
- imaging system
- surface condition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及基于水面状态连续成像系统的小波浪浪高提取方法,包括以下步骤:(1)利用水面状态连续成像系统收集探测区域的波浪回波,并且对回波进行采样以及成像,组成N帧(32到128帧)回波图像序列;(2)确定常高波浪回波满足的威布尔分布模型参数从而获取小波浪回波峰度与常高波浪回波满足的威布尔分布峰度之间的偏差;(3)获取小波浪回波纹理视在特性比;(4)根据偏差与回波纹理视在特性比确定小波浪浪高提取模型中的浪高因子;(5)获取小波浪浪高数据,并对浪高因子进行线性拟合,得到小波浪浪高提取模型的经验校正常数,从而获取小波浪浪高提取模型。本发明简单高效,占用资源少,适用于各种型号的雷达、红外以及可见光成像系统。
Description
技术领域
本发明涉及无线电的遥感技术领域,尤其涉及水面状态连续成像系统的水面遥感技术领域,具体是指一种基于水面状态连续成像系统的小波浪浪高提取方法。
背景技术
水面状态包括湖面、海面以及河面状态,随着科技的发展和人类对新能源、远洋的探索兴趣和需求的增大,对湖面、河面以及海面的状态遥感技术也日渐成为科学家们的研究热点。
以X波段雷达海浪遥感观测为例,目前,传统的海上X波段导航雷达被广泛应用于对海面的遥感探测,所谓X波段雷达(X Band Radar,简写为XBR)是对火控、目标跟踪雷达的统称,其发出的波长在3厘米以下,该雷达能够360度旋转侦查各个方向的目标。
随着全世界范围内对海洋重视程度的与日俱增,海洋监测能力逐步成为了各个国家实力的直接体现,对海洋环境实现全方位、多手段的立体监测,可以使人类及时、准确地掌握海洋自身运动变化的规律,以满足军事和民用两方面的需求。海洋参数的提取与分析对港口安全、海洋气候研究、海洋资源开发、海洋军事等有着广泛的意义。海洋参数主要包含浪高、浪周期、浪向等这些与海浪有着直接以及直观联系的数值信息,而浪高也称为波高,指的是海浪相邻的波峰和波谷间的垂直距离。雷达观测浪高主要为有效浪高,它表示为将波列中的波高由大到小依次排列,其中最大的1/3波高部分的平均值。作为高效的海洋观测方式之一,X波段雷达以其高时空分辨率、轻便灵巧、市场占有率高等特点逐步成为了一种重要的主动式海洋遥感手段。X波段电波在随机粗糙海面传播时会与海浪产生散射作用,X波段雷达接收后向散射回波,能够从回波信号获取海流、海浪等海洋参数。
目前利用X波段雷达来提取浪高主要步骤如下:对X波段雷达接收的水面波浪散射电磁波图像序列进行三维傅里叶分析,得到频域回波图像谱;利用图像谱得到表面流信息,并且通过所得流速与流向信息构造带通滤波器来得到滤除非波浪信号后的图像谱,并且利用调制传递函数得到波浪谱;根据波浪谱计算信噪比(Signal to Noise Ratio):波浪与噪声信号成分比值;最后基于信噪比的线性模型来对浪高进行提取。而由于雷达是对水面进行遥感测量,雷达对水面连续成像所得到的图像时间序列是波浪运动形式的体现,因此利用采集到的图像序列可以提取各种波浪参数。而雷达成像质量取决于水面反射的回波信号,由于低海况条件下的水面对电磁波信号后向散射能力差,此时水面微弱粗糙度基本上不满足X波段雷达波浪参数反演要求。为了保证测量结果的准确度以及连续性,对于水平极化X波段雷达,通常浪高低于1m而且水表面风速小于3m/s时的雷达回波均被视为无效数据而舍弃。虽然低海况条件下浪高小于1m时对水上交通或者工程影响较小,但很多水波物理现象的出现与微风条件下的小波浪运动息息相关,雷达具有在低海况条件下的浪高观测能力对小波浪运动的研究具有重要意义。
发明内容
本发明的目的是克服上述现有技术的缺点,直接从水面回波时域信号出发,提供了一种基于水面状态连续成像系统的小波浪浪高提取方法。
为了实现上述目的,本发明的基于水面状态连续成像系统的小波浪浪高提取方法具体如下:
该基于水面状态连续成像系统的小波浪浪高提取方法,其主要特点是,所述的提取方法包括以下步骤:
(1)通过水面状态连续成像系统采集探测区域中的波浪的回波,并对探测区域中的波浪的回波进行采样成像,组成N帧回波图像序列;
(2)对所述的N帧回波图像序列中的像素点幅值进行统计分析,确定常高波浪回波满足的威布尔分布模型的形状参数k和尺度参数λ;
(3)根据所述的形状参数k和尺度参数λ获取常高波浪回波满足的威布尔分布峰度γ2normal,并根据所述的常高波浪回波满足的威布尔分布峰度γ2normal与所述的水面状态连续成像系统获取的小波浪回波峰度γ2获取两者的偏差Δγ;
(4)计算所述的水面状态连续成像系统得到的小波浪回波纹理视在特性比Str;
(5)根据所述的小波浪回波峰度偏差Δγ和所述的小波浪回波纹理视在特性比Str,获取小波浪浪高提取模型中的浪高因子Ψγ;
(6)通过定点水面浪高观测设备获取小波浪浪高数据,并对所述的小波浪浪高数据与所述的浪高因子Ψγ进行线性拟合,获取小波浪浪高提取模型的经验校正常数,从而获取小波浪浪高提取模型。
较佳地,所述的N的取值为2m,且m为正整数。
更佳地,所述的m大于等于5,且小于等于8。
较佳地,浪高高于0.7m的波浪为常高波浪,浪高低于0.7m的波浪为小波浪,所述的步骤(2)具体为:
通过对所述的N帧回波图像序列中的像素点幅值进行统计分析确定常高波浪回波满足的威布尔分布模型的形状参数k和尺度参数λ,其中所述的形状参数k为1.4,尺度参数λ为0.4。
更佳地,所述的步骤(3)具体为:
根据所述的形状参数k和尺度参数λ确定常高波浪回波满足的威布尔分布峰度γ2normal=0.8379,并根据所述的常高波浪回波满足的威布尔分布峰度γ2normal与所述的水面状态连续成像系统获取的小波浪回波峰度γ2获取两者的偏差Δγ。
尤佳地,根据所述的常高波浪回波满足的威布尔分布峰度γ2normal与所述的水面状态连续成像系统获取的小波浪回波峰度γ2获取两者的偏差Δγ具体为:
Δγ=|γ2-γ2normal|=γ2-0.8379|;
其中,所述的γ2为所述的水面状态连续成像系统获取的小波浪回波峰度,所述的γ2normal为所述的常高波浪回波满足的威布尔分布峰度;Δγ为所述的常高波浪回波满足的威布尔分布峰度γ2normal与小波浪回波峰度γ2的偏差。
甚佳地,所述的步骤(5)中获取小波浪浪高提取模型中的浪高因子Ψγ具体为:
根据以下公式获取所述的浪高因子Ψγ:
其中,Ψγ为所述的小波浪浪高提取模型的浪高因子;γ2为所述的水面状态连续成像系统获取的小波浪回波峰度;Str为所述的小波浪回波纹理视在特性比。
较佳地,所述的步骤(6)具体为:
通过所述的定点水面浪高观测设备获取所述的小波浪浪高数据,并采用最小二乘法对所述的小波浪浪高数据与浪高因子进行线性拟合,以获取所述的小波浪浪高提取模型的经验校正常数。
更佳地,所述的定点水面浪高观测设备包括浮标。
较佳地,所述的水面状态连续成像系统可为X波段雷达系统、红外以及可见光成像系统。
采用了该发明中的基于水面状态连续成像系统的小波浪浪高提取方法,由于其利用水面状态连续成像系统对水面状态进行连续成像,从波浪的时域信号出发,将实测水面回波纹理视在特性比与利用推导结果得到的峰度计算值相结合后与现场定点观测设备浪高值进行线性拟合得到经验校正常数,进而得到了小波浪浪高提取模型。采用本发明中的技术方案,能够很好的对湖面/海面/河面的波浪状态进行分析,本发明的核心就在于基于水面连续成像系统对小波浪浪高进行提取,整个发明实用性强,且适用性广,不仅适用于岸基水面状态连续成像系统,还适用于船载水面状态连续成像系统,并且能够实时、快速、准确、稳定的提取小波浪浪高,解决了传统基于水面状态连续成像系统的小波浪浪高无法提取的问题。
附图说明
图1为本发明的基于水面状态连续成像系统的小波浪浪高提取方法中利用水面状态连续成像系统采集的波浪回波图像序列示意图。
图2为本发明的基于水面状态连续成像系统的小波浪浪高提取方法中常高波浪回波幅值分布与威布尔概率密度拟合示意图。
图3为本发明的基于水面状态连续成像系统的小波浪浪高提取方法中小波浪回波幅值分布与威布尔概率密度拟合示意图。
图4为本发明的基于水面状态连续成像系统的小波浪浪高提取方法的方法流程示意图。
具体实施方式
为了能够更清楚地描述本发明的技术内容,下面结合具体实施例来进行进一步的描述。
该基于水面状态连续成像系统的小波浪浪高提取方法,包括以下步骤:
(1)通过水面状态连续成像系统采集探测区域中的波浪的回波,并对探测区域中的波浪的回波进行采样成像,组成N帧回波图像序列;
(2)对所述的N帧回波图像序列中的像素点幅值进行统计分析,确定常高波浪回波满足的威布尔分布模型的形状参数k和尺度参数λ;
(3)根据所述的形状参数k和尺度参数λ获取常高波浪回波满足的威布尔分布峰度γ2normal,并根据所述的常高波浪回波满足的威布尔分布峰度γ2normal与所述的水面状态连续成像系统获取的小波浪回波峰度γ2获取两者的偏差Δγ;
(4)计算所述的水面状态连续成像系统得到的小波浪回波纹理视在特性比Str;
(5)根据所述的小波浪回波峰度偏差Δγ和所述的小波浪回波纹理视在特性比Str,获取小波浪浪高提取模型中的浪高因子Ψγ;
(6)通过定点水面浪高观测设备获取小波浪浪高数据,并对所述的小波浪浪高数据与所述的浪高因子Ψγ进行线性拟合,获取小波浪浪高提取模型的经验校正常数,从而获取小波浪浪高提取模型。
在一种较佳的实施例中,所述的N的取值为2m,且m为正整数。
在一种更佳的实施例中,所述的m大于等于5,且小于等于8。
通常地,浪高高于0.7m的波浪为常高波浪,浪高低于0.7m的波浪为小波浪,所述的步骤(2)具体为:
通过对所述的N帧回波图像序列中的像素点幅值进行统计分析确定常高波浪回波满足的威布尔分布模型的形状参数k和尺度参数λ,其中所述的形状参数k为1.4,尺度参数λ为0.4。
在一种更佳的实施方式中,所述的步骤(3)具体为:
根据所述的形状参数k和尺度参数λ确定常高波浪回波满足的威布尔分布峰度γ2normal=0.8379,并根据所述的常高波浪回波满足的威布尔分布峰度γ2normal与所述的水面状态连续成像系统获取的小波浪回波峰度γ2获取两者的偏差Δγ。
在一种尤佳的实施方式中,根据所述的常高波浪回波满足的威布尔分布峰度γ2normal与所述的水面状态连续成像系统获取的小波浪回波峰度γ2获取两者的偏差Δγ具体为:
Δγ=|γ2-γ2normal|=γ2-0.8379|;
其中,所述的γ2为所述的水面状态连续成像系统获取的小波浪回波峰度,所述的γ2normal为所述的常高波浪回波满足的威布尔分布峰度;Δγ为所述的常高波浪回波满足的威布尔分布峰度γ2normal与小波浪回波峰度γ2的偏差。
在一种甚佳的实施方式中,所述的步骤(5)中获取小波浪浪高提取模型中的浪高因子Ψγ具体为:
根据以下公式获取所述的浪高因子Ψγ:
其中,Ψγ为所述的小波浪浪高提取模型的浪高因子;γ2为所述的水面状态连续成像系统获取的小波浪回波峰度;Str为所述的小波浪回波纹理视在特性比。
在一种较佳的实施方式中,所述的步骤(6)具体为:
通过所述的定点水面浪高观测设备获取所述的小波浪浪高数据,并采用最小二乘法对所述的小波浪浪高数据与浪高因子进行线性拟合,以获取所述的小波浪浪高提取模型的经验校正常数。
在一种具体的实施方式中,所述的定点水面浪高观测设备包括浮标,所述的水面状态连续成像系统可为X波段雷达系统、红外以及可见光成像系统。
请参阅图4,在一种具体实施例中,该水面状态连续成像系统为一X波段雷达时,不同机型的X波段雷达机型均适用,在对低海况小波浪浪高进行提取时,所述的提取方法具体包括以下步骤:
(1)请参阅图1,通过X波段雷达采集N帧回波图像序列,首先X波段雷达对连续采集的回波进行采样以及成像,组成N帧回波图像序列,且通常N的取值为2m,m的值通常是大于等于5、小于等于8的正整数,且该N帧回波图像序列在水平方向与垂直方向上的像素点数通常取2n,N的值通常也是大于等于5、小于等于8的正整数,图像距离单元分辨率通常为7.5m,也即每个图像像素点大小为7.5×7.5m2。图像序列示意图如图1所示,图中的Δt为连续两帧图像之间的时间间隔(也即X波段雷达的天线转一圈的时间)。
(2)请参阅图2和图3,计算威布尔分布峰度,通过大量实测数据统计分析发现,常高波浪的回波幅值符合威布尔分布,而峰度是表面高度的分布曲线偏离正态分布的严重程度,根据峰度的定义,可以将峰度概念扩展至威布尔分布,进而可以得到能体现概率分布曲线偏离威布尔分布的峰度值。峰度定义如下:
式中,E(X)与Var(X)分别为样本X的均值与方差。令b=λ(-k),则上式可以改写为:
f(x;k,b)=bkxk-1exp(-bxk) x≥0;
样本均值:
样本方差:
因此可以推导得到威布尔分布峰度计算结果如下:
其中伽玛函数定义如下:
根据大量的统计数据,海浪回波强度通常满足形状参数k为1.4、尺度参数λ为0.4的威布尔分布,因此将形状参数k=1.4带入威布尔分布峰度计算式,得出正常海况下满足威布尔分布的海浪回波强度的峰度为0.8379。
(3)计算回波纹理视在特性比Str,水面状态连续成像系统得到的回波纹理视在特性比Str定义如下
式中,Str是对表面纹理特性的描述,Sfd为反映轮廓纹理的排列规则的最快下降自相关长度,Ssd为对应的最慢下降自相关长度。Sfd与Ssd定义分别如下:
式中,NAF为标准化自相关函数(Normalized autocorrelation function):
上式中,1-M≤τx≤M-1;1-N≤τy≤N-1,τx,τy为整数,Sfd定义为NAF最快衰减到0.2的距离,Ssd定义为NAF最慢衰减到0.2的距离。
(4)得到小波浪浪高提取模型,由于峰度计算结果体现了X波段雷达探测到的海面小波浪回波图像序列的灰度直方图偏离威布尔分布的程度以及尖峭程度,同时小波浪的回波纹理视在特性比是用于描述表面纹理特性的空间参数,它代表着小波浪回波表面的纹理方向强度,因此,建立X波段雷达探测到的小波浪浪高提取模型如下:
Hs=A+B·Ψγ;
其中,Hs是小波浪浪高,A、B为由小波浪的不同雷达、不同探测环境确定的经验校正常数。Ψγ为小波浪的浪高因子,根据之前分析,定义Ψγ表达式如下:
其中,Str为X波段雷达探测到的小波浪的回波纹理视在特性比,|γ2-0.8379|为雷达探测到的小波浪的回波图像序列灰度直方图峰度γ2与常高波浪下满足威布尔分布的水面回波图像序列灰度直方图峰度γ2normal的偏差量Δγ。由Ψγ的定义可知,当Ψγ越大时,海况或者水面起伏越低,此时水面浪高也越小。
(5)计算小波浪浪高,当定点水面浪高观测设备或者传统雷达观测的浪高结果低于某一阈值时(如0.7m),此时水面的微弱粗糙度基本上不满足传统X波段雷达浪高反演要求,可以利用上述X波段雷达探测下小波浪的浪高反演模型(即小波浪浪高提取模型)来对小波浪浪高进行提取。
采用了该发明中的基于水面状态连续成像系统的小波浪浪高提取方法,由于其利用水面状态连续成像系统对水面状态进行连续成像,从波浪的时域信号出发,将实测水面回波纹理视在特性比与利用推导结果得到的峰度计算值相结合后与现场定点观测设备浪高值进行线性拟合得到经验校正常数,进而得到了小波浪浪高提取模型。采用本发明中的技术方案,能够很好的对湖面/海面/河面的波浪状态进行分析,本发明的核心就在于基于水面连续成像系统对小波浪浪高进行提取,整个发明实用性强,且适用性广,不仅适用于岸基水面状态连续成像系统,还适用于船载水面状态连续成像系统,并且能够实时、快速、准确、稳定的提取小波浪浪高,解决了传统基于水面状态连续成像系统的小波浪浪高无法提取的问题。
在此说明书中,本发明已参照其特定的实施例作了描述。但是,很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此,说明书和附图应被认为是说明性的而非限制性的。
Claims (10)
1.一种基于水面状态连续成像系统的小波浪浪高提取方法,其特征在于,所述的提取方法包括以下步骤:
(1)通过水面状态连续成像系统采集探测区域中的波浪的回波,并对探测区域中的波浪的回波进行采样成像,组成N帧回波图像序列;
(2)对所述的N帧回波图像序列中的像素点幅值进行统计分析,确定常高波浪回波满足的威布尔分布模型的形状参数k和尺度参数λ;
(3)根据所述的形状参数k和尺度参数λ获取常高波浪回波满足的威布尔分布峰度γ2normal,并根据所述的常高波浪回波满足的威布尔分布峰度γ2normal与所述的水面状态连续成像系统获取的小波浪回波峰度γ2获取两者的偏差Δγ;
(4)计算所述的水面状态连续成像系统得到的小波浪回波纹理视在特性比Str;
(5)根据所述的小波浪回波峰度偏差Δγ和所述的小波浪回波纹理视在特性比Str,获取小波浪浪高提取模型中的浪高因子Ψγ;
(6)通过定点水面浪高观测设备获取小波浪浪高数据,并对所述的小波浪浪高数据与所述的浪高因子Ψγ进行线性拟合,获取小波浪浪高提取模型的经验校正常数,从而获取小波浪浪高提取模型。
2.根据权利要求1所述的基于水面状态连续成像系统的小波浪浪高提取方法,其特征在于,所述的N的取值为2m,且m为正整数。
3.根据权利要求2所述的基于水面状态连续成像系统的小波浪浪高提取方法,其特征在于,所述的m大于等于5,且小于等于8。
4.根据权利要求1所述的基于水面状态连续成像系统的小波浪浪高提取方法,其特征在于,浪高高于0.7m的波浪为常高波浪,浪高低于0.7m的波浪为小波浪,所述的步骤(2)具体为:
通过对所述的N帧回波图像序列中的像素点幅值进行统计分析确定常高波浪回波满足的威布尔分布模型的形状参数k和尺度参数λ,其中所述的形状参数k为1.4,尺度参数λ为0.4。
5.根据权利要求4所述的基于水面状态连续成像系统的小波浪浪高提取方法,其特征在于,所述的步骤(3)具体为:
根据所述的形状参数k和尺度参数λ确定常高波浪回波满足的威布尔分布峰度γ2normal=0.8379,并根据所述的常高波浪回波满足的威布尔分布峰度γ2normal与所述的水面状态连续成像系统获取的小波浪回波峰度γ2获取两者的偏差Δγ。
6.根据权利要求5所述的基于水面状态连续成像系统的小波浪浪高提取方法,其特征在于,根据所述的常高波浪回波满足的威布尔分布峰度γ2normal与所述的水面状态连续成像系统获取的小波浪回波峰度γ2获取两者的偏差Δγ具体为:
Δγ=|γ2-γ2normal|=|γ2-0.8379|;
其中,所述的γ2为所述的水面状态连续成像系统获取的小波浪回波峰度,所述的γ2normal为所述的常高波浪回波满足的威布尔分布峰度;Δγ为所述的常高波浪回波满足的威布尔分布峰度γ2normal与小波浪回波峰度γ2的偏差。
7.根据权利要求6所述的基于水面状态连续成像系统的小波浪浪高提取方法,其特征在于,所述的步骤(5)中获取小波浪浪高提取模型中的浪高因子Ψγ具体为:
根据以下公式获取所述的浪高因子Ψγ:
其中,Ψγ为所述的小波浪浪高提取模型的浪高因子;γ2为所述的水面状态连续成像系统获取的小波浪回波峰度;Str为所述的小波浪回波纹理视在特性比。
8.根据权利要求1所述的基于水面状态连续成像系统的小波浪浪高提取方法,其特征在于,所述的步骤(6)具体为:
通过所述的定点水面浪高观测设备获取所述的小波浪浪高数据,并采用最小二乘法对所述的小波浪浪高数据与浪高因子进行线性拟合,以获取所述的小波浪浪高提取模型的经验校正常数。
9.根据权利要求8所述的基于水面状态连续成像系统的小波浪浪高提取方法,其特征在于,所述的定点水面浪高观测设备包括浮标。
10.根据权利要求1所述的基于水面状态连续成像系统的小波浪浪高提取方法,其特征在于,所述的水面状态连续成像系统可为X波段雷达系统、红外以及可见光成像系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710324653.9A CN106970373B (zh) | 2017-05-10 | 2017-05-10 | 基于水面状态连续成像系统的小波浪浪高提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710324653.9A CN106970373B (zh) | 2017-05-10 | 2017-05-10 | 基于水面状态连续成像系统的小波浪浪高提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106970373A CN106970373A (zh) | 2017-07-21 |
CN106970373B true CN106970373B (zh) | 2019-09-03 |
Family
ID=59331121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710324653.9A Active CN106970373B (zh) | 2017-05-10 | 2017-05-10 | 基于水面状态连续成像系统的小波浪浪高提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106970373B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109520700B (zh) * | 2018-08-31 | 2020-11-06 | 中国船舶工业集团公司第七0八研究所 | 一种极端波浪的生成方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103293521A (zh) * | 2013-06-26 | 2013-09-11 | 武汉大学 | 一种利用x波段雷达探测近海海域水深的方法 |
CN104977583A (zh) * | 2015-07-08 | 2015-10-14 | 中国船舶重工集团公司第七一九研究所 | 一种基于经验正交分解的x波段雷达海浪反演方法 |
CN105388465A (zh) * | 2015-12-17 | 2016-03-09 | 西安电子科技大学 | 基于海浪谱模型的海杂波模拟方法 |
WO2016079848A1 (ja) * | 2014-11-20 | 2016-05-26 | 三菱電機株式会社 | 状態推定装置 |
-
2017
- 2017-05-10 CN CN201710324653.9A patent/CN106970373B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103293521A (zh) * | 2013-06-26 | 2013-09-11 | 武汉大学 | 一种利用x波段雷达探测近海海域水深的方法 |
WO2016079848A1 (ja) * | 2014-11-20 | 2016-05-26 | 三菱電機株式会社 | 状態推定装置 |
CN104977583A (zh) * | 2015-07-08 | 2015-10-14 | 中国船舶重工集团公司第七一九研究所 | 一种基于经验正交分解的x波段雷达海浪反演方法 |
CN105388465A (zh) * | 2015-12-17 | 2016-03-09 | 西安电子科技大学 | 基于海浪谱模型的海杂波模拟方法 |
Non-Patent Citations (3)
Title |
---|
A Novel Algorithm in Estimating Signa-to-Noise Ratio for Ocean Wave Height Inversion From X-Band Radar Images;Li Wang等;《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》;20160331;第13卷(第3期);全文 |
X波段导航雷达浪高实时测量研究;王福友等;《海洋工程》;20071130;第25卷(第4期);全文 |
利用X波段导航雷达探测海洋表面流速的方法;王立等;《武汉大学学报》;20150131;第40卷(第1期);全文 |
Also Published As
Publication number | Publication date |
---|---|
CN106970373A (zh) | 2017-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wernecke et al. | Lead detection in Arctic sea ice from CryoSat-2: quality assessment, lead area fraction and width distribution | |
Schulz-Stellenfleth et al. | Measurement of 2-D sea surface elevation fields using complex synthetic aperture radar data | |
Huang et al. | A novel method for speckle noise reduction and ship target detection in SAR images | |
CN106156758B (zh) | 一种sar海岸图像中海岸线提取方法 | |
CN108171193A (zh) | 基于超像素局部信息度量的极化sar舰船目标检测方法 | |
CN110263646A (zh) | 一种基于卷积神经网络的海面弱目标探测方法和系统 | |
Almar et al. | On the use of the Radon transform to estimate longshore currents from video imagery | |
CN114814775A (zh) | 基于ResNet网络的雷达跌倒检测方法及设备 | |
Horstmann et al. | Wind, wave, and current retrieval utilizing X-band marine radars | |
Malila et al. | On the groupiness and intermittency of oceanic whitecaps | |
Tajima et al. | Study on shoreline monitoring system based on satellite SAR imagery | |
CN106970373B (zh) | 基于水面状态连续成像系统的小波浪浪高提取方法 | |
Ramesh et al. | Nearshore wave analysis from coastal video monitoring techniques at high energy micro tidal beach under sunlight dominance conditions: a case study from Valiathura beach in southwest coast of India | |
Berizzi et al. | Two-dimensional variation algorithm for fractal analysis of sea SAR images | |
CN106908782B (zh) | 基于水面状态连续成像系统的波浪传播方向的提取方法 | |
Thomson et al. | A Fourier-based method for the distribution of breaking crests from video observations | |
CN112085779B (zh) | 一种波浪参数估算方法及装置 | |
Lu et al. | Research on rainfall identification based on the echo differential value from X-band navigation radar image | |
US20170169576A1 (en) | Crowd intelligence on flow velocity measurement | |
Wang et al. | Improved CycleGAN-based shadow estimation for ocean wave height inversion from marine X-band radar images | |
Wang et al. | Seafloor classification based on deep-sea multibeam data—Application to the southwest Indian Ridge at 50.47° E | |
Divya et al. | Ocean internal wave detection from SAR images using particle swarm optimization | |
Wang et al. | Ocean wave height inversion under low sea state from horizontal polarized X-band nautical radar images | |
Wang et al. | Elimination of the impact of vessels on ocean wave height inversion with X-band wave monitoring radar | |
Kotovirta et al. | Ships as a sensor network to observe ice field properties |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |