CN111862005B - 一种利用合成雷达图像精准定位热带气旋中心的方法及系统 - Google Patents
一种利用合成雷达图像精准定位热带气旋中心的方法及系统 Download PDFInfo
- Publication number
- CN111862005B CN111862005B CN202010621952.0A CN202010621952A CN111862005B CN 111862005 B CN111862005 B CN 111862005B CN 202010621952 A CN202010621952 A CN 202010621952A CN 111862005 B CN111862005 B CN 111862005B
- Authority
- CN
- China
- Prior art keywords
- center
- search
- image
- wind direction
- sub
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000005855 radiation Effects 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 85
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims 3
- 238000010586 diagram Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000002301 combined effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30192—Weather; Meteorology
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种利用合成雷达图像(Synthetic Aperture Radar,SAR)精准定位热带气旋(Tropical Cyclone,TC)中心的方法及系统,包括步骤:获得含有风条纹信息的SAR图像,对图像进行辐射校正及几何校正;将SAR图像划分为若干个子图像并反演每个子图像中的风向;基于子图像中的风向实现SAR图像中TC的粗定位;判断粗定位的中心是否处于SAR图像的内部,若否,将粗定位的中心作为TC风向的中心;若是,执行下一步骤;以粗定位结果为中心,在SAR图像的基础上提取目标区域;将目标区域划分为若干个子区域并反演每个所述子区域的风向;基于子区域中的风向实现SAR图像中TC的精定位。本发明利用SAR图像分析TC风向,基于风向实现TC中心全自动定位,具有极大的实用价值。
Description
技术领域
本发明涉及热带气旋中心定位技术领域,具体涉及一种利用合成雷达图像精准定位热带气旋中心的方法及系统。
背景技术
热带气旋(Tropical Cyclone,TC)是产生于热带洋面上的中尺度暖性气旋,可见于西太平洋(台风)、大西洋和东北太平洋(飓风)以及印度洋和南太平洋。能够给TC过境区域的人们带来巨大的生命和财产损失。TC路径的追踪和预测是气象机构的主要任务之一。作为TC的最重要的参数之一,TC中心位置在分析TC强度以及运动路径中起着关键作用。如果在TC的不同发展阶段进行准确定位,就能够提前对TC做好防范并减少人们的生命和财产损失。
合成孔径雷达(Synthetic Aperture Radar,SAR)是一种高分辨率成像雷达,可在能见度极低的气象条件下得到光学照相的高分辨率雷达影像,具有全天时、全天候、高分辨率海洋遥感观测的特点,因而目前被较多用于定位TC的中心位置。近几十年来,现有技术对利用SAR图像进行TC中心定位提出了很多方法,这些方法包括半自动和全自动两种方式。与半自动的中心定位方法相比,全自动的方法更显客观。在这些方法中,包括使用小波分析法来估计TC中风眼的尺度和面积;还包括基于雷达数据并使用遗传算法来确定TC中心;也有对含有TC信息的SAR图像使用标记分水岭算法结合形态学分析来进行TC中心定位;此外还有使用数学形态学方法和骨骼进化分离法从C波段SAR数据中提取TC中心。
公开号为CN107578441A的发明专利申请公开了一种TC中心定位的红外亮温偏差角梯度分布均匀性方法,首先,从红外卫星云图中截取感兴区域,并分别进行Bezier直方图分割和K均值聚类分割得到TC主体云系二值图像和红外亮温变化剧烈位置二值图像。将上述两幅二值图像相乘得到TC主体云系红外亮温变化剧烈位置的二值图像。然后,对得到的二值图像进行Hough变换检测圆以减小TC中心的搜索范围。最后,以检测区域内每个像素点为参考中心计算得到偏差角梯度分布均匀性矩阵,偏差角梯度分布均匀性矩阵中值最大的位置为TC中心位置。
上述申请都没有利用整幅SAR图像中的信息进行TC中心定位。因此,如何利用整幅SAR图像中的TC风向进行TC中心定位,提高TC中心定位的准确度,是本领域亟待解决的问题。
发明内容
本发明的目的是针对现有技术的缺陷,提供了一种利用合成孔径雷达(SyntheticAperture Radar,SAR)图像精准定位热带气旋(Tropical Cyclone,TC)中心的方法。本发明利用SAR图像先是进行TC风向反演,基于风向实现TC中心全自动定位,提高了TC中心定位的精度,具有极大的实用价值。
为了实现以上目的,本发明采用以下技术方案:
一种利用合成雷达图像精准定位热带气旋中心的方法,包括步骤:
S1、获得含有风条纹信息的SAR图像,对所述图像进行辐射校正及几何校正;
S2、将所述SAR图像划分为若干个子图像并反演每个所述子图像中的风向;
S3、基于所述子图像中的风向实现所述SAR图像中TC的粗定位;
S4、判断所述粗定位的中心是否处于所述SAR图像的内部,若否,将所述粗定位的中心作为所述TC风向的中心;若是,执行步骤S5;
S5、以所述粗定位结果为中心,在所述SAR图像的基础上提取目标区域;
S6、将所述目标区域划分为若干个子区域并反演每个所述子区域的风向;
S7、基于所述子区域中的风向实现所述SAR图像中TC的精定位。
进一步地,所述子图像的中心为对SAR图像每行每列以Δp1个像素为间隔确定的风向点,大小为ΔX×ΔY像元数目;所述子区域的中心为对目标区域每行每列以Δp2个像素为间隔确定的风向点,大小为ΔX×ΔY像元数目。
进一步地,所述步骤S3具体为:
S31、设定一个(M+2A)×(N+2A)大小的搜索区域,该搜索区域的中心和SAR图像(M×N像元数)的中心重合;其中,A为在SAR图像的基础上向外扩展的像元数,M为SAR图像行数,N为SAR图像列数;
S32、以Δp1个像素为间隔,在所述搜索区域上的每列每行分别确定a1和b1个搜索点,基于所述搜索点初始化生成a1×b1大小的第一统计矩阵,第一统计矩阵中各元素初始值为0;
S33、将补偿角在[-50°,10°]区间内以Δd°为间隔依次对所述子图像中反演得到的风向进行补偿,计算各子图像补偿后风向的垂线,得到组垂线;
S34、寻找垂线与每个搜索点所在列的交点,离交点最近的搜索点则认为被这条垂线经过;遍历搜索点,依次记录第一统计矩阵中各搜索点处被各组垂线经过的数目,得到个统计矩阵。
S35、选择所有第一统计矩阵中的最大值所在对应第一统计矩阵中的位置作为SAR图像中TC的粗定位中心;若存在多个相同的最大值,则取其对应位置的平均值为粗定位中心。
进一步地,所述步骤S7具体为:
S71、将大小为m×n的目标区域向四周扩展B个像素以形成一个(m+2B)×(n+2B)大小的搜索区域;其中,m为行数,n为列数;
S72、以Δp2个像素为间隔,在所述搜索区域上的每列每行分别确定a2和b2个搜索点,基于所述搜索点初始化生成a2×b2大小的第二统计矩阵;
S73、将补偿角在[-50°,10°]区间内以Δd°为间隔依次对所述子区域中反演得到的风向进行补偿,计算各子区域补偿后风向的垂线,得到组垂线;
S74、寻找垂线与每个搜索点所在列的交点,离交点最近的搜索点则认为被这条垂线经过;遍历搜索点,依次记录第二统计矩阵中各搜索点处被各组垂线经过的数目,得到个统计矩阵。
S75、选择所有第二统计矩阵中的最大值在对应第二统计矩阵中的位置作为TC的精定位中心;若存在多个相同的最大值,则取其对应位置的平均值为粗定位中心。
本发明还提出一种利用合成雷达图像精准定位热带气旋中心的系统,包括:
校正模块,用于获得含有风条纹信息的SAR图像,对所述图像进行辐射校正及几何校正;
子图像风向反演模块,用于将所述SAR图像划分为若干个子图像并反演每个所述子图像中的风向;
粗定位模块,用于基于所述子图像中的风向实现所述SAR图像中TC的粗定位;
判断模块,用于判断所述粗定位的中心是否处于所述SAR图像的内部,若否,将所述粗定位的中心作为所述TC风向的中心;若是,调用目标区域提取模块;
目标区域提取模块,用于以所述粗定位结果为中心,在所述SAR图像的基础上提取目标区域;
子区域风向反演模块,用于将所述目标区域划分为若干个子区域并反演每个所述子区域的风向;
精定位模块,用于基于所述子区域中的风向实现所述SAR图像中TC的精定位。
进一步地,所述子图像的中心为对SAR图像每行每列以Δp1个像素为间隔确定的风向点,大小为ΔX×ΔY像元数目;所述子区域的中心为对目标区域每行每列以Δp2个像素为间隔确定的风向点,大小为ΔX×ΔY像元数目。
进一步地,所述粗定位模块包括:
第一确定模块,用于设定一个(M+2A)×(N+2A)大小的搜索区域,该搜索区域的中心和SAR图像(M×N像元数)的中心重合;其中,A为在SAR图像的基础上向外扩展的像元数,M为SAR图像行数,N为SAR图像列数;
第一初始化模块,用于以Δp1个像素为间隔,在所述搜索区域上的每列每行分别确定a1和b1个搜索点,基于所述搜索点初始化生成a1×b1大小的第一统计矩阵;
第一计算模块,用于将补偿角在[-50°,10°]区间内以Δd°为间隔依次对所述子图像中反演得到的风向进行补偿,计算各子图像补偿后风向的垂线,得到组垂线;
第一遍历模块,用于寻找垂线与每个搜索点所在列的交点,离交点最近的搜索点则认为被这条垂线经过;遍历搜索点,依次记录第一统计矩阵中各搜索点处被各组垂线经过的数目,得到个统计矩阵。
第一选择模块,用于选择所有第一统计矩阵中的最大值所在对应第一统计矩阵中的位置作为SAR图像的粗定位中心;若存在多个相同的最大值,则取其对应位置的平均值为粗定位中心。
所述精定位模块包括:
第二确定模块,用于以Δp2个像素为间隔,在所述搜索区域上的每列每行分别确定a2和b2个搜索点,基于所述搜索点初始化生成a2×b2大小的第二统计矩阵;
第二初始化模块,用于以Δp2个像素为间隔,在所述搜索区域上的每列每行分别确定a2和b2个搜索点,基于所述搜索点初始化生成a2×b2大小的第二统计矩阵;
第二计算模块,用于将补偿角在[-50°,10°]区间内以Δd°为间隔依次对所述子区域中反演得到的风向进行补偿,计算各子区域补偿后风向的垂线,得到组垂线;
第二遍历模块,用于寻找垂线与每个搜索点所在列的交点,离交点最近的搜索点则认为被这条垂线经过;遍历搜索点,依次记录第二统计矩阵中各搜索点处被各组垂线经过的数目,得到个统计矩阵。
第二选择模块,用于选择所有第二统计矩阵中的最大值在对应第二统计矩阵中的位置作为SAR图像中TC的精定位中心;若存在多个相同的最大值,则取其对应位置的平均值为粗定位中心。
本发明对含有TC的SAR图像进行全自动地TC中心定位。与半自动的中心定位方法相比,全自动的方法更显客观。本发明利用SAR图像的大范围覆盖和高分辨率的特点,基于SAR图像中所包含的风条纹特征,先反演图像中TC的风向,再根据风向确定TC的中心位置,实现TC中心全自动定位,提高了TC中心定位的精度,具有极大的实用价值。
附图说明
图1是实施例一提供的一种利用合成雷达图像精准定位热带气旋中心的方法流程图;
图2是含有风条纹的SAR图像示例图;
图3是反演的风向示例图;
图4是粗定位中所有第一统计矩阵中最大值所对应的统计矩阵示例图;
图5是精定位中所有第二统计矩阵中最大值所对应的统计矩阵示例图;
图6是粗定位、精定位中矩阵最大值随补偿角的变化曲线示例图;
图7是粗定位、精定位、人眼定位结果比较示例图;
图8是实施例二提供的一种一种利用合成雷达图像精准定位热带气旋中心的系统结构图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
实施例一
如图1所示,本实施例提出了一种利用合成雷达图像精准定位热带气旋中心的方法,包括:
S1、获得含有风条纹信息的SAR图像,对所述图像进行辐射校正及几何校正;
本发明利用SAR图像进行TC中心定位,具体地,针对开阔海域和海岸带等特殊区域的海面风场观测需求,利用SAR图像的大范围覆盖和高分辨率的特点,基于SAR图像中所包含的风条纹特征,先反演图像中TC的风向,再根据风向确定TC的中心位置。因此,为了确定TC的中心位置,本发明首先获取含有风条纹信息的SAR图像,以基于条纹信息进行TC中心定位。图2示出了典型的含有风条纹的SAR图像。
获取SAR图像后,首先需要对图像进行预处理,消除大气、太阳高度角、地形等的干扰。本发明首先对SAR图像进行辐射校正,将强度信息转化为归一化后向散射系数。对图像进行辐射校正,将图像的强度值转换为归一化后向散射系数。归一化后向散射系数具体为:
I=10×lg[(X+A1)/A2]+10×lg[sin(θ)]
其中,I为归一化后向散射系数,X为强度,A1为偏移量,A2为增益,θ为入射角。
值得注意的是,不同格式的卫星数据的辐射校正公式略有差异,本发明只是示例性给出其中一种辐射校正公式,具体应用中,可以根据具体的需要选择其它辐射校正公式,在此不作限定。
辐射校正完成后,本发明还需要对图像进行几何校正,将图像转换到与实际地理位置相对应。典型的几何校正法是多项式校正法,将遥感图像的总体变形看作是平移、缩放、旋转、偏扭以及更高次的基本变形综合作用结果,于是校正前后图像相应点之间坐标关系可以用一个多项式来表达,由于卫星的参数等不确定性,在使用不同卫星数据时,几何校正的公式也不尽相同,本发明不对具体的多项式校正公式进行限定。
S2、将所述SAR图像划分为若干个子图像并反演每个所述子图像中的风向;
本发明利用TC的风向进行TC中心定位,需要将SAR图像划分为若干个子图像。具体地,对于子图像的划分,首先对SAR图像每行每列以Δp1个像素为间隔确定风向点,再以各风向点为中心提取子图像。本发明中,每个子图像的大小为ΔX×ΔY像元数目,其中,ΔX为子图像横向的像元数目,ΔY为子图像纵向的像元数目。
海气边界层的不稳定性会产生rolls,这些rolls会引起海面的辐聚和辐散的现象,这种现象被SAR捕捉后会在SAR图像上形成由风引起的有方向性的风条纹,这些风条纹的方向通常与风向一致,因此便可以通过估算风条纹的方向而获得海面风向。因此,本发明所举实例是基于图像中的风条纹信息,利用改进的局部梯度法(Improved LocalGradient,ILG)来反演每个子图像中的风向。
本发明不对具体的风向反演方法进行限定,其它风向反演方法同样适应于本申请,图3示出了RADARSAT-2SAR图像中的台风Lionrock利用改进的局部梯度法反演的风向图。
S3、基于所述子图像中的风向实现所述SAR图像中TC的粗定位;
SAR图像划分为若干个子图像并反演每个子图像中的风向后,对SAR图像中的TC进行粗定位,具体为:
S31、设定一个(M+2A)×(N+2A)大小的搜索区域,该搜索区域的中心和SAR图像(M×N像元数)的中心重合;其中,A为在SAR图像的基础上向外扩展的像元数,M为SAR图像行数,N为SAR图像列数;
本发明定义一个面积大于SAR图像的搜索区域,对于搜索区域的定义,若SAR图像大小为M×N(M为行数,N为列数),则将SAR图像向四周扩展A个像素以形成一个(M+2A)×(N+2A)大小的搜索区域。
S32、以Δp1个像素为间隔,在所述搜索区域上的每列每行分别确定a1和b1个搜索点,基于所述搜索点初始化生成a1×b1大小的第一统计矩阵,第一统计矩阵中各元素初始值为0;
进一步地,本发明以Δp1素为间隔,对搜索区域上的每列每行分别确定a1和b1个搜索点。因此,对于整个搜索区域,可以确定a1×b1个搜索点。基于所确定的a1×b1个搜索点,定义一个a1×b1大小的第一统计矩阵,统计矩阵中各元素初始值为0。
S33、将补偿角在[-50°,10°]区间内以Δd°为间隔依次对所述子图像中反演得到的风向进行补偿,计算各子图像补偿后风向的垂线,得到组垂线;
一般来说,在北半球的TC系统中,TC风向会在TC径向风向的基础上逆时针旋转(在南半球顺时针旋转)大约22.6°;将补偿角在[-50°,10°]区间内以Δd°为间隔对依次对风向进行补偿;因此,共有个补偿角;从SAR图像中反演得到的一组风向每经过一个补偿角进行补偿,都会求得一组垂线,所以可以得到/>组垂线。
S34、寻找垂线与每个搜索点所在列的交点,离交点最近的搜索点则认为被这条垂线经过;遍历搜索点,依次记录第一统计矩阵中各搜索点处被各组垂线经过的数目,得到个统计矩阵。
如上所述,本发明确定a1×b1个搜索点,寻找垂线与每个搜索点所在列的交点,离交点最近的搜索点则认为被这条垂线经过。a1×b1大小的第一统计矩阵与a1×b1个搜索点相对应,统计矩阵中每个元素值代表经过该搜索点处的垂线的数目。因此,当判定当前垂线经过某个搜索点时,该搜索点对应的第一统计矩阵中的元素位置加1。例如,某搜索点处被20条垂线经过,则在该搜索点对应的在第一统计矩阵中的元素位置处标记为20。特别地,本发明中每个补偿角都会对应一个第一统计矩阵。
S35、选择所有第一统计矩阵中的最大值所在对应第一统计矩阵中的位置作为SAR图像中TC的粗定位中心;若存在多个相同的最大值,则取其对应位置的平均值为粗定位中心。
如上所述,每个补偿角对应一个第一统计矩阵,因此,对于个补偿角,会获得个第一统计矩阵;再得到/>个第一统计矩阵后,选择所有第一统计矩阵中的最大值在对应的统计矩阵中的位置作为TC的粗定位中心,完成SAR图像中TC的粗定位。
图4展示了以Δd=0.5为例,粗定位中所有第一统计矩阵的最大值所对应的统计矩阵中各搜索点处所经过的垂线数量情况。
S4、判断所述粗定位的中心是否处于所述SAR图像的内部,若否,将所述粗定位的中心作为所述TC的中心;若是,执行步骤S5;
具体地,若该粗定位中心落在该SAR图像外部,此粗定位中心就是该SAR图像中TC的最终定位结果,完成SAR图像中TC的定位;若该粗定位中心落在该SAR图像内部,则进行下一步的精定位。
S5、以所述粗定位结果为中心,在所述SAR图像的基础上提取目标区域;
当粗定位的中心位于SAR图像的内部时,需要对SAR图像进行进一步定位。因此,本发明以SAR图像的粗定位结果为中心,构建新的目标区域以进行精定位。具体地,对SAR图像进行粗定位后,以粗定位结果为中心,在原SAR图像的基础上提取m×n大小的目标区域,其中m为行数,n为列数。
S6、将所述目标区域划分为若干个子区域并反演每个所述子区域的风向;
重新构建目标区域后,需要将目标区域划分为若干个子区域。具体地,对于子区域的划分,首先在目标区域的每行每列以Δp2个像素为间隔确定风向点并以各风向点为中心提取大小为ΔX×ΔY像元数目的。其中,ΔX为子区域横向的像元数目,ΔY为子区域纵向的像元数目。
本发明对每个子区域进行风向反演,得到子区域中的风向。本发明基于每个子区域的风条纹信息进行风向反演,反演方法不限。
S7、基于所述子区域中的风向实现所述SAR图像中TC的精定位;
构建的目标区域划分为若干个子区域并反演每个子区域中的风向后,对SAR图像中的TC进行精定位,具体为:
S71、将大小为m×n的目标区域向四周扩展B个像素以形成一个(m+2B)×(n+2B)大小的搜索区域;其中,m为行数,n为列数;
本发明定义一个面积大于目标区域的搜索区域,对于搜索区域的定义,若目标区域大小为m×n,则将目标区域向四周扩展B个像素以形成一个(m+2B)×(n+2B)大小的搜索区域。
S72、以Δp2个像素为间隔,在所述搜索区域上的每列每行分别确定a2和b2个搜索点,基于所述搜索点初始化生成a2×b2大小的第二统计矩阵;
进一步地,本发明以Δp2个像素为间隔,对搜索区域上的每列每行分别确定a2和b2个搜索点。因此,对于整个搜索区域,可以确定a2×b2个搜索点。基于所确定的a2×b2个搜索点,定义一个a2×b2大小的第一统计矩阵,矩阵中各元素初始值为0。
S73、将补偿角在[-50°,10°]区间内以Δd°为间隔依次对所述子区域中反演得到的风向进行补偿,计算各子区域补偿后风向的垂线,得到组垂线;
一般来说,在北半球的TC系统中,TC风向会在TC径向风向的基础上逆时针旋转(在南半球顺时针旋转)大约22.6°;将补偿角在[-50°,10°]区间内以Δd°为间隔对依次对风向进行补偿;因此,共有个补偿角;从SAR图像中反演得到的一组风向每经过一个补偿角进行补偿,都会求得一组垂线,所以可以得到/>组垂线。
S74、寻找垂线与每个搜索点所在列的交点,离交点最近的搜索点则认为被这条垂线经过;遍历搜索点,依次记录第二统计矩阵中各搜索点处被各组垂线经过的数目,得到个统计矩阵。
如上所述,本发明确定a2×b2个搜索点,寻找垂线与每个搜索点所在列的交点,离交点最近的搜索点则认为被这条垂线经过。a2×b2大小的第二统计矩阵与a2×b2个搜索点相对应,第二统计矩阵中每个元素值代表经过该搜索点处的垂线的数目。特别地,本发明中每个补偿角都会对应一个第二统计矩阵。
S75、选择所有第二统计矩阵中的最大值在对应统计矩阵中的位置作为TC的精定位中心;若存在多个相同的最大值,则取其对应位置的平均值为粗定位中心。
如上所述,每个补偿角对应一个第二统计矩阵,因此,对于个补偿角,会获得个第二统计矩阵;再得到/>个第二统计矩阵后,选择所有第二统计矩阵中的最大值在对应的统计矩阵中的位置作为TC的精定位中心,完成SAR图像中TC的精定位。
图5展示了以Δd=0.5为例,精定位中个统计矩阵中的最大值所对应的统计矩阵中各搜索点处经过的垂线数量。图6展示了以Δd=0.5为例,粗定位/>个第一矩阵最大值和精定位过程中/>个第二矩阵最大值随补偿角变化而变化的曲线,其中CoarseEstimation指粗定位,Fine Estimation指精定位。图7是台风Lionrock的粗定位、精定位结果及人眼定位结果在RADARSAT-2SAR图像中的位置,其中b点为人眼定位结果,a点为粗定位结果,c点为精定位结果。
实施例二
如图8所示,本实施例提出了一种利用合成雷达图像精准定位热带气旋中心的系统,包括:
校正模块,用于获得含有风条纹信息的SAR图像,对所述图像进行辐射校正及几何校正;
本发明利用SAR图像进行TC中心定位,具体地,针对开阔海域和海岸带等特殊区域的海面风场观测需求,利用SAR图像的大范围覆盖和高分辨率的特点,基于SAR图像中所包含的风条纹特征,先反演图像中TC的风向,再根据风向确定TC的中心位置。因此,为了确定TC的中心位置,本发明首先获取含有风条纹信息的SAR图像,以基于风条纹信息进行风向反演,而后进行TC中心定位。
获取SAR图像后,首先需要对图像进行预处理,消除大气、太阳高度角、地形等的干扰。本发明首先对SAR图像进行辐射校正,将强度信息转化为归一化后向散射系数。对图像进行辐射校正,将图像的强度值转换为归一化后向散射系数。归一化后向散射系数具体为:
I=10×lg[(X+A1)/A2]+10×lg[sin(θ)]
其中,I为归一化后向散射系数,X为强度,A1为偏移量,A2为增益,θ为入射角。
值得注意的是,不同格式的卫星数据的辐射校正公式略有差异,本发明只是示例性给出其中一种辐射校正公式,具体应用中,可以根据具体的需要选择其它辐射校正公式,在此不作限定。
辐射校正完成后,本发明还需要对图像进行几何校正,将图像转换到与实际地理位置相对应。典型的几何校正法是多项式校正法,将遥感图像的总体变形看作是平移、缩放、旋转、偏扭以及更高次的基本变形综合作用结果,于是校正前后图像相应点之间坐标关系可以用一个多项式来表达,由于卫星的参数等不确定性,在使用不同卫星数据时,几何校正的公式也不尽相同,本发明不对具体的多项式校正公式进行限定。
子图像风向反演模块,用于将所述SAR图像划分为若干个子图像并反演每个所述子图像中的风向;
本发明利用TC的风向进行中心定位,需要将SAR图像划分为若干个子图像。具体地,对于子图像的划分,首先对SAR图像每行每列以Δp1个像素为间隔确定风向点并以各风向点为中心提取大小为ΔX×ΔY像元数目的子图像。
海气边界层的不稳定性会产生rolls,这些rolls会引起海面的辐聚和辐散的现象,这种现象被SAR捕捉后会再SAR图像上形成由风引起的有方向性的风条纹,这些风条纹的方向通常与风向一致,因此便可以通过估算风条纹的方向而获得海面风向。因此,本发明基于图像中的风条纹信息,利用ILG方法反演每个子图像中的风向。
粗定位模块,用于基于所述子图像中的风向实现所述SAR图像中TC的粗定位;
将SAR图像划分为若干个子图像并反演每个子图像中的风向,对SAR图像中的TC进行粗定位,具体包括:
第一确定模块,用于设定一个(M+2A)×(N+2A)大小的搜索区域,该搜索区域的中心和SAR图像(M×N像元数)的中心重合;其中,A为在SAR图像的基础上向外扩展的像元数,M为SAR图像行数,N为SAR图像列数;
本发明定义一个面积大于SAR图像的搜索区域,对于搜索区域的定义,若SAR图像大小为M×N(M为行数,N为列数),则将SAR图像向四周扩展A个像素以形成一个(M+2A)×(N+2A)大小的搜索区域。
第一初始化模块,用于以Δp1个像素为间隔,在所述搜索区域上的每列每行分别确定a1和b1个搜索点,基于所述搜索点初始化生成a1×b1大小的第一统计矩阵;
进一步地,本发明以Δp1素为间隔,对搜索区域上的每列每行分别确定a1和b1个搜索点。因此,对于整个搜索区域,可以确定a1×b1个搜索点。基于所确定的a1×b1个搜索点,定义一个a1×b1大小的第一统计矩阵,统计矩阵中各元素初始值为0。
第一计算模块,用于将补偿角在[-50°,10°]区间内以Δd°为间隔对所述子图像中反演得到的风向进行补偿,计算各子图像补偿后风向的垂线;
一般来说,在北半球的TC系统中,TC风向会在TC径向风向的基础上逆时针旋转(在南半球顺时针旋转)大约22.6°;将补偿角在[-50°,10°]区间内以Δd°为间隔对依次对风向进行补偿;因此,共有个补偿角;从SAR图像中反演得到的风向每经过一个补偿角进行补偿,都会求得一组垂线,所以可以得到/>组垂线。
第一遍历模块,用于寻找垂线与每个搜索点所在列的交点,离交点最近的搜索点则认为被这条垂线经过;遍历搜索点,依次记录第一统计矩阵中各搜索点处被各组垂线经过的数目,得到个统计矩阵。
如上所述,本发明确定a1×b1个搜索点,寻找垂线与每个搜索点所在列的交点,离交点最近的搜索点则认为被这条垂线经过。a1×b1大小的第一统计矩阵与a1×b1个搜索点相对应,统计矩阵中每个元素值代表经过该搜索点处的垂线的数目。因此,当判定当前垂线经过某个搜索点时,该搜索点对应的第一统计矩阵中的元素位置加1。例如,某搜索点处被20条垂线经过,则在该搜索点对应的在第一统计矩阵中的元素位置处标记为20。特别地,本发明中每个补偿角都会对应一个第一统计矩阵。
第一选择模块,用于选择所有第一统计矩阵中的最大值所在对应第一统计矩阵中的位置作为SAR图像中TC的粗定位中心;若存在多个相同的最大值,则取其对应位置的平均值为粗定位中心。
如上所述,每个补偿角对应一个第一统计矩阵,因此,对于个补偿角,会获得个第一统计矩阵;再得到/>个第一统计矩阵后,选择所有第一统计矩阵中的最大值在对应的统计矩阵中的位置作为TC的粗定位中心,完成SAR图像中TC的粗定位。
判断模块,用于判断所述粗定位的中心是否处于所述SAR图像的内部,若否,将所述粗定位的中心作为所述TC的中心;若是,调用目标区域提取模块;
具体地,若该粗定位中心落在该SAR图像外部,此粗定位中心就是该SAR图像中TC的最终定位结果,完成SAR图像中TC的定位。若该粗定位中心落在该SAR图像内部,则进行下一步的精定位。
目标区域提取模块,用于以所述粗定位结果为中心,在所述SAR图像的基础上提取目标区域;
当粗定位的中心位于SAR图像的内部时,需要对SAR图像进行进一步定位。因此,本发明以SAR图像的粗定位结果为中心,构建新的目标区域,以进行进一步的中心定位。具体地,对SAR图像进行粗定位后,以粗定位结果为中心,在原SAR图像的基础上提取m×n大小的目标区域,其中m为行数,n为列数。
子区域风向反演模块,用于将所述目标区域划分为若干个子区域并反演每个所述子区域的风向;
重新构建目标区域后,需要将目标区域划分为若干个子区域。具体地,对于子区域的划分,首先对目标区域每行每列以Δp2个像素为间隔确定风向点并以各风向点为中心提取大小为ΔX×ΔY像元数目的子区域。
本发明对每个子区域进行反演,得到子区域中的风向。本发明基于每个子区域的风条纹信息反演风向,具体反演方法不限。
精定位模块,用于基于所述子区域中的风向实现所述SAR图像中TC的精定位;
构建的目标区域划分为若干个子区域并反演每个子区域中的风向后,对SAR图像中的TC进行精定位,具体包括:
第二确定模块,用于将大小为m×n的目标区域向四周扩展B个像素以形成一个(m+2B)×(n+2B)大小的搜索区域;其中,m为行数,n为列数;
本发明定义一个面积大于目标区域的搜索区域,对于搜索区域的定义,若目标区域大小为m×n,则将目标区域向四周扩展B个像素以形成一个(m+2B)×(n+2B)大小的搜索区域。
第二初始化模块,用于以Δp2个像素为间隔,在所述搜索区域上的每列每行分别确定a2和b2个搜索点,基于所述搜索点初始化生成a2×b2大小的第二统计矩阵;
第二计算模块,用于将补偿角在[-50°,10°]区间内以Δd°为间隔依次对所述子区域中反演得到的风向进行补偿,计算各子区域补偿后风向的垂线,得到组垂线;
第二遍历模块,用于寻找垂线与每个搜索点所在列的交点,离交点最近的搜索点则认为被这条垂线经过;遍历搜索点,依次记录第二统计矩阵中各搜索点处被各组垂线经过的数目,得到个统计矩阵。
第二选择模块,选择所有第二统计矩阵中的最大值在对应统计矩阵中的位置作为SAR图像中TC的精定位中心;若存在多个相同的最大值,则取其对应位置的平均值为粗定位中心。
如上所述,每个补偿角对应一个第二统计矩阵,因此,对于个补偿角,会获得个第二统计矩阵;再得到/>个第二统计矩阵后,选择所有第二统计矩阵中的最大值在对应的统计矩阵中的位置作为TC的精定位中心,完成SAR图像中TC的精定位。
由此可知,本发明提出利用TC风向进行中心定位的方法及系统,对含有TC的SAR图像进行全自动地TC中心定位。与半自动的中心定位方法相比,全自动的方法更显客观。本发明利用SAR图像的大范围覆盖和高分辨率的特点,基于SAR图像中所包含的风条纹特征,先反演图像中TC的风向,再根据风向确定TC的中心位置,基于风向实现TC中心全自动定位,提高了TC中心定位的精度,具有极大的实用价值。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种利用合成雷达图像精准定位热带气旋中心的方法,其特征在于,包括步骤:
S1、获得含有风条纹信息的合成孔径雷达图像,对所述图像进行辐射校正及几何校正;
S2、将所述合成雷达图像划分为若干个子图像并反演每个子图像中的风向;
S3、基于所述子图像中的风向实现所述合成雷达图像中热带气旋的粗定位;
S4、判断所述粗定位的中心是否处于所述合成雷达图像的内部,若否,将所述粗定位的中心作为所述热带气旋风向的中心;若是,执行步骤S5;
S5、以所述粗定位结果为中心,在所述合成雷达图像的基础上提取目标区域;
S6、将所述目标区域划分为若干个子区域并反演每个所述子区域的风向;
S7、基于所述子区域中的风向实现所述合成雷达图像中热带气旋的精定位。
2.根据权利要求1所述的方法,其特征在于,所述子图像的中心为对合成雷达图像每行每列以Δp1个像素为间隔确定的风向点,大小为ΔX×ΔY像元数目;所述子区域的中心为对目标区域每行每列以Δp2个像素为间隔确定的风向点,大小为ΔX×ΔY像元数目。
3.根据权利要求2所述的方法,其特征在于,所述步骤S3具体为:
S31、设定一个(M+2A)×(N+2A)大小的搜索区域,该搜索区域的中心与大小为M×N像元数的合成雷达图像的中心重合;其中,A为在合成雷达图像的基础上向外扩展的像元数,M为合成雷达图像行数,N为合成雷达图像列数;
S32、以Δp1个像素为间隔,在所述搜索区域上的每列每行分别确定a1和b1个搜索点,基于所述搜索点初始化生成a1×b1大小的第一统计矩阵,第一统计矩阵中各元素初始值为0;
S33、将补偿角在[-50°,10°]区间内以Δd°为间隔依次对所述子图像中反演得到的风向进行补偿,计算各子图像补偿后风向的垂线,得到组垂线;
S34、寻找垂线与每个搜索点所在列的交点,离交点最近的搜索点则认为被这条垂线经过;遍历搜索点,依次记录第一统计矩阵中各搜索点处被各组垂线经过的数目,得到个统计矩阵;
S35、选择所有第一统计矩阵中的最大值所在对应第一统计矩阵中的位置作为合成雷达图像中热带气旋的粗定位中心;若存在多个相同的最大值,则取其对应位置的平均值为粗定位中心。
4.根据权利要求2所述的方法,其特征在于,所述步骤S7具体为:
S71、将大小为m×n的目标区域向四周扩展B个像素以形成一个(m+2B)×(n+2B)大小的搜索区域;其中,m为行数,n为列数;
S72、以Δp2个像素为间隔,在所述搜索区域上的每列每行分别确定a2和b2个搜索点,基于所述搜索点初始化生成a2×b2大小的第二统计矩阵;
S73、将补偿角在[-50°,10°]区间内以Δd°为间隔依次对所述子区域中反演得到的风向进行补偿,计算各子区域补偿后风向的垂线,得到组垂线;
S74、寻找垂线与每个搜索点所在列的交点,离交点最近的搜索点则认为被这条垂线经过;遍历搜索点,依次记录第二统计矩阵中各搜索点处被各组垂线经过的数目,得到个统计矩阵;
S75、选择所有第二统计矩阵中的最大值在对应第二统计矩阵中的位置作为热带气旋的精定位中心;若存在多个相同的最大值,则取其对应位置的平均值为粗定位中心。
5.一种利用合成雷达图像精准定位热带气旋中心的系统,其特征在于,包括:校正模块,用于在获得含有风条纹信息的合成雷达图像后,对所述图像进行辐射校正及几何校正;
子图像风向反演模块,用于将所述合成雷达图像划分为若干个子图像并反演每个所述子图像中的风向;
粗定位模块,用于基于所述子图像中的风向实现所述合成雷达图像中热带气旋的粗定位;
判断模块,用于判断所述粗定位热带气旋中心是否处于所述合成雷达图像的内部,若否,将所述粗定位的中心作为所述热带气旋的中心;若是,调用目标区域提取模块;
目标区域提取模块,用于以所述粗定位结果为中心,在所述合成雷达图像的基础上提取目标区域;
子区域风向反演模块,用于将所述目标区域划分为若干个子区域并反演每个所述子区域的风向;
精定位模块,用于基于所述子区域中的风向实现所述合成雷达图像中热带气旋的精定位。
6.根据权利要求5所述的系统,其特征在于,所述子图像的中心为对合成雷达图像每行每列以Δp1个像素为间隔确定的风向点,大小为ΔX×ΔY像元数目;所述子区域的中心为对目标区域每行每列以Δp2个像素为间隔确定的风向点,大小为ΔX×ΔY像元数目。
7.根据权利要求5所述的系统,其特征在于,所述粗定位模块包括:
第一确定模块,用于设定一个(M+2A)×(N+2A)大小的搜索区域,该搜索区域的中心和大小为M×N像元数的合成雷达图像的中心重合;其中,A为在合成雷达图像的基础上向外扩展的像元数,M为合成雷达图像行数,N为合成雷达图像列数;
第一初始化模块,用于以Δp1个像素为间隔,在所述搜索区域上的每列每行分别确定a1和b1个搜索点,基于所述搜索点初始化生成a1×b1大小的第一统计矩阵;
第一计算模块,用于将补偿角在[-50°,10°]区间内以Δd°为间隔依次对所述子图像中反演得到的风向进行补偿,计算各子图像补偿后风向的垂线,得到组垂线;
第一遍历模块,用于寻找垂线与每个搜索点所在列的交点,离交点最近的搜索点则认为被这条垂线经过;遍历搜索点,依次记录第一统计矩阵中各搜索点处被各组垂线经过的数目,得到个统计矩阵;
第一选择模块,用于选择所有第一统计矩阵中的最大值所在对应第一统计矩阵中的位置作为合成雷达图像的粗定位中心;若存在多个相同的最大值,则取其对应位置的平均值为粗定位中心。
8.根据权利要求5所述的系统,其特征在于,所述精定位模块包括:
第二确定模块,用于以Δp2个像素为间隔,在搜索区域上的每列每行分别确定a2和b2个搜索点,基于所述搜索点初始化生成a2×b2大小的第二统计矩阵;
第二初始化模块,用于以Δp2个像素为间隔,在所述搜索区域上的每列每行分别确定a2和b2个搜索点,基于所述搜索点初始化生成a2×b2大小的第二统计矩阵;
第二计算模块,用于将补偿角在[-50°,10°]区间内以Δd°为间隔依次对所述子区域中反演得到的风向进行补偿,计算各子区域补偿后风向的垂线,得到组垂线;
第二遍历模块,用于寻找垂线与每个搜索点所在列的交点,离交点最近的搜索点则认为被这条垂线经过;遍历搜索点,依次记录第二统计矩阵中各搜索点处被各组垂线经过的数目,得到个统计矩阵;
第二选择模块,用于选择所有第二统计矩阵中的最大值在对应第二统计矩阵中的位置作为合成雷达图像中热带气旋的精定位中心;若存在多个相同的最大值,则取其对应位置的平均值为粗定位中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010621952.0A CN111862005B (zh) | 2020-07-01 | 2020-07-01 | 一种利用合成雷达图像精准定位热带气旋中心的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010621952.0A CN111862005B (zh) | 2020-07-01 | 2020-07-01 | 一种利用合成雷达图像精准定位热带气旋中心的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111862005A CN111862005A (zh) | 2020-10-30 |
CN111862005B true CN111862005B (zh) | 2023-11-17 |
Family
ID=72989678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010621952.0A Active CN111862005B (zh) | 2020-07-01 | 2020-07-01 | 一种利用合成雷达图像精准定位热带气旋中心的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111862005B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112748480A (zh) * | 2020-12-21 | 2021-05-04 | 华能国际电力股份有限公司浙江清洁能源分公司 | 近海热带气旋中心定位方法和装置、设备及存储介质 |
CN113093190B (zh) * | 2021-04-08 | 2023-06-16 | 中国电子科技集团公司第三十八研究所 | 基于高精度组合惯导系统的机载条带sar图像定位方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289807A (zh) * | 2011-07-08 | 2011-12-21 | 西安电子科技大学 | 基于Treelet变换和特征融合的遥感图像变化检测方法 |
CN103941257A (zh) * | 2014-04-11 | 2014-07-23 | 哈尔滨工程大学 | 一种基于波数能量谱的导航雷达图像反演海面风向的方法 |
CN104036108A (zh) * | 2014-03-06 | 2014-09-10 | 浙江海洋学院 | 一种海面风场和海浪联合反演的方法 |
CN104331588A (zh) * | 2014-03-06 | 2015-02-04 | 浙江海洋学院 | 一种海面风场和海浪联合反演的装置 |
CN104698460A (zh) * | 2015-02-26 | 2015-06-10 | 中国人民解放军理工大学 | 一种双频共面合成孔径雷达海面风场反演方法 |
CN104698462A (zh) * | 2015-02-26 | 2015-06-10 | 中国人民解放军理工大学 | 基于变分的合成孔径雷达海面风场融合方法 |
US9286680B1 (en) * | 2014-12-23 | 2016-03-15 | Futurewei Technologies, Inc. | Computational multi-camera adjustment for smooth view switching and zooming |
CN106919792A (zh) * | 2017-02-24 | 2017-07-04 | 天津大学 | 基于高精度数值风场资料的涡旋中心自动识别方法 |
CN107230197A (zh) * | 2017-05-27 | 2017-10-03 | 浙江师范大学 | 基于卫星云图和rvm的热带气旋客观定强方法 |
CN107578441A (zh) * | 2017-08-24 | 2018-01-12 | 浙江师范大学 | 热带气旋中心定位的红外亮温偏差角梯度分布均匀性方法 |
CN110398738A (zh) * | 2019-06-09 | 2019-11-01 | 自然资源部第二海洋研究所 | 一种利用遥感图像反演海面风速的方法 |
CN110991087A (zh) * | 2019-12-24 | 2020-04-10 | 中国石油大学(华东) | 一种基于多入射角组网sar卫星数据的风场反演方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7728760B2 (en) * | 2008-07-30 | 2010-06-01 | University Corporation For Atmospheric Research | Method for generating a representation of an atmospheric vortex kinematic structure |
WO2016097890A1 (en) * | 2014-12-15 | 2016-06-23 | Airbus Group Singapore Pte. Ltd. | Automated method for selecting training areas of sea clutter and detecting ship targets in polarimetric synthetic aperture radar imagery |
-
2020
- 2020-07-01 CN CN202010621952.0A patent/CN111862005B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289807A (zh) * | 2011-07-08 | 2011-12-21 | 西安电子科技大学 | 基于Treelet变换和特征融合的遥感图像变化检测方法 |
CN104036108A (zh) * | 2014-03-06 | 2014-09-10 | 浙江海洋学院 | 一种海面风场和海浪联合反演的方法 |
CN104331588A (zh) * | 2014-03-06 | 2015-02-04 | 浙江海洋学院 | 一种海面风场和海浪联合反演的装置 |
CN103941257A (zh) * | 2014-04-11 | 2014-07-23 | 哈尔滨工程大学 | 一种基于波数能量谱的导航雷达图像反演海面风向的方法 |
US9286680B1 (en) * | 2014-12-23 | 2016-03-15 | Futurewei Technologies, Inc. | Computational multi-camera adjustment for smooth view switching and zooming |
CN104698460A (zh) * | 2015-02-26 | 2015-06-10 | 中国人民解放军理工大学 | 一种双频共面合成孔径雷达海面风场反演方法 |
CN104698462A (zh) * | 2015-02-26 | 2015-06-10 | 中国人民解放军理工大学 | 基于变分的合成孔径雷达海面风场融合方法 |
CN106919792A (zh) * | 2017-02-24 | 2017-07-04 | 天津大学 | 基于高精度数值风场资料的涡旋中心自动识别方法 |
CN107230197A (zh) * | 2017-05-27 | 2017-10-03 | 浙江师范大学 | 基于卫星云图和rvm的热带气旋客观定强方法 |
CN107578441A (zh) * | 2017-08-24 | 2018-01-12 | 浙江师范大学 | 热带气旋中心定位的红外亮温偏差角梯度分布均匀性方法 |
CN110398738A (zh) * | 2019-06-09 | 2019-11-01 | 自然资源部第二海洋研究所 | 一种利用遥感图像反演海面风速的方法 |
CN110991087A (zh) * | 2019-12-24 | 2020-04-10 | 中国石油大学(华东) | 一种基于多入射角组网sar卫星数据的风场反演方法及系统 |
Non-Patent Citations (7)
Title |
---|
Estimation of Wind Direction in Tropical Cyclones Using C-Band Dual-Polarization Synthetic Aperture Radar;Shengren Fan et al.;《IEEE Transactions on Geoscience and Remote Sensing》;全文 * |
Identification of tropical cyclone centers in SAR imagery based on template matching and particle swarm optimization algorithms;S. Jin, et al.;《IEEE Transactions on Geoscience and Remote Sensing》;全文 * |
合成孔径雷达影像反演台风浪的研究;刘永孝 等;海洋预报(第03期);全文 * |
基于星载SAR数据的台风参数估计及风场构建;周旋 等;中国科学:地球科学(第02期);全文 * |
基于视觉显著性和特征学习的SAR影像台风中心定位研究;靳少辉;《中国博士学位论文全文数据库 信息科技辑》;全文 * |
星载SAR地形辐射校正模型及其效果评价;陈尔学;《武汉大学学报 信息科学版》;第35卷(第3期);全文 * |
热带气旋低层水平流场的平面动力系统分析;吴有训 等;热带气象学报(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111862005A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6084989A (en) | System and method for automatically determining the position of landmarks in digitized images derived from a satellite-based imaging system | |
CN104574347B (zh) | 基于多源遥感数据的在轨卫星图像几何定位精度评价方法 | |
US9582885B2 (en) | Zonal underground structure detection method based on sun shadow compensation | |
CN108428220B (zh) | 静止轨道卫星序列遥感影像海岛礁区域自动几何校正方法 | |
CN111862005B (zh) | 一种利用合成雷达图像精准定位热带气旋中心的方法及系统 | |
CN103489176B (zh) | 一种对于严重几何畸变的sar图像进行同名点提取的方法 | |
CN109118429B (zh) | 一种中波红外-可见光多光谱影像快速生成方法 | |
CN108364279B (zh) | 确定静止轨道遥感卫星指向偏差的方法 | |
CN112419380B (zh) | 一种基于云掩膜的静止轨道卫星序列影像高精度配准方法 | |
CN111768337B (zh) | 一种图像处理方法、装置和电子设备 | |
CN108562900B (zh) | 一种基于高程校正的sar图像几何配准方法 | |
Dong et al. | Radargrammetric DSM generation in mountainous areas through adaptive-window least squares matching constrained by enhanced epipolar geometry | |
CN112802118B (zh) | 一种光学卫星传感器在轨分时几何定标方法 | |
CN112927294A (zh) | 一种基于单敏感器的卫星定轨定姿方法 | |
Ren et al. | Automated SAR reference image preparation for navigation | |
CN111899222B (zh) | 一种利用风向全自动初步定位热带气旋中心的方法及系统 | |
CN112649803A (zh) | 一种基于互相关系数的摄像机与雷达目标匹配方法 | |
CN116863357A (zh) | 一种无人机遥感堤坝影像定标与智能分割变化检测方法 | |
CN115457022A (zh) | 基于实景三维模型正视影像的三维形变检测方法 | |
CN115984751A (zh) | 一种基于多通道多尺度融合的孪生网络遥感目标跟踪方法 | |
CN113505833A (zh) | 基于多视角可变卷积神经网络的雷达自动目标识别方法 | |
CN108957500B (zh) | 一种传感器观测视线与地球表面交点的计算方法 | |
CN112766032A (zh) | 一种基于多尺度和超像素分割的sar图像显著图生成方法 | |
Oh et al. | Automated RPCs Bias Compensation for KOMPSAT Imagery Using Orthoimage GCP Chips in Korea | |
Wan et al. | Ortho-rectification of high-resolution SAR image in mountain area by DEM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
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 |