CN113484860B - 基于多普勒中心异常的sar图像海洋锋检测方法及系统 - Google Patents
基于多普勒中心异常的sar图像海洋锋检测方法及系统 Download PDFInfo
- Publication number
- CN113484860B CN113484860B CN202110761014.5A CN202110761014A CN113484860B CN 113484860 B CN113484860 B CN 113484860B CN 202110761014 A CN202110761014 A CN 202110761014A CN 113484860 B CN113484860 B CN 113484860B
- Authority
- CN
- China
- Prior art keywords
- doppler
- image
- sub
- value
- doppler center
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 47
- 230000005856 abnormality Effects 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000002159 abnormal effect Effects 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000005314 correlation function Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 claims 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 claims 1
- 238000003384 imaging method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- 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
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computer Networks & Wireless Communication (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于多普勒中心异常的SAR图像海洋锋检测方法及系统,该方法包括:将SAR单视复图像分成M*N个子图像块;估计每个子图像块的多普勒中心频率,作为多普勒中心频率的观测值;基于卫星轨道参数和天线指向参数计算每个子图像块多普勒中心频率的预测值;根据多普勒中心频率的观测值和预测值得到多普勒中心异常值,并转换为多普勒速度;计算多普勒速度沿方位向的梯度,根据梯度向量中元素绝对值的最大值检测海洋锋。本发明提供的基于多普勒中心异常的SAR图像海洋锋检测方法及系统,充分利用了海洋锋的速度特征,解决了基于幅度图像检测海洋锋漏检和误检的问题,提高了SAR图像海洋锋检测的准确度。
Description
技术领域
本发明涉及合成孔径雷达(SyntheticAperture Radar,SAR)信号处理领域及海洋遥感应用领域,更具体地涉及一种基于多普勒中心异常的SAR图像海洋锋检测方法及系统。
背景技术
海洋锋是海洋中特性不同的两种或几种水体之间的有明显水平梯度的狭窄过渡带,在海洋生态系统中起着重要的作用。合成孔径雷达(SyntheticAperture Radar,SAR)是一种主动式微波成像传感器,与传统光学遥感和高光谱遥感相比,SAR具备全天候、全天时、大范围、高分辨率的成像能力,使其在海洋应用上具有得天独厚的优势,并成为探测海洋锋的主要手段之一。
海洋锋附近各水文要素(如温度、盐度、密度等)梯度加大,改变了Bragg波的空间及能量分布,使得海洋锋在SAR图像上可见。目前,国内外对SAR图像海洋锋检测的研究已取得很大进展。主要算法包括:灰度梯度法、灰度直方图法、信息熵法。这些算法主要利用SAR幅度图像上海洋锋的亮暗特征检测海洋锋。因此,对于灰度梯度较大的海洋锋具有较好的检测能力,同时,一些小波多尺度分析特性和形态学梯度理论的应用,提高了对海洋锋各尺度信息提取的能力。
基于SAR幅度图像检测海洋锋主要面临两个关键问题。一方面,海洋锋在SAR图像上的表现强烈地受其两侧水文梯度的影响,对于一些水文梯度变化较小的海洋锋,海洋锋在SAR图像上的亮暗特征将很弱,甚至不可见,这对基于幅度图像的方法检测海洋锋来说尤其困难,会导致较高的漏检概率;另一方面,海洋上的一些其他海洋现象、舰船尾迹、甚至是桥梁建筑,在SAR幅度图像上会表现出和海洋锋类似的亮暗特征,此时基于幅度图像检测海洋锋的方法会有较高的虚警率。
以上分析显示,现有的SAR图像海洋锋检测方法主要从幅度出发,只考虑了灰度特征,不可避免地会提高虚警率和漏检率。要想精确地检测海洋锋,势必要挖掘海洋锋的其他特征。
发明内容
基于以上问题,本发明的主要目的在于提供一种基于多普勒中心异常的SAR图像海洋锋检测方法及系统,以期至少部分地解决上述技术问题。
根据了本发明的一个方面,提出一种基于多普勒中心异常的SAR图像海洋锋检测方法,包括步骤如下:
将SAR单视复图像分成M*N个子图像;
估计每个子图像块的多普勒中心频率,作为多普勒中心频率的观测值;
基于卫星轨道参数和天线指向参数计算每个子图像块的多普勒中心频率的预测值;
根据多普勒中心频率的观测值和预测值,计算每个子图像块的多普勒中心异常值,并将得到的多普勒中心异常值转换为多普勒速度;
计算多普勒速度沿方位向的梯度,根据多普勒速度梯度向量中元素绝对值的最大值检测海洋锋。
进一步地,其中:
上述M*N个子图像块为所述单视复图像分别沿方位向和距离向平均分割得到,方位向分割数为M,距离向分割数为N,其中,M和N都是不小于3的正整数。
上述各子图像块的空间分辨率一般不小于0.5km*0.5km。
上述M*N个子图像块的大小相同。
上述基于时域自相关的方法估计每个子图像块的多普勒中心频率的观测值fDc使用如下公式:
其中,arg{·}表示求辐角,r(·)为相关函数,PRF为脉冲重复频率,采样间隔T=1/PRF,通常情况下,k取1。
上述基于卫星轨道参数和天线指向参数估计每个子图像块多普勒中心频率的预测值fDp使用如下公式:
其中,ke为雷达电磁波数;Vsc为平台沿轨道方向的速度大小;γ为雷达波束的高度角;α为偏航角;ωe为地球自转角速度;ω为平台角速度;ε表示雷达侧视方向(+1为右侧视,-1为左侧视);β为升交点和卫星轨道平面的夹角;ψ为卫星轨道倾角。
上述每个子图像块的多普勒中心异常值fDca为多普勒中心频率观测值fDc与多普勒中心频率预测值fDp之差,即:
fDca=fDc-fDp。
上述多普勒速度为雷达径向速度,根据多普勒中心异常值得到,多普勒速度vD的计算公式为:
其中,θi为雷达波束相对于海表面的入射角,ke为雷达电磁波波数。
更进步一步地,多普勒速度vD构成了一个M*N维的矩阵:
vD=[vD1,vD2,···,vDi,···,vDN]
其中,vDi(i=1,2,···,N)为一个M维的列向量。
上述多普勒速度矩阵vD沿着方位向求梯度,得到多普勒速度梯度矩阵:
▽yvD=[▽vD1,▽vD2,···,▽vDi,···,▽vDN]
更进一步地,上述海洋锋线的提取是对多普勒速度梯度绝对值最大值坐标向量的分段多项式拟合,多项式pn(x)的选取基于最小二乘准则,即:
根据本发明的另一个方面,提出一种基于多普勒中心异常的SAR图像海洋锋检测系统,包括:
图像切分模块:用于将SAR单视复图像分成M*N个子图像块;
观测值估计模块,用于估计每个子图像块的多普勒中心频率,作为多普勒中心频率的观测值;
预测值计算模块,用于基于卫星轨道参数和天线指向参数计算每个子图像块的多普勒中心频率的预测值;
异常值计算模块,用于基于多普勒中心频率的观测值和预测值,计算每个子图像块的多普勒中心异常值,并将得到的多普勒中心异常值转换为多普勒速度;
海洋锋检测模块,计算多普勒速度沿方位向的梯度,根据多普勒速度梯度向量中元素绝对值的最大值检测海洋锋。
有益效果:
本发明提出的一种基于多普勒中心异常的SAR图像海洋锋检测方法,具有以下有益效果:
1、本发明从距离多普勒域出发,充分考虑了海洋锋的速度特征,提高了基于SAR图像的海洋锋检测概率。
2、本发明从距离多普勒域出发,充分考虑了海洋锋的速度特征,降低了基于SAR图像的海洋锋误检概率。
3、本发明从距离多普勒域出发,系统简单,方法可行。
附图说明
图1是本发明一实施例提出的基于多普勒中心异常的SAR图像海洋锋检测方法的方法流程示意图;
图2是本发明一实施例提出的基于多普勒中心异常的SAR图像海洋锋检测方法的详细流程示意图;
图3是本发明一实施例的选取的GF-3卫星数据通过成像后的单视复图像;
图4(a)是本发明一实施例的单视复图像分块多普勒中心异常图;
图4(b)是本发明一实施例的单视复图像分块多普勒速度图;
图5是本发明一实施例的多普勒速度梯度绝对值最大值检测结果图;
图6(a)是本发明一实施例的在多普勒速度图上的海洋锋检测结果图;
图6(b)是本发明一实施例的映射在单视复图像上的海洋锋检测结果图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
现有的SAR图像海洋锋检测算法主要是基于海洋锋在SAR幅度图上的亮暗特征进行检测的,即利用海洋锋的灰度梯度特征。然而,海洋锋的这一特征通常受雷达成像系统、海况等多种因素影响,使得一些海洋锋在SAR幅度图像表现出很弱的亮暗特征,甚至不可见,这为基于幅度的检测算法带来了极大困扰;对于一些亮暗特征显著的海洋锋,一方面,海洋锋有时表现为亮条纹,有时表现为暗条纹,另一方面,一些其他海洋现象、舰船尾迹、桥梁建筑表现为与海洋锋类似的亮暗特征,使得不借助辅助数据的幅度检测算法不具有说服力。因此,为了精确地从SAR图像上检测海洋锋,亟需挖掘海洋锋的其他特征,使得海洋锋的检测不仅仅局限于SAR幅度图。
基于以上原因,本发明公开了一种基于多普勒中心异常的SAR图像海洋锋检测方法及系统。
在一方面,本发明提供了一种基于多普勒中心异常的SAR图像海洋锋检测方法,其包括步骤如下:
将SAR单视复图像分成M*N个子图像;
估计每个子图像块的多普勒中心频率,作为多普勒中心频率的观测值;
基于卫星轨道参数和天线指向参数计算每个子图像块的多普勒中心频率的预测值;
计算每个子图像块的多普勒中心异常值,并将得到的多普勒中心异常值转换为多普勒速度;
计算多普勒速度沿方位向的梯度,根据多普勒速度梯度向量中元素绝对值的最大值检测海洋锋。
一些实施例中,单视复图像的获取通过RD、CS、ωk等SAR成像算法处理得到,也可以从公开数据网站下载。
一些实施例中,将单视复图像沿方位向和距离向平均分割M*N个子图像块,每个子图像块大小相同。方位向分割数为M,距离向分割数为N,其中,M和N都是不小于3的正整数。同时考虑到多普勒沿方位向和距离向的空变特性、不同尺度海洋现象的速度特征以及噪声的影响,各子图像块的分割不可过大或过小,对应空间分辨率一般不小于0.5km*0.5km,不大于2km*2km。
对每个子图像块进行多普勒中心频率的估计,由于SAR单视复图像每个子图像块可视为平稳复高斯过程,根据维纳-辛钦定理,使用基于时域自相关的方法估计每个子图像块的多普勒中心频率的观测值fDc,使用如下公式:
其中,arg{·}表示求辐角,r(·)为相关函数,PRF为脉冲重复频率,采样间隔T=1/PRF,通常情况下,k取1,该估计方法具有较强的鲁棒性。当k=1时,每个子图像块的自相关函数r(T)可表示为:
其中s(m,n)为每个子图像块的第(m,n)个复数值,每个子图像块方位向像素数为Na,距离向像素数为Nr。此时,基于时域自相关的方法估计每个子图像块的多普勒中心频率的观测值fDc可表示为:
影响多普勒频率的系统因素可以归纳为卫星轨道几何模型、雷达波束指向以及波束与转动地表的交点,该部分多普勒称为多普勒中心频率的预测值。基于卫星轨道参数和天线指向参数估计每个子图像块多普勒中心频率的预测值fDp使用如下公式:
其中,ke为雷达电磁波波数;Vsc为平台沿轨道方向的速度大小;γ为雷达波束的高度角;α为偏航角;ωe为地球自转角速度;ω为平台角速度;ε表示雷达侧视方向(+1为右侧视,-1为左侧视);β为升交点和卫星轨道平面的夹角;ψ为卫星轨道倾角。
将每个子图像块的多普勒中心频率观测值fDc与多普勒中心频率预测值fDp作差即可得到多普勒中心异常值fDca,即:
fDca=fDc-fDp (5)
多普勒中心异常值反映了地表物体的运动速度。该值是一个矢量,其符号代表物体相对雷达视线的运动方向,靠近雷达为正,远离雷达为负;其绝对值代表物体运动速度的大小。一般地,对于地面静止物体,多普勒中心异常值为零。
根据多普勒中心异常值可以得到物体相对于雷达径向的速度,即多普勒速度,多普勒速度vD的计算公式为:
其中,θi为雷达波束相对于海表面的入射角。
由于原始单视复图像被分成了M*N个子图像块,因此,多普勒速度vD构成了一个M*N维的矩阵:
vD=[vD1,vD2,···,vDi,···,vDN] (7)
其中,vDi(i=1,2,···,N)为一个M维的列向量。
将得到的多普勒速度矩阵vD沿着方位向求梯度,得到多普勒速度梯度矩阵:
海洋锋锋线两侧速度梯度大是海洋锋的一个典型特征。将得到的多普勒速度梯度绝对值最大值坐标向量进行分段拟合,分段依据海洋速度梯度的表现形态,分段多项式pn(x)系数的选取基于最小二乘准则,即:
根据分好的段数和选取的各段多项式系数对梯度绝对值最大值坐标向量进行拟合,实现基于多普勒中心异常的SAR图像海洋锋检测。
另一方面,本发明提供了一种基于多普勒中心异常的SAR图像海洋锋检测系统,包括:
图像切分模块:用于将SAR单视复图像分成M*N个子图像块;
观测值估计模块,用于估计每个子图像块的多普勒中心频率,作为多普勒中心频率的观测值;
预测值计算模块,用于基于卫星轨道参数和天线指向参数计算每个子图像块的多普勒中心频率的预测值;
异常值计算模块,用于基于多普勒中心频率的观测值和预测值,计算每个子图像块的多普勒中心异常值,并将得到的多普勒中心异常值转换为多普勒速度;
海洋锋检测模块,计算多普勒速度沿方位向的梯度,根据多普勒速度梯度向量中元素绝对值的最大值检测海洋锋。
以下通过具体应用实施例对本发明提出的基于多普勒中心异常的SAR图像海洋锋检测方法及系统进行进一步详细描述:
如图1所示,本实施例采用所述基于多普勒中心异常的SAR图像海洋锋检测方法检测海洋锋,包括步骤如下:
步骤1、将SAR单视复图像分成M*N个子图像;
步骤2、估计每个子图像块的多普勒中心频率,作为多普勒中心频率的观测值;
步骤3、基于卫星轨道参数和天线指向参数计算每个子图像块的多普勒中心频率的预测值;
步骤4、计算每个子图像块的多普勒中心异常值,并将得到的多普勒中心异常值转换为多普勒速度;
步骤5、计算多普勒速度沿方位向的梯度,根据多普勒速度梯度向量中元素绝对值的最大值检测海洋锋。
该方法的详细流程图如图2所示:
首先,获取SAR原始数据并成像生成单视复图像,本实施例选取GF-3卫星的单视复图像进行海洋锋的检测。如图3所示为一个条带SAR数据,位于日本附近黑潮边界,根据幅度图像亮暗特征可以明显看到,此时海表水体流速较大,且距离向三分之二处海洋锋不连续。
然后对获取的单视复图像进行方位向傅里叶变换后得到距离多普勒域数据,对其进行方位和距离向的平均分割,得到子图像块用于后续的多普勒估计。本实施例获取的方位向子图像块M为30,距离向子图像块N为35。根据公式(1)-(5)估计每个子图像块的多普勒中心异常,如图4(a)所示,并根据公式(6)将多普勒中心异常值转换为多普勒速度,如图4(b)所示。
接着,根据公式(8)对每个子图像块沿着方位向求多普勒速度梯度,并根据公式(9)确定每个梯度向量元素绝对值最大值所在位置,得到结果如图5所示。
最后,对图5所示结果根据公式(10)进行分段多项式拟合,拟合的结果如图6(a)所示,将拟合的结果映射到原始的单视复图像上,如图6(b)所示,实现了基于多普勒中心异常的SAR图像海洋锋检测。
通过图6(b)可以看出,检测结果与海洋锋在幅度图像上呈现特征较为匹配,相较与图3海洋锋不连续的地方,基于多普勒中心异常的SAR图像海洋锋检测实现了海洋锋的连续检测,说明该方法具有有效性。
至此,完成基于多普勒中心异常的SAR图像海洋锋检测。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种基于多普勒中心异常的SAR图像海洋锋检测方法,其特征在于,包括:
步骤1、将SAR单视复图像分成M*N个子图像块;
步骤2、估计每个子图像块的多普勒中心频率,作为多普勒中心频率的观测值;
步骤3、基于卫星轨道参数和天线指向参数计算每个子图像块的多普勒中心频率的预测值;
步骤4、根据多普勒中心频率的观测值和预测值,计算每个子图像块的多普勒中心异常值,并将得到的多普勒中心异常值转换为多普勒速度;
步骤5、计算多普勒速度沿方位向的梯度,根据多普勒速度梯度向量中元素绝对值的最大值检测海洋锋。
2.根据权利要求1所述的基于多普勒中心异常的SAR图像海洋锋检测方法,其特征在于,所述M*N个子图像块为所述单视复图像分别沿方位向和距离向平均分割得到,方位向分割数为M,距离向分割数为N,其中,M和N都是不小于3的正整数。
3.根据权利要求1所述的基于多普勒中心异常的SAR图像海洋锋检测方法,其特征在于,各个所述子图像块的空间分辨率不小于0.5km*0.5km。
4.根据权利要求1所述的基于多普勒中心异常的SAR图像海洋锋检测方法,其特征在于,所述M*N个子图像块的大小相同。
7.根据权利要求1所述的基于多普勒中心异常的SAR图像海洋锋检测方法,其特征在于,所述每个子图像块的多普勒中心异常值fDca为多普勒中心频率观测值fDc与多普勒中心频率预测值fDp之差,即:
fDca=fDc-fDp。
9.根据权利要求1所述的基于多普勒中心异常的SAR图像海洋锋检测方法,其特征在于,所述每个子图像块的多普勒速度vD构成了一个M*N维的矩阵:
vD=[vD1,vD2,···,vDi,···,vDN]
其中,vDi为一个M维的列向量,i=1,2,···,N。
12.一种基于多普勒中心异常的SAR图像海洋锋检测系统,其特征在于,包括:
图像切分模块:用于将SAR单视复图像分成M*N个子图像块;
观测值估计模块,用于估计每个子图像块的多普勒中心频率,作为多普勒中心频率的观测值;
预测值计算模块,用于基于卫星轨道参数和天线指向参数计算每个子图像块的多普勒中心频率的预测值;
异常值计算模块,用于基于多普勒中心频率的观测值和预测值,计算每个子图像块的多普勒中心异常值,并将得到的多普勒中心异常值转换为多普勒速度;
海洋锋检测模块,计算多普勒速度沿方位向的梯度,根据多普勒速度梯度向量中元素绝对值的最大值检测海洋锋。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110761014.5A CN113484860B (zh) | 2021-07-06 | 2021-07-06 | 基于多普勒中心异常的sar图像海洋锋检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110761014.5A CN113484860B (zh) | 2021-07-06 | 2021-07-06 | 基于多普勒中心异常的sar图像海洋锋检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113484860A CN113484860A (zh) | 2021-10-08 |
CN113484860B true CN113484860B (zh) | 2023-07-14 |
Family
ID=77941170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110761014.5A Active CN113484860B (zh) | 2021-07-06 | 2021-07-06 | 基于多普勒中心异常的sar图像海洋锋检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113484860B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114708257B (zh) * | 2022-05-18 | 2022-08-16 | 中国科学院空天信息创新研究院 | Sar运动舰船目标检测方法及装置 |
CN116087949B (zh) * | 2022-12-13 | 2023-11-10 | 宁波大学 | 一种针对海岛海洋环境的sar海表流场反演方法 |
CN117192555B (zh) * | 2023-11-02 | 2024-01-12 | 中国科学院空天信息创新研究院 | Sar图像海面大气锋检测及其冷暖类型判定方法与系统 |
CN117975296B (zh) * | 2024-04-01 | 2024-06-11 | 自然资源部第一海洋研究所 | 一种异常海洋锋面的卫星遥感探测提取识别方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102645652A (zh) * | 2012-04-28 | 2012-08-22 | 中国科学院电子学研究所 | 单通道sar地面运动目标检测的方法 |
CN108120980A (zh) * | 2017-12-13 | 2018-06-05 | 南京航空航天大学 | 一种星载sar多模式成像信号处理算法的fpga的实现方法 |
CN108776341A (zh) * | 2018-05-05 | 2018-11-09 | 中国人民解放军国防科技大学 | 一种机载合成孔径雷达多普勒中心偏移计算方法 |
CN110554377A (zh) * | 2019-09-05 | 2019-12-10 | 中国科学院电子学研究所 | 基于多普勒中心偏移的单通道sar二维流场反演方法及系统 |
CN111487621A (zh) * | 2020-05-08 | 2020-08-04 | 宁波大学 | 一种基于雷达图像的海表流场反演方法及电子设备 |
-
2021
- 2021-07-06 CN CN202110761014.5A patent/CN113484860B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102645652A (zh) * | 2012-04-28 | 2012-08-22 | 中国科学院电子学研究所 | 单通道sar地面运动目标检测的方法 |
CN108120980A (zh) * | 2017-12-13 | 2018-06-05 | 南京航空航天大学 | 一种星载sar多模式成像信号处理算法的fpga的实现方法 |
CN108776341A (zh) * | 2018-05-05 | 2018-11-09 | 中国人民解放军国防科技大学 | 一种机载合成孔径雷达多普勒中心偏移计算方法 |
CN110554377A (zh) * | 2019-09-05 | 2019-12-10 | 中国科学院电子学研究所 | 基于多普勒中心偏移的单通道sar二维流场反演方法及系统 |
CN111487621A (zh) * | 2020-05-08 | 2020-08-04 | 宁波大学 | 一种基于雷达图像的海表流场反演方法及电子设备 |
Non-Patent Citations (3)
Title |
---|
Direct measurements of ocean surface velocity from space: Interpretation and validation;Bertrand Chapron;JOURNAL OF GEOPHYSICAL RESEARCH;第110卷;1-17 * |
Retrieval of Sea Surface Range Velocities From Envisat ASAR Doppler Centroid Measurements;Morten Wergeland Hansen etc.;IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING;第49卷(第10期);3582-3592 * |
基于星载SAR多普勒速度反演海表流场算法的研究;张夏荣;黄云仙;赵现斌;;气象水文海洋仪器(第01期);1-7 * |
Also Published As
Publication number | Publication date |
---|---|
CN113484860A (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113484860B (zh) | 基于多普勒中心异常的sar图像海洋锋检测方法及系统 | |
CN101498788B (zh) | 一种逆合成孔径雷达的目标转角估计和横向定标方法 | |
CN110389366B (zh) | 一种基于多源sar卫星的海上目标运动估计方法 | |
CN108508439B (zh) | 双机载sar对目标协同成像立体定位的方法 | |
CN115267770A (zh) | 一种sar图像海洋涡旋检测方法及系统 | |
CN114283318B (zh) | 基于sar图像的海洋锋尺度特征参数反演方法及系统 | |
Kang et al. | ISAR cross-range scaling via joint estimation of rotation center and velocity | |
CN113589287B (zh) | 合成孔径雷达稀疏成像方法、装置、电子设备及存储介质 | |
CN105447867A (zh) | 基于isar图像的空间目标姿态估计方法 | |
CN110988873B (zh) | 基于能量中心提取的单通道sar舰船速度估计方法及系统 | |
Heiselberg et al. | Ship velocity estimation in SAR images using multitask deep learning | |
Yoshida et al. | Application of MA-ATI SAR for estimating the direction of moving water surface currents in Pi-SAR2 images | |
CN112669332B (zh) | 一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法 | |
Yu et al. | Automatic extraction of green tide using dual polarization Chinese GF-3 SAR images | |
Ji-yang et al. | On-board ship targets detection method based on multi-scale salience enhancement for remote sensing image | |
CN113589283B (zh) | 一种基于星载干涉成像高度计的船只kelvin尾迹高程的提取方法 | |
CN108646245B (zh) | 一种基于同极化sar数据的海浪参数反演方法 | |
Wang et al. | Mapping sea surface velocities in the Changjiang coastal zone with advanced synthetic aperture radar | |
CN115508833A (zh) | 一种gnss bi-sar河流边界探测系统 | |
Song et al. | Effective Vessel Recognition in High Resolution SAR Images Utilizing Quantitative and Qualitative Training Data Enhancement from Target Velocity Phase Refocusing | |
Yoshida et al. | Improved Accuracy of Velocity Estimation for Cruising Ships by Temporal Differences Between Two Extreme Sublook Images of ALOS-2 Spotlight SAR Images With Long Integration Times | |
Xie et al. | Ship Target Detection Method in SAR Imagery Based on Generalized Pareto Manifold | |
CN117310708B (zh) | 不依赖外部风向的sar图像海面风场反演方法与系统 | |
Kang et al. | Ship Detection by Tiangong-2 Interferometric Imaging Radar Altimeter | |
Elyouncha et al. | Wind direction ambiguity removal using along-track Insar: A case study |
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 |