CN110764087A - 一种基于干涉成像高度计的海面风向反加权反演方法 - Google Patents

Abstract

本发明公开了一种基于干涉成像高度计的海面风向反加权反演方法，包括：选取具有风条纹的海面后向散射系数图像，并根据图像经纬度坐标与再分析预报风速数据进行时空插值，匹配得到海面风速数据；将海面后向散射系数图像对应的入射角和海面风速数据输入后向散射系数模型，得到用于反加权的后向散射系数，对海面后向散射系数图像进行反加权处理；对反加权后的海面后向散射系数图像进行滤波处理；计算滤波后的图像的梯度方向；根据风向检测尺度对滤波后的图像进行子图划分，并对每个子图的所有梯度进行直方图统计，选取出现频率最多的梯度方向为具有180°方向模糊的风向；根据再分析预报数据或浮标数据去除风向的180°模糊得到每个子图的风向。

Description

一种基于干涉成像高度计的海面风向反加权反演方法

技术领域

本发明涉及雷达信号处理及反演领域，具体涉及一种基于干涉成像高度计的海面风向反加权反演方法。

背景技术

线性风条纹是合成孔径雷达图像上出现的一种准周期线性条带，它是由大气边界层中的滚轴涡引起的，空间尺度在1～9公里左右。利用合成孔径雷达(SAR)图像中的线性风条纹提取风向信息有两种方法：傅里叶变换法和局部梯度法。

第一种方法在频域中进行，对选定的子图像进行二维傅里叶变换后得到二维波数谱，二维波数谱谱峰连线的垂直方向就对应海面风向，第二种方法利用风向与风条纹方向基本平行且风条纹是均匀分布的线性条纹，在垂直于风条纹的方向上就会产生强烈的梯度变化的特征，通过提取梯度最大的方向，就可以得到对应的风向。但此时得到风向仍然存在180°风向模糊。需要结合再分析风场数据或者现场浮标数据去除风向存在的180°模糊。

干涉成像高度计入射角小于SAR，干涉成像高度计的后向散射系数主要来自于海面的准镜面反射而SAR的后向散射系数主要来自于海面的布拉格散射，二者的后向散射系数随入射角呈现不同的变化规律，成像高度计后向散射系数随入射角增大呈现更加明显的减小，所以需要对局部梯度法进行改进以适用于干涉成像高度计的风向检测。

发明内容

本发明的目的在于克服上述技术缺陷，提供一种改进的局部梯度风向检测方法，对干涉成像高度计的后向散射系数图像进行反加权的处理，实现利用梯度检测的方法对干涉成像高度计进行风向反演。首先将干涉成像高度计得到的具有明显风条纹的后向散射系数图像进行反加权处理，然后对图像进行去噪声处理，最后对图像进行梯度检测，找到频率最大的梯度方向即为含180°模糊的海面风向，结合其他测量数据或现场数据去除风向模糊得到风向。

为了实现上述目的，本发明提出了一种基于干涉成像高度计的海面风向反加权反演方法，所述方法包括：

选取具有风条纹的海面后向散射系数图像，并根据图像经纬度坐标与再分析预报风速数据进行时空插值，匹配得到与海面后向散射系数图像对应的海面风速数据；

将海面后向散射系数图像对应的入射角和海面风速数据输入后向散射系数模型，得到用于反加权的后向散射系数，对海面后向散射系数图像进行反加权处理；

对反加权后的海面后向散射系数图像进行滤波处理；计算滤波后的图像梯度及梯度方向；

根据风向检测尺度对滤波后的图像进行子图划分，并对每个子图的所有梯度进行直方图统计，选取出现频率最多的梯度方向为具有180°方向模糊的风向；

根据再分析预报数据或浮标数据去除风向的180°模糊得到每个子图的风向。

作为上述方法的一种改进，所述将海面后向散射系数图像对应的入射角和海面风速数据输入后向散射系数模型，得到用于反加权的后向散射系数，具体包括：

所述后向散射系数模型采用KuLMOD2模型，其输出为：

σ_KuLMOD2(θ(x,y),U₁₀(x,y))＝a(θ(x,y))+b(θ(x,y))U₁₀(x,y)+c(θ(x,y))U₁₀(x,y)²

a(θ(x,y))＝a₀+a₁θ(x,y)+a₂θ(x,y)²

b(θ(x,y))＝b₀+b₁θ(x,y)+b₂θ(x,y)²

c(θ(x,y))＝c₀+c₁θ(x,y)+c₂θ(x,y)²

其中，θ(x,y)为海面后向散射系数σ_InIRA(x,y)对应的入射角，U₁₀(x,y)为海面后向散射系数σ_InIRA(x,y)对应的海面10m高度处的风速数据；x表示后向散射系数图像的对应的经度坐标，y表示后向散射系数图像的对应的纬度坐标；

则用于反加权的后向散射系数σ_{inv_weight}(x,y)为：

其中，A为常数，A＝3。

作为上述方法的一种改进，所述对海面后向散射系数图像进行反加权处理，具体为：

σ_after(x,y)＝σ_InIRA(x,y)+σ_{inv_weight}(x,y)

σ_after(x,y)为反加权处理后的(x,y)处的海面后向散射系数。

作为上述方法的一种改进，所述对反加权后的后向散射系数图像进行滤波处理，具体包括：

采用高斯滤波对反加权后的后向散射系数图像进行滤波处理，高斯函数f(x,y)为：

其中，σ为平滑窗口的大小；

滤波过程表示为：

σ_after'(x,y)＝∫∫σ_after(x′,y′)f(x'-x,y'-y)dx′dy′

其中，σ_after'(x,y)为滤波平滑后的反加权后的海面后向散射系数图像。

作为上述方法的一种改进，所述计算滤波后的图像的梯度方向；具体包括：

对滤波平滑后的反加权后的海面后向散射系数图像σ_after'(x,y)进行水平方向和垂直方向上的梯度计算，得到垂直方向上的梯度g_y(x,y)，水平方向上的梯度g_x(x,y)；

根据水平方向的梯度和垂直方向的梯度计算梯度方向g_θ(x,y)为：

g_θ(x,y)＝arctan(g_y(x,y)/g_x(x,y))。

作为上述方法的一种改进，所述根据风向检测尺度对滤波后的图像进行子图划分，并对每个子图的所有梯度进行直方图统计，选取出现频率最多的梯度方向为具有180°方向模糊的风向；具体包括：

将滤波平滑后的反加权后的后向散射系数图像划分为12km*12km的若干个子图；

对每个子图的梯度方向进行统计得到统计直方图，对统计直方图进行平滑滤波，得到梯度出现频率最高的方向即为带180°方向模糊的风向。

本发明的优势在于：

1、本发明方法简单易于实现，且对干涉成像高度计的海面风向进行了有效检测，对实际应用具有重要的现实意义；

2、本发明的方法能够利用干涉成像高度计图像进行海面风向反演，在海面风向检测中有重要应用。

附图说明

图1为本发明的基于干涉成像高度计的海面风向反加权反演方法流程图；

图2为海面后向散射系数与入射角变化关系示意图；

图3为InIRA后向散射系数图像；

图4为反加权后的后向散射系数图像；

图5为原始图像滤波结果；

图6为反加权后图像滤波结果；

图7为原始图像风向检测结果；

图8为反加权后的图像风向检测结果。

具体实施方式

下面结合附图对本发明的技术方案进行详细的说明。

如图1所示，本发明提出了一种基于干涉成像高度计的海面风向反加权反演方法，该方法包括：

步骤1)时空插值

结合InIRA(Interferometric Imaging Radar Altimeter，干涉成像高度计)的时空位置，将欧洲中期天气预报中心(European Centre for Medium-Range WeatherForecasts,ECMWF)再分析风场数据进行时空插值，得到与InIRA匹配的风速数据；

步骤2)后向散射系数反加权处理

将匹配得到的风速数据以及InIRA入射角输入对应的Ku波段的后向散射系数模型KuLMOD2，得到反加权后的后向散射系数图像。

海面后向散射系数σ₀随入射角的变化关系如图2所示。在小于10°入射角的情况下，后向散射系数主要来自于海面的准镜面反射，后向散射系数与入射角之间称呈现负相关，图3为InIRA后向散射系数图，从图中也能看出后向散射系数和入射角之间明显的反比关系，在这个入射角范围里后向散射与表面粗糙度成反比变化；在30°～60°的中等入射角下，后向散射系数主要来自于布拉格散射，后向散射系数与入射角之间的相关性不大，这一区域也称为平稳区。

本发明的反加权利用的后向散射模型是适用入射角范围为0°～9°，适用风速范围为0m/s到20m/s的Ku波段后向散射系数模型KuLMOD2。模型中用得到风速为根据InIRA空间位置，将ECMWF再分析风场数据进行线性插值得到的风场数据，时间相差小于10min。KuLMOD2模型具体表达如下式所示：

σ_KuLMOD2(θ(x,y),U₁₀(x,y))＝a(θ(x,y))+b(θ(x,y))U₁₀(x,y)+c(θ(x,y))U₁₀(x,y)²

a(θ(x,y))＝a₀+a₁θ(x,y)+a₂θ(x,y)²

b(θ(x,y))＝b₀+b₁θ(x,y)+b₂θ(x,y)²

c(θ(x,y))＝c₀+c₁θ(x,y)+c₂θ(x,y)²

其中，θ(x,y)为海面后向散射系数σ_InIRA(x,y)对应的入射角，U₁₀(x,y)为海面后向散射系数σ_InIRA(x,y)对应的海面10m高度处的风速数据；x表示后向散射系数图像的对应的经度坐标，y表示后向散射系数图像的对应的纬度坐标；

式中的各参数如表1所示：

表1

参数	数值	参数	数值	参数	数值
						a<sub>0</sub>	14.429486	b<sub>0</sub>	-0.351149	c<sub>0</sub>	0.003309
a<sub>1</sub>	0.059035	b<sub>1</sub>	-0.003623	c<sub>1</sub>	0.000121
						a<sub>2</sub>	-0.084637	b<sub>2</sub>	0.005653	c<sub>2</sub>	-0.000156

利用KuLMOD2模型消除原本的后向散射系数对入射角的变化对梯度检测的影响，用于反加权的后向散射系数为：

其中A为常数，它的选择是经验的，根据不同取值的比较，选择A＝3结果较好。

对海面后向散射系数图像进行反加权处理：

σ_after(x,y)＝σ_InIRA(x,y)+σ_{inv_weight}(x,y)

σ_after(x,y)为反加权处理后的(x,y)处的海面后向散射系数。

针对以上入射角与后向散射系数之间的特性，利用梯度检测对干涉成像高度计进行海面风向反演时要首先去除小入射角下后向散射系数自身变化对梯度检测的影响。

图4为反加权后的后向散射系数图像，通过反加权处理，后向散射系数随入射角的变化得到了有效的减缓，后向散射系数与入射角之间的相关趋势减小。

步骤3)图像滤波

采用高斯滤波对反加权后的后向散射系数图像进行滤波处理，消除图像中斑点噪声、风浪、涌浪等对风条纹检测的影响。高斯函数为

其中σ为平滑窗口的大小。

滤波过程表示为：

σ_after'(x,y)＝∫∫σ_after(x′,y′)f(x'-x,y'-y)dx′dy′

其中，σ_after'(x,y)为滤波平滑后的反加权后的海面后向散射系数图像。

原始图像和反加权后的图像的滤波结果图像分别为图5和图6所示。从图中可以看出反加权处理不仅使原本后向散射系数随入射角的减小趋势得到了减缓，同时图像中的风条纹信息也得到了较好的保留。

步骤4)图像梯度计算

对滤波后的图像进行水平方向和垂直方向上的梯度计算，并得到梯度对应的方向。

对滤波后的图像进行水平方向和垂直方向上的梯度计算，并得到梯度对应的方向：

其中

和

为图像x和y方向上的单位向量，得到垂直方向上的梯度g_y(x,y)，水平方向上的梯度g_x(x,y)；

根据水平方向的梯度和垂直方向的梯度计算梯度方向g_θ(x,y)为：

g_θ(x,y)＝arctan(g_y(x,y)/g_x(x,y))。

步骤5)得到含180°模糊的风向

将图像划分为12km*12km的子图，对梯度方向进行统计得到统计直方图，此时的直方图最大值并不够准确，对直方图进行平滑滤波，此时得到梯度出现频率最高的方向即为带180°模糊的风向。得到每个子图中出现频率最高的梯度方向即为每个子图对应的梯度方向，最后利用匹配到的再分析风场信息去除风向的180°模糊得到最终的风向。

风向在12*12公里的范围内可以看作是一致的，该算法将子图划分为12*12公里的子图，对步骤4)中计算得到的梯度方向进行统计得到的梯度方向分布的统计直方图，此时的直方图最大值并不够准确，对直方图进行平滑滤波，此时得到梯度出现频率最高的方向即为带有180°方向模糊的风向。

步骤6)去风向模糊

风条纹的方向与海面风向基本一致，但是通过检测得到的梯度方向只是可以判断风条纹的走向，需要外部数据进一步确定风的具体方向。可以借助ECMWF的再分析风场数据，或者与高度计观测时间较为接近的散射计、浮标观测的风向。

图7和图8为原始图像和反加权后的图像进行风向检测的结果，图中的箭头所示即为风向。以正北方向为0°，顺时针方向为正。ECMWF再分析数据的风向为19.4119°，反加权的风向为15.3000°，二者相差4.1119°；原始图像直接得到的风向为-17.1014°，二者相差36.5133°；可见经过反加权后的风向检测具有更大的准确性。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种基于干涉成像高度计的海面风向反加权反演方法，所述方法包括：

选取具有风条纹的海面后向散射系数图像，并根据图像经纬度坐标与再分析预报风速数据进行时空插值，匹配得到与海面后向散射系数图像对应的海面风速数据；

将海面后向散射系数图像对应的入射角和海面风速数据输入后向散射系数模型，得到用于反加权的后向散射系数，对海面后向散射系数图像进行反加权处理；

对反加权后的海面后向散射系数图像进行滤波处理；计算滤波后的图像的梯度方向；

根据风向检测尺度对滤波后的图像进行子图划分，并对每个子图的所有梯度进行直方图统计，选取出现频率最多的梯度方向为具有180°方向模糊的风向；

根据再分析预报数据或浮标数据去除风向的180°模糊得到每个子图的风向。

2.根据权利要求1所述的方法，其特征在于，所述将海面后向散射系数图像对应的入射角和海面风速数据输入后向散射系数模型，得到用于反加权的后向散射系数，具体包括：

所述后向散射系数模型采用KuLMOD2模型，其输出为：

σ_KuLMOD2(θ(x,y),U₁₀(x,y))＝a(θ(x,y))+b(θ(x,y))U₁₀(x,y)+c(θ(x,y))U₁₀(x,y)²

a(θ(x,y))＝a₀+a₁θ(x,y)+a₂θ(x,y)²

b(θ(x,y))＝b₀+b₁θ(x,y)+b₂θ(x,y)²

c(θ(x,y))＝c₀+c₁θ(x,y)+c₂θ(x,y)²

其中，θ(x,y)为海面后向散射系数σ_InIRA(x,y)对应的入射角，U₁₀(x,y)为海面后向散射系数σ_InIRA(x,y)对应的海面10m高度处的风速数据；x表示后向散射系数图像的对应的经度坐标，y表示后向散射系数图像的对应的纬度坐标；

则用于反加权的后向散射系数σ_{inv_weight}(x,y)为：

其中，A为常数，A＝3。

3.根据权利要求2所述的方法，其特征在于，所述对海面后向散射系数图像进行反加权处理，具体为：

σ_after(x,y)＝σ_InIRA(x,y)+σ_{inv_weight}(x,y)

σ_after(x,y)为反加权处理后的(x,y)处的海面后向散射系数。

4.根据权利要求3所述的方法，其特征在于，所述对反加权后的后向散射系数图像进行滤波处理，具体包括：

采用高斯滤波对反加权后的后向散射系数图像进行滤波处理，高斯函数f(x,y)为：

其中，σ为平滑窗口的大小；

滤波过程表示为：

σ_after'(x,y)＝∫∫σ_after(x′,y′)f(x'-x,y'-y)dx′dy′

其中，σ_after'(x,y)为滤波平滑后的反加权后的海面后向散射系数图像。

5.根据权利要求4所述的方法，其特征在于，所述计算滤波后的图像的梯度方向；具体包括：

对滤波平滑后的反加权后的海面后向散射系数图像σ_after'(x,y)进行水平方向和垂直方向上的梯度计算，得到垂直方向上的梯度g_y(x,y)，水平方向上的梯度g_x(x,y)；

根据水平方向的梯度和垂直方向的梯度计算梯度方向g_θ(x,y)为：

g_θ(x,y)＝arctan(g_y(x,y)/g_x(x,y))。

6.根据权利要求5所述的方法，其特征在于，所述根据风向检测尺度对滤波后的图像进行子图划分，并对每个子图的所有梯度进行直方图统计，选取出现频率最多的梯度方向为具有180°方向模糊的风向；具体包括：

将滤波平滑后的反加权后的后向散射系数图像划分为12km*12km的若干个子图；

对每个子图的梯度方向进行统计得到统计直方图，对统计直方图进行平滑滤波，得到梯度出现频率最高的方向即为带180°方向模糊的风向。

Images