CN112967323A - 基于x波段雷达图像的内波相速度场及参数的提取方法 - Google Patents
基于x波段雷达图像的内波相速度场及参数的提取方法 Download PDFInfo
- Publication number
- CN112967323A CN112967323A CN202110159703.9A CN202110159703A CN112967323A CN 112967323 A CN112967323 A CN 112967323A CN 202110159703 A CN202110159703 A CN 202110159703A CN 112967323 A CN112967323 A CN 112967323A
- Authority
- CN
- China
- Prior art keywords
- internal wave
- wave
- image
- value
- phase velocity
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000003287 optical effect Effects 0.000 claims abstract description 16
- 239000013598 vector Substances 0.000 claims abstract description 12
- 238000012937 correction Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 238000012935 Averaging Methods 0.000 claims abstract description 4
- 238000001228 spectrum Methods 0.000 claims description 14
- 238000009434 installation Methods 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 2
- 239000000284 extract Substances 0.000 abstract description 4
- 230000001788 irregular Effects 0.000 abstract description 4
- 238000011161 development Methods 0.000 abstract description 3
- 229910052704 radon Inorganic materials 0.000 description 2
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical group [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005789 organism growth Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/269—Analysis of motion using gradient-based methods
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/608—Rotation of whole images or parts thereof by skew deformation, e.g. two-pass or three-pass rotation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30184—Infrastructure
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于X波段雷达图像的内波相速度场及参数的提取方法,包括以下步骤:方位校正、图像平均处理、选取内波区域、提取内波主波波向、斜坡校正、灰度均衡和二值化处理、光流法计算内波波峰上各点的速度矢量。本发明可以利用X波段雷达图像提取内波的相速度矢量,可以得到内波波峰线上各点的相速度矢量信息,适合用于获取形状不规则的复杂内波的相速度场。同时,发明的方法还可以实时获得海洋内波的类型、频率、波向和波长等信息,可以用于观测内波的发展演化过程。
Description
技术领域
本发明涉及一种海洋遥感技术,尤其涉及一种基于X波段雷达图像的内波相速度场及参数的提取方法。
背景技术
海洋内波是指发生在稳定层结的海洋中的一种波动,其波长和周期覆盖很宽的尺度范围,是一种常见的海洋现象,对海洋科学研究、海洋生物生长、人类的生产活动和海洋工程等有重要影响。传统的观测手段如浮标能够获得内波参数的精确信息,但是它们只能获得内波在固定点的变化,而且不易于管理和维护。合成孔径雷达及可见光遥感能获得大面积的内波信息,但是其时间和空间分辨率差。X波段雷达可以全天时、全天候观测海面,并且时间和空间分辨率高,可以用来观测内波的演化过程。
利用X波段雷达反演内波参数的常用方法是Radon变换,将X波段雷达图像变换到Radon域,将内波的“线”特征转化为“点”特征,通过寻找雷达强度最大值点来确定内波的传播方向,再通过两幅图像强度最大值点的距离差计算得内波包的相速度,但是通过该方法只能反演得到内波的平均相速度,不适用于不规则内波的情况(如内波“手拉手”现象),并且无法得到内波的类型、频率等信息。
发明内容
发明目的:本发明的目的在于提供一种能提取不规则内波的波峰线上各点的相速度矢量以及多种参数,可以用于海洋内波的实时、长期观测的基于X波段雷达图像的内波相速度场及参数的提取方法。
技术方案:本发明的基于X波段雷达图像的内波相速度场及参数的提取方法,包括以下步骤:
步骤1:结合船只的运动方向和雷达天线的安装方向,对X波段雷达图像作方位校正,将正北向校正至0°;
步骤2:选取连续观测的两组X波段雷达图像序列I1(r,φ,t)和I2(r,φ,t),其中,I为雷达图像的灰度值,r和φ分别径向距离和方位角,t表示观测时间;对每组图像序列分别关于时间作平均处理,得到两幅平均后的雷达图像和
步骤3:对平均后的雷达图像进行斜坡校正,对于每一个方位角φ0,分别用指数函数拟合平均后的雷达图像的灰度值,即:
Ifi(r,φ0)=a·ebr+c (i=1,2) (1)
其中,a、b和c为待定系数,可以采用最小二乘法进行拟合确定;然后用原始灰度值减去拟合值,得到斜坡校正后的灰度值,即:
步骤4:对两幅图像分别进行灰度直方图均衡化处理,增强图像的对比度;然后,选取阈值I0,对两幅图像Ic1和Ic2分别进行灰度图像二值化处理,即:
步骤5:利用光流算法处理图像I'c1(r,φ0)和图像I'c2(r,φ0),得到内波波峰线上各点的相速度的大小和方向矢量;
步骤6:对斜坡校正后的图像Ic1(r,φ0)和图像Ic2(r,φ0)做二维交叉谱分析,得到振幅谱和相位谱,根据振幅谱的峰值所在的方向确定内波的传播方向,选择相位谱大于0的传播方向为主波波向φm;
步骤7:判断内波的类型,观察剖面及雷达图像明暗条纹的顺序,逆着内波的传播方向,如果内波亮条纹在前、暗条纹在后,则该内波为下降型内波;反之,该内波为上升型内波;
步骤8:选取主波方向的雷达灰度值剖面Ic1(r,φm)和Ic2(r,φm),根据这两个剖面求出主波方向上内波的平均相速度Cp,即:
其中,Δd为两剖面中最亮点或最暗点的距离差,Δt为两幅图像的时间间隔;
步骤9:对于雷达灰度值剖面Ic1(r,φm),找出最大值与最小值之间的距离D,则内波的半振幅宽度l及内波波长λ分别为:
根据内波波长λ,求得内波频率f:
进一步地,步骤1中,所述X波段雷达图像的数量为32-64幅,相邻两组图像序列的间隔时间为1-5分钟。
进一步地,步骤4中,所述选取阈值I0的步骤如下:
(1)统计一幅雷达图像的最小灰度值Imin和最大灰度值Imax,计算二者的黄金分割值为初始阈值,即:
I0=Imin+(Imax-Imin)×0.618 (8)
(2)根据阈值将一幅图像的灰度值进行分割,得到两个像素集合分别为G1={I(r,φ)≥I0},G2={I(r,φ)<I0};
(3)计算像素集合G1和G2的灰度平均值μ1和μ2:
(4)根据μ1和μ2计算新的阈值,即:
I0=μ1+(μ2-μ1)×0.618 (11)
重复步骤(2)~步骤(4),直至阈值I0收敛到某一范围为止。
进一步地,步骤5中,所述光流算法为Horn-Schunck光流法。
进一步地,所述Horn-Schunck光流法为利用最小二乘法求以下方程:
有益效果:与现有技术相比,本发明具有如下显著优点:本发明的基于X波段雷达图像的内波相速度场及参数的提取方法可以获得高时间和空间分辨率的海洋内波参数,利用光流法提取内波的相速度矢量,可以得到内波波峰线上各点的相速度矢量信息,适合用于获取形状不规则的复杂内波的相速度场。同时,发明的方法还可以实时获得海洋内波的类型、频率、波向和波长等信息,可以用于观测内波的发展演化过程。
附图说明
图1为本发明提取方法的流程图;
图2为本发明斜坡校正后的雷达图像;
图3为本发明经过预处理后的雷达图像;
图4为本发明应用光流法得到的相速度矢量;
图5为本发明相邻两幅图像中沿内波主波向的剖面图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
如图1所示,本发明的基于X波段雷达图像的内波相速度场及参数的提取方法包括以下步骤:
步骤1:方位校正。结合船只的运动方向和雷达天线的安装方向,对X波段雷达图像作方位校正,将正北向校正至0°。
步骤2:选取连续观测的两组X波段雷达图像序列I1(r,φ,t)和I2(r,φ,t),其中,I为雷达图像的灰度值,r和φ分别径向距离和方位角,t表示观测时间。每组雷达图像序列中包含大于32幅图像,并且两组图像序列的间隔小于5分钟。对每组图像序列分别关于时间作平均处理,得到两幅平均后的雷达图像和
步骤3:对平均后的雷达图像进行斜坡校正。对于每一个方位角φ0,分别用指数函数拟合平均后的雷达图像的灰度值,即:
Ifi(r,φ0)=a·ebr+c(i=1,2)
其中,a、b和c为待定系数,可以采用最小二乘的方法进行拟合确定。然后,用原始灰度值减去拟合值,完成斜坡校正的过程,即:
图2为一幅斜坡校正后的图像。
步骤4:对两幅图像分别进行灰度直方图均衡化处理,增强图像的对比度;然后,利用以下方法选取阈值I0,
(1)初值。统计一幅雷达图像的最小灰度值Imin和最大灰度值Imax,计算二者的黄金分割值为初始阈值,即
I0=Imin+(Imax-Imin)×0.618
(2)分割。根据阈值将一幅图像的灰度值进行分割,得到两个像素集合分别为G1={I(r,φ)≥I0},G2={I(r,φ)<I0}。
(3)均值。计算像素集合G1和G2的灰度平均值μ1和μ2:
(4)迭代。根据μ1和μ2计算新的阈值,
I0=μ1+(μ2-μ1)×0.618
重复步骤2)~步骤4),直至阈值I0收敛到某一范围为止。
根据选取的阈值对两幅图像Ic1和Ic2分别进行灰度图像二值化处理,即:
图3为对图2做预处理后的二值图像。
步骤5:利用Horn-Schunck光流算法处理图像I'c1(r,φ0)和图像I'c2(r,φ0),即求以下方程:
式中,和分别代表雷达图像的灰度值在直角坐标系中的随距离x、距离y、时间t的变化率;和分别代表参考点沿着x和y方向的相速度,δ为控制平滑度。利用最小二乘法求解方程得到内波波峰线上各点的相速度的大小和方向矢量,图4为利用光流法得到的内波相速度的变化。
步骤7:判断内波的类型。观察剖面及雷达图像明暗条纹的顺序,逆着内波的传播方向,该组内波亮条纹在前、暗条纹在后,则该组内波为下降型内波。
步骤8:选取主波方向的雷达灰度值剖面Ic1(r,φm)和Ic2(r,φm),根据这两个剖面求出主波方向上内波的平均相速度Cp,
其中,Δd为两剖面中最亮点(或最暗点)的距离差,Δt为两幅图像的时间间隔,图5为沿内波的主波向的雷达灰度值剖面,其中,圆圈和三角形代表两个内波剖面中的波峰与波谷。
步骤9:对于雷达灰度值剖面Ic1(r,φm),找出最大值与最小值之间的距离D=281.25m,则内波的半振幅宽度l及内波波长λ可分别表示为:
根据内波波长λ,求得内波频率f:
由此可见,本发明利用光流法提取内波的相速度矢量,可以得到内波波峰线上各点的相速度矢量信息,适合用于获取形状不规则的复杂内波的相速度场。同时,发明的方法还可以实时获得海洋内波的类型、频率、波向和波长等信息,可以用于观测内波的发展演化过程。
Claims (5)
1.一种基于X波段雷达图像的内波相速度场及参数的提取方法,其特征在于,包括以下步骤:
步骤1:结合船只的运动方向和雷达天线的安装方向,对X波段雷达图像作方位校正,将正北向校正至0°;
步骤2:选取连续观测的两组X波段雷达图像序列I1(r,φ,t)和I2(r,φ,t),其中,I为雷达图像的灰度值,r和φ分别径向距离和方位角,t表示观测时间;对每组图像序列分别关于时间作平均处理,得到两幅平均后的雷达图像和
步骤3:对平均后的雷达图像进行斜坡校正,对于每一个方位角φ0,分别用指数函数拟合平均后的雷达图像的灰度值,即:
Ifi(r,φ0)=a·ebr+c (i=1,2) (1)
其中,a、b和c为待定系数,可以采用最小二乘法进行拟合确定;然后用原始灰度值减去拟合值,得到斜坡校正后的灰度值,即:
步骤4:对两幅图像分别进行灰度直方图均衡化处理,增强图像的对比度;然后,选取阈值I0,对两幅图像Ic1和Ic2分别进行灰度图像二值化处理,即:
步骤5:利用光流算法处理图像I'c1(r,φ0)和图像I'c2(r,φ0),得到内波波峰线上各点的相速度的大小和方向矢量;
步骤6:对斜坡校正后的图像Ic1(r,φ0)和图像Ic2(r,φ0)做二维交叉谱分析,得到振幅谱和相位谱,根据振幅谱的峰值所在的方向确定内波的传播方向,选择相位谱大于0的传播方向为主波波向φm;
步骤7:判断内波的类型,观察剖面及雷达图像明暗条纹的顺序,逆着内波的传播方向,如果内波亮条纹在前、暗条纹在后,则该内波为下降型内波;反之,该内波为上升型内波;
步骤8:选取主波方向的雷达灰度值剖面Ic1(r,φm)和Ic2(r,φm),根据这两个剖面求出主波方向上内波的平均相速度Cp,即:
其中,Δd为两剖面中最亮点或最暗点的距离差,Δt为两幅图像的时间间隔;
步骤9:对于雷达灰度值剖面Ic1(r,φm),找出最大值与最小值之间的距离D,则内波的半振幅宽度l及内波波长λ分别为:
根据内波波长λ,求得内波频率f:
2.根据权利要求1所述的基于X波段雷达图像的内波相速度场及参数的提取方法,其特征在于,步骤1中,所述X波段雷达图像的数量为32-64幅,相邻两组图像序列的间隔时间为1-5分钟。
3.根据权利要求1所述的基于X波段雷达图像的内波相速度场及参数的提取方法,其特征在于,步骤4中,所述选取阈值I0的步骤如下:
(1)统计一幅雷达图像的最小灰度值Imin和最大灰度值Imax,计算二者的黄金分割值为初始阈值,即:
I0=Imin+(Imax-Imin)×0.618 (8)
(2)根据阈值将一幅图像的灰度值进行分割,得到两个像素集合分别为G1={I(r,φ)≥I0},G2={I(r,φ)<I0};
(3)计算像素集合G1和G2的灰度平均值μ1和μ2:
(4)根据μ1和μ2计算新的阈值,即:
I0=μ1+(μ2-μ1)×0.618 (11)
重复步骤(2)~步骤(4),直至阈值I0收敛到某一范围为止。
4.根据权利要求1所述的基于X波段雷达图像的内波相速度场及参数的提取方法,其特征在于,步骤5中,所述光流算法为Horn-Schunck光流法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110159703.9A CN112967323B (zh) | 2021-02-05 | 2021-02-05 | 基于x波段雷达图像的内波相速度场及参数的提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110159703.9A CN112967323B (zh) | 2021-02-05 | 2021-02-05 | 基于x波段雷达图像的内波相速度场及参数的提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112967323A true CN112967323A (zh) | 2021-06-15 |
CN112967323B CN112967323B (zh) | 2023-05-23 |
Family
ID=76274364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110159703.9A Active CN112967323B (zh) | 2021-02-05 | 2021-02-05 | 基于x波段雷达图像的内波相速度场及参数的提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112967323B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114234934A (zh) * | 2021-12-16 | 2022-03-25 | 中国人民解放军国防科技大学 | 一种非均匀空间分辨率星载微光成像仪的海洋内波监测方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004019056A1 (en) * | 2002-08-23 | 2004-03-04 | Dstl | Interferometric synthetic aperture radar for imaging the ocean surface |
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 |
CN106990402A (zh) * | 2017-03-30 | 2017-07-28 | 南京信息工程大学 | 一种基于波浪理论的导航x波段雷达波群检测方法 |
CN110110654A (zh) * | 2019-05-06 | 2019-08-09 | 中国科学院遥感与数字地球研究所 | 一种针对下降型海洋内孤立波的振幅反演方法及装置 |
US10429538B1 (en) * | 2015-07-06 | 2019-10-01 | The United States Of America, As Represented By The Secretary Of The Navy | Underwater electromagnetic field measurement that factors in ocean dynamics |
CN111257886A (zh) * | 2020-03-23 | 2020-06-09 | 南京信息工程大学 | 一种利用单幅船载x波段雷达图像反演海浪参数的方法 |
-
2021
- 2021-02-05 CN CN202110159703.9A patent/CN112967323B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004019056A1 (en) * | 2002-08-23 | 2004-03-04 | Dstl | Interferometric synthetic aperture radar for imaging the ocean surface |
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 |
US10429538B1 (en) * | 2015-07-06 | 2019-10-01 | The United States Of America, As Represented By The Secretary Of The Navy | Underwater electromagnetic field measurement that factors in ocean dynamics |
CN106990402A (zh) * | 2017-03-30 | 2017-07-28 | 南京信息工程大学 | 一种基于波浪理论的导航x波段雷达波群检测方法 |
CN110110654A (zh) * | 2019-05-06 | 2019-08-09 | 中国科学院遥感与数字地球研究所 | 一种针对下降型海洋内孤立波的振幅反演方法及装置 |
CN111257886A (zh) * | 2020-03-23 | 2020-06-09 | 南京信息工程大学 | 一种利用单幅船载x波段雷达图像反演海浪参数的方法 |
Non-Patent Citations (5)
Title |
---|
JINGHAN WEN等: "Optical flow-based method to estimate internal wave parameters from X-band marine radar images", 《ACTA OCEANOL. SIN., 2022》 * |
RAFAEL J. RAMOS等: "Determination of internal wave properties from X-Band radar observations", 《OCEAN ENGINEERING》 * |
ZHONGBIAO CHEN等: "Determination of nearshore sea surface wind vector from marine X-band radar images", 《OCEAN ENGINEERING》 * |
吕海滨: "南海东北部内波的X波段雷达监测方法及数值模拟研究", 《中国博士学位论文全文数据库 基础科学辑》 * |
温静涵: "基于X波段雷达的海洋内孤立波参数反演方法及其特征研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114234934A (zh) * | 2021-12-16 | 2022-03-25 | 中国人民解放军国防科技大学 | 一种非均匀空间分辨率星载微光成像仪的海洋内波监测方法及系统 |
CN114234934B (zh) * | 2021-12-16 | 2024-01-09 | 中国人民解放军国防科技大学 | 一种非均匀空间分辨率星载微光成像仪的海洋内波监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112967323B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Garcia et al. | On the way to solve lighting problems in underwater imaging | |
CN109740445B (zh) | 一种变尺寸的红外弱小目标检测方法 | |
CN109859247B (zh) | 近地面场景红外小目标检测方法 | |
EP0839361A1 (en) | Image enhancement | |
CN109829858B (zh) | 一种基于局部自适应阈值的船载雷达图像溢油监测方法 | |
CN113077486B (zh) | 一种山区植被覆盖率监测方法及系统 | |
CN111311644B (zh) | 一种基于视频sar的运动目标检测方法 | |
Karvonen | Virtual radar ice buoys–a method for measuring fine-scale sea ice drift | |
CN108961255A (zh) | 基于相位线性度和功率的海陆噪声场景分割方法 | |
CN108038856B (zh) | 基于改进多尺度分形增强的红外小目标检测方法 | |
CN112967323B (zh) | 基于x波段雷达图像的内波相速度场及参数的提取方法 | |
CN109064479B (zh) | 一种基于邻近视频帧灰度动态特征的海天线检测方法 | |
CN105627997A (zh) | 多角度遥感水深决策融合反演方法 | |
CN113673385A (zh) | 基于红外图像的海面舰船检测方法 | |
CN108389191B (zh) | 一种sar图像中目标阴影区域的检测方法 | |
CN115170619A (zh) | 一种基于密集光流法的云遮挡预测方法 | |
CN110095774A (zh) | 一种圆迹视频sar动目标检测方法 | |
CN106204596B (zh) | 一种基于高斯拟合函数与模糊混合估计的全色波段遥感影像云检测方法 | |
CN113570521A (zh) | 一种结合暗通道和图像配准的大气湍流图像复原方法 | |
CN111881837A (zh) | 基于阴影提取的视频sar运动目标检测方法 | |
CN111105390A (zh) | 一种改进的海天线检测和评估方法 | |
CN116503716A (zh) | 一种雷达图像衍生与数据库扩容的方法 | |
CN108205814B (zh) | 彩色图像的黑白轮廓生成方法 | |
CN115236664A (zh) | 一种航海雷达图像反演有效波高的方法 | |
CN107422320A (zh) | 一种消除降雨对x波段雷达观测海浪的影响的方法 |
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 |