CN113689450B - 一种海洋锋特征参数反演方法及系统 - Google Patents
一种海洋锋特征参数反演方法及系统 Download PDFInfo
- Publication number
- CN113689450B CN113689450B CN202110977815.5A CN202110977815A CN113689450B CN 113689450 B CN113689450 B CN 113689450B CN 202110977815 A CN202110977815 A CN 202110977815A CN 113689450 B CN113689450 B CN 113689450B
- Authority
- CN
- China
- Prior art keywords
- ocean
- marine
- sar image
- image
- sar
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种海洋锋特征参数反演方法及系统,方法包括采集海洋SAR图像,通过特征增强算法对海洋SAR图像进行特征增强,并获取特征增强后的海洋SAR图像的梯度;基于梯度,通过对特征增强后的海洋SAR图像进行形态学处理,构建海洋锋特征提取模型,其中,海洋锋特征提取模型用于确定海洋SAR图像的海洋锋的锋线长度以及海洋锋宽度,并通过梯度的变化,对海洋锋的尺度参数进行反演;系统包括图像采集模块,图像增强模块,海洋锋特征参数反演模块;本发明实现了仿真数据、航空海洋锋SAR观测数据及其他同类卫星数据的海洋锋反演方法的有效性,为本领域技术方案提供了技术新思路。
Description
技术领域
本申请涉及海洋参数反演技术领域,具体而言,涉及一种海洋锋特征参数反演方法及系统。
背景技术
海洋锋是指海洋环境参数的跃变带。从环境参数的变化上可分为温度锋、盐度锋、密度锋、声速锋等。从形成机制上主要可分为五类:浅水陆架锋、河口羽状锋、沿岸流锋、上升锋和强西边界锋。
海洋锋在海洋中覆盖范围较大,尺度为百公里级。海洋锋具有弱边缘特性,利用数学形态学滤波和多尺度边缘检测,粗检测的过程中满足边缘直线参数的确定为具有海洋锋的区域,利用现代数字图像处理技术,对海洋锋进行精细检测。
海洋锋ROI区域确定包含两部分内容,一是判断SAR图像中是否存在海洋锋,二是确定海洋锋的大致区域,缩小目标范围,以便于更好地排除其他海洋现象的干扰,更为准确地反演得到海洋锋信息。
海洋锋ROI区域的确定可通过Radon变换,判断图像中是否存在明显的线型特征来确定。但是,由于海洋锋图像结构复杂,通过单一图像处理的方式很难确定海洋锋ROI区域,因此这部分内容是海洋锋特征参数反演的难点所在,需要进行深入、细致、开拓性的研究加以解决。为了使反演结果更为准确,也可在图像处理进行预选的基础上加以简单有效的人工干预来确定海洋锋的ROI区域。
发明内容
为了解决上述问题,本发明提供了一种海洋锋特征参数反演方法,包括以下步骤:
采集海洋SAR图像,通过特征增强算法对海洋SAR图像进行特征增强,并获取特征增强后的海洋SAR图像的梯度;
基于梯度,通过对特征增强后的海洋SAR图像进行形态学处理,构建海洋锋特征提取模型,其中,海洋锋特征提取模型用于确定海洋SAR图像的海洋锋的锋线长度以及海洋锋宽度,并通过梯度的变化,对海洋锋的尺度参数进行反演。
优选地,在对海洋SAR图像进行特征增强的过程前,对海洋SAR图像通过辐射校正的方法进行预处理,并对预处理后的海洋SAR图像通过特征增强算法进行特征增强处理。
优选地,在对海洋SAR图像通过辐射校正的方法进行预处理的过程中,还包括对预处理后的海洋SAR图像根据图像明暗趋势进行二次处理,其中,二次处理用于使海洋SAR图像明暗分布均匀。
优选地,对预处理后的海洋SAR图像通过特征增强算法进行特征增强处理的过程中,特征增强算法包括Contourlet算法。
优选地,在获取特征增强后的海洋SAR图像的梯度的过程中,通过二维梯度计算方法,获取梯度。
优选地,在构建海洋锋特征提取模型的过程中,对特征增强后的海洋SAR图像通过中轴变换、图像细化以及曲线连接、剪枝的方法,对特征增强后的海洋SAR图像进行形态学处理,
其中,
中轴变换用于获取海洋SAR图像的链接域的中轴,
图像细化用于通过收缩图像,删除连通域中多余像素,将一个曲线型物体细化为一条单像素宽的线且保持连通性,从而图形化地显示中尺度海洋现象的拓扑性质;
曲线连接用于将通过中轴变换处理后的海洋SAP图像的短分支线的去除;
曲线剪枝用于将通过中轴变换处理后的海洋SAP图像的短小间隙的结合。
优选地,曲线连接还包括小凸凹平滑过程,小凸凹平滑过程用于根据把线图形具有凸凹的部分置换成直线或曲线来完成。
优选地,海洋锋特征提取模型用于获取海洋锋线的中轴的地理位置,并根据中轴的长度获取锋线长度,根据垂直于海洋锋线的剖线获取海洋锋宽度。
一种海洋锋特征参数反演系统,包括:
图像采集模块,用于采集海洋SAR图像;
图像增强模块,用于通过特征增强算法对海洋SAR图像进行特征增强,并获取特征增强后的海洋SAR图像的梯度;
海洋锋特征参数反演模块,用于基于梯度,通过对特征增强后的海洋SAR图像进行形态学处理,构建海洋锋特征提取模型,其中,海洋锋特征提取模型用于确定海洋SAR图像的海洋锋的锋线长度以及海洋锋宽度,并通过梯度的变化,对海洋锋的尺度参数进行反演。
优选地,海洋锋特征参数反演系统还包括,
图像预处理模块,用于对海洋SAR图像通过辐射校正的方法进行预处理;
图像二次预处理模块,用于对预处理后的海洋SAR图像根据图像明暗趋势进行二次处理,其中,二次处理用于使海洋SAR图像明暗分布均匀。
本发明公开了以下技术效果:
本发明实现了仿真数据、航空海洋锋SAR观测数据及其他同类卫星数据的海洋锋反演方法的有效性,为本领域技术方案提供了技术新思路。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所述的海洋锋特征参数反演流程;
图2为本发明实施例所述的海洋锋特征参数反演软件模块的部分界面;
图3为本发明实施例所述的中等强度海洋锋流场分布;
图4为本发明实施例所述的中等强度海洋锋仿真SAR图像;
图5为本发明实施例所述的强锋L波段三级海况仿真数据海洋锋反演;
图6为本发明实施例所述的弱海洋锋流场分布;
图7为本发明实施例所述的弱海洋锋仿真SAR图像;
图8为本发明实施例所述的弱锋L波段二级海况仿真数据海洋锋反演。
具体实施方式
下为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1-8所示,本发明提供了一种海洋锋特征参数反演方法,包括以下步骤:
采集海洋SAR图像,通过特征增强算法对海洋SAR图像进行特征增强,并获取特征增强后的海洋SAR图像的梯度;
基于梯度,通过对特征增强后的海洋SAR图像进行形态学处理,构建海洋锋特征提取模型,其中,海洋锋特征提取模型用于确定海洋SAR图像的海洋锋的锋线长度以及海洋锋宽度,并通过梯度的变化,对海洋锋的尺度参数进行反演。
进一步地,在对海洋SAR图像进行特征增强的过程前,对海洋SAR图像通过辐射校正的方法进行预处理,并对预处理后的海洋SAR图像通过特征增强算法进行特征增强处理。
进一步地,在对海洋SAR图像通过辐射校正的方法进行预处理的过程中,还包括对预处理后的海洋SAR图像根据图像明暗趋势进行二次处理,其中,二次处理用于使海洋SAR图像明暗分布均匀。
进一步地,对预处理后的海洋SAR图像通过特征增强算法进行特征增强处理的过程中,特征增强算法包括Contourlet算法。
进一步地,在获取特征增强后的海洋SAR图像的梯度的过程中,通过二维梯度计算方法,获取梯度。
进一步地,在构建海洋锋特征提取模型的过程中,对特征增强后的海洋SAR图像通过中轴变换、图像细化以及曲线连接、剪枝的方法,对特征增强后的海洋SAR图像进行形态学处理,
其中,
中轴变换用于获取海洋SAR图像的链接域的中轴,
图像细化用于通过收缩图像,删除连通域中多余像素,将一个曲线型物体细化为一条单像素宽的线且保持连通性,从而图形化地显示中尺度海洋现象的拓扑性质;
曲线连接用于将通过中轴变换处理后的海洋SAP图像的短分支线的去除;
曲线剪枝用于将通过中轴变换处理后的海洋SAP图像的短小间隙的结合。
进一步地,曲线连接还包括小凸凹平滑过程,小凸凹平滑过程用于根据把线图形具有凸凹的部分置换成直线或曲线来完成。
进一步地,海洋锋特征提取模型用于获取海洋锋线的中轴的地理位置,并根据中轴的长度获取锋线长度,根据垂直于海洋锋线的剖线获取海洋锋宽度。
一种海洋锋特征参数反演系统,包括:
图像采集模块,用于采集海洋SAR图像;
图像增强模块,用于通过特征增强算法对海洋SAR图像进行特征增强,并获取特征增强后的海洋SAR图像的梯度;
海洋锋特征参数反演模块,用于基于梯度,通过对特征增强后的海洋SAR图像进行形态学处理,构建海洋锋特征提取模型,其中,海洋锋特征提取模型用于确定海洋SAR图像的海洋锋的锋线长度以及海洋锋宽度,并通过梯度的变化,对海洋锋的尺度参数进行反演。
进一步地,海洋锋特征参数反演系统还包括,
图像预处理模块,用于对海洋SAR图像通过辐射校正的方法进行预处理;
图像二次预处理模块,用于对预处理后的海洋SAR图像根据图像明暗趋势进行二次处理,其中,二次处理用于使海洋SAR图像明暗分布均匀。
实施例1:反演海洋锋的特征参数如位置、尺度参数,具体流程如下:
(1)SAR图像预处理
SAR图像成像时由于入射角的不同,会在使图像呈现一侧明一侧暗的现象,除了可以在成像处理时对其进行辐射校正外,在SAR图像后处理过程中也可根据图像明暗趋势对其进行处理,使得图像在整体上明暗分布均匀。
(2)海洋锋ROI区域确定
海洋锋ROI区域确定包含两部分内容,一是判断SAR图像中是否存在海洋锋,二是确定海洋锋的大致区域,缩小目标范围,以便于更好地排除其他海洋现象的干扰,更为准确地反演得到海洋锋信息。
海洋锋ROI区域的确定可通过Radon变换,判断图像中是否存在明显的线型特征来确定。但是,由于海洋锋图像结构复杂,通过单一图像处理的方式很难确定海洋锋ROI区域,因此这部分内容是海洋锋特征参数反演的难点所在,需要进行深入、细致、开拓性的研究加以解决。为了使反演结果更为准确,也可在图像处理进行预选的基础上加以简单有效的人工干预来确定海洋锋的ROI区域。
(3)基于Contourlet的特征增强
采用与中尺度涡参数反演模型中相似的海洋锋增强算法,即基于Contourlet的特征增强。
(4)图像梯度计算
利用二维梯度计算方法计算SAR图像梯度。
(5)形态学处理
对于提取的海洋锋区域,采用形态学处理方法对其进行进一步处理。
1)中轴变换
中轴变换是指在连通域中找出其中轴的过程。中轴是连通域内所有与物体在两个或更多非邻接边界点处相切的内接圆的圆心的集合,即连通域的骨架。
2)细化
从原来的图中去掉一些点,但仍要保持原来的形状。细化通过收缩图像,删除连通域中多余像素,将一个曲线型物体细化为一条单像素宽的线且保持连通性,从而图形化地显示中尺度海洋现象的拓扑性质。
细化过程包含两步,第一步是一个有条件的收缩过程,即那些被标为可除去的像素并不立即消去。第二步只将那些消除后并不破坏连通性的点消除,否则保留。如何判断一个像素点是否该去除,这要根据它的八个相邻点的情况来判断。
3)曲线连接、剪枝
中轴变换过程中,可能会多删除一些像素,而使一些线图形失去了原有的连通性。对于质量不好的线图形,为了顺利进行特征分析,有必要施行修整。其中包括短分支线的去除(剪枝),小凸凹的平滑,短小间隙的结合(连接)等。短分支线的去除(剪枝),可以在连接端点和分支点的线段(像素序列)中把某一长度以下的线段消去来完成。按“边界跟踪法”进行统计。小凸凹的平滑可以根据把线图形具有凸凹的部分置换成直线(曲线)来完成。短小间隙的结合(连接),就是把距离相近的两个端点,在各条线具有大致相同方向的情况下进行接合的操作。端点间的接合,可以根据生成连接它们的直线线段来进行。
(6)海洋锋参数提取
1)海洋锋位置提取
通过形态学处理可以得到海洋锋线中轴的地理位置。
2)海洋锋尺度提取
海洋锋的尺度有多种定义,一是海洋锋锋线的长度、二是海洋锋的宽度。锋线的长度可用中轴线的长度代替,锋的宽度则可利用取垂直于锋线的剖线进行分析得到。根据检测时采取的梯度阈值不同,海洋锋的尺度参数会随着梯度阈值变化。
实施例2:仿真数据反演试验
由于缺乏高分辨率实测海洋锋流场数据,海洋锋流场采用以卫星融合数据为基准,根据文献查的的流速梯度范围进行插值仿真。海洋锋流场流速资料基于NASA网站发布的海表流场多卫星融合数据,该数据的空间分辨率为25公里,选取日本海以东黑潮区域,该区域为典型的海洋锋区域。由国外文献资料查明,海洋锋流场梯度在10-5(1/s)至10-3(1/s)量级之间。根据卫星数据流速资料和文献报道的海洋锋流场梯度资料仿真了强、中、弱三类海洋锋流场,并在此基础上进行后续的仿真,得到SAR仿真图像,利用海洋锋反演模型反演海洋锋参数。
图3是中等强度海洋锋的流场分布,海域为黑潮海域(131.1°E,26.5°N),图中流速单位为cm/s。海洋锋流速梯度最大值约为4×10-4(1/s),
图4是一景对应图3所示流场的海洋锋仿真SAR图像,仿真的SAR参数为L波段、VV极化、中心入射角约为48°,几何分辨率方位向96m,距离向48m,辐射分辨率为1.6446dB,海面风速为7m/s。
根据海洋锋反演模型对三级海况L波段VV极化SAR海洋锋仿真图像进行海洋锋参数反演,如图5所示。
根据海洋锋反演模型对二级海况C波段VV极化SAR海洋锋仿真图像进行海洋锋参数反演,如图5所示。
图6是强度较弱海洋锋的流场分布,海域为日本以东海域(152°E,37°N),图中流速单位为cm/s,海洋锋流速梯度最大值约为7×10-5(1/s)。
图7是一景对应图6流场的海洋锋仿真SAR图像,仿真的SAR参数为L波段、VV极化、中心入射角约为48°,几何分辨率方位向96m,距离向48m,辐射分辨率为1.12dB,海面风速为5m/s。
根据海洋锋反演模型对弱海洋锋,二级海况L波段VV极化SAR仿真图像进行海洋锋参数反演,如图8所示。
将海洋锋反演结果与输入的流场数据进行比较,得到以上两个例子中,海洋锋的检测位置偏差和尺度偏差如表1所示。
表1
由表1可以看出,中等强度的海洋锋,位置偏差和尺度偏差均能满足指标要求,但对于弱海洋锋,其尺度偏差较大。
通过本发明的方法对航空海洋锋SAR观测数据进行反演试验以及对其他同类卫星数据进行反演试验后均证明本申请所述方法的适用性。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (6)
1.一种海洋锋特征参数反演方法,其特征在于,包括以下步骤:
采集海洋SAR图像,通过Contourlet算法对所述海洋SAR图像进行特征增强,并获取特征增强后的所述海洋SAR图像的海洋锋流场梯度;
基于所述海洋锋流场梯度,通过对特征增强后的所述海洋SAR图像进行形态学处理,构建海洋锋特征提取模型,其中,所述海洋锋特征提取模型用于确定所述海洋SAR图像的海洋锋的锋线长度以及海洋锋宽度,并通过所述海洋锋流场梯度的变化,对所述海洋锋的尺度参数进行反演;在对所述海洋SAR图像进行特征增强的过程前,对所述海洋SAR图像通过辐射校正的方法进行预处理,并对预处理后的所述海洋SAR图像通过所述Contourlet算法进行特征增强处理;在对所述海洋SAR图像通过所述辐射校正的方法进行预处理的过程中,还包括对预处理后的所述海洋SAR图像根据图像明暗趋势进行二次处理,其中,所述二次处理用于使所述海洋SAR图像明暗分布均匀;
在对所述海洋SAR图像通过所述辐射校正的方法进行预处理的过程后,基于所述海洋SAR图像,通过Radon变换,生成所述海洋SAR图像的海洋锋ROI区域,其中,所述海洋锋ROI区域用于确定所述海洋SAR图像中是否存在海洋锋以及所述海洋锋的区域;
在构建所述海洋锋特征提取模型的过程中,对特征增强后的所述海洋SAR图像通过中轴变换、图像细化以及曲线连接、剪枝的方法,对特征增强后的所述海洋SAR图像进行所述形态学处理,
其中,
所述中轴变换用于获取所述海洋SAR图像的链接域的中轴,
所述图像细化用于通过收缩图像,删除连通域中多余像素,将一个曲线型物体细化为一条单像素宽的线且保持连通性,从而图形化地显示中尺度海洋现象的拓扑性质;
所述曲线连接用于将通过所述中轴变换处理后的所述海洋SAP图像的短分支线的去除;
所述曲线剪枝用于将通过所述中轴变换处理后的所述海洋SAP图像的短小间隙的结合。
2.根据权利要求1所述一种海洋锋特征参数反演方法,其特征在于:
在获取特征增强后的所述海洋SAR图像的所述海洋锋流场梯度的过程中,通过二维梯度计算方法,获取所述海洋锋流场梯度。
3.根据权利要求2所述一种海洋锋特征参数反演方法,其特征在于:
所述曲线连接还包括小凸凹平滑过程,所述小凸凹平滑过程用于根据把线图形具有凸凹的部分置换成直线或曲线来完成。
4.根据权利要求3所述一种海洋锋特征参数反演方法,其特征在于:
所述海洋锋特征提取模型用于获取海洋锋线的中轴的地理位置,并根据所述中轴的长度获取所述锋线长度,根据垂直于海洋锋线的剖线获取所述海洋锋宽度。
5.一种海洋锋特征参数反演系统,其特征在于,用于实现所述海洋锋特征参数反演方法的海洋锋特征参数反演系统,包括:
图像采集模块,用于采集海洋SAR图像;
图像增强模块,用于通过Contourlet算法对所述海洋SAR图像进行特征增强,并获取特征增强后的所述海洋SAR图像的海洋锋流场梯度;
海洋锋特征参数反演模块,用于基于所述海洋锋流场梯度,通过对特征增强后的所述海洋SAR图像进行形态学处理,构建海洋锋特征提取模型,其中,所述海洋锋特征提取模型用于确定所述海洋SAR图像的海洋锋的锋线长度以及海洋锋宽度,并通过所述海洋锋流场梯度的变化,对所述海洋锋的尺度参数进行反演。
6.根据权利要求5所述一种海洋锋特征参数反演系统,其特征在于:
所述系统还包括,
图像预处理模块,用于对所述海洋SAR图像通过辐射校正的方法进行预处理;
图像二次预处理模块,用于对预处理后的所述海洋SAR图像根据图像明暗趋势进行二次处理,其中,所述二次处理用于使所述海洋SAR图像明暗分布均匀。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110977815.5A CN113689450B (zh) | 2021-08-25 | 2021-08-25 | 一种海洋锋特征参数反演方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110977815.5A CN113689450B (zh) | 2021-08-25 | 2021-08-25 | 一种海洋锋特征参数反演方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113689450A CN113689450A (zh) | 2021-11-23 |
CN113689450B true CN113689450B (zh) | 2022-05-03 |
Family
ID=78582117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110977815.5A Active CN113689450B (zh) | 2021-08-25 | 2021-08-25 | 一种海洋锋特征参数反演方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113689450B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114283318B (zh) * | 2021-12-16 | 2024-04-26 | 中国人民解放军海军潜艇学院 | 基于sar图像的海洋锋尺度特征参数反演方法及系统 |
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 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5546084A (en) * | 1992-07-17 | 1996-08-13 | Trw Inc. | Synthetic aperture radar clutter reduction system |
CN102034233B (zh) * | 2010-10-21 | 2012-07-18 | 苏州科技学院 | 一种基于contourlet变换的SAR图像波群参数检测方法 |
CN106951854B (zh) * | 2017-03-16 | 2019-06-04 | 中国人民解放军国防科学技术大学 | 一种sar图像海洋内波参数提取方法 |
CN112991309A (zh) * | 2021-03-29 | 2021-06-18 | 中国人民解放军海军潜艇学院 | 一种卫星sar图像内波区域自动检测方法 |
CN113111785A (zh) * | 2021-04-14 | 2021-07-13 | 国家海洋环境预报中心 | 海洋温度锋的特征参数提取方法和装置 |
-
2021
- 2021-08-25 CN CN202110977815.5A patent/CN113689450B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113689450A (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109190538B (zh) | 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法 | |
CN113689450B (zh) | 一种海洋锋特征参数反演方法及系统 | |
CN106339998B (zh) | 基于对比度金字塔变换的多聚焦图像融合方法 | |
EP2118854B1 (en) | Exemplar/pde-based technique to fill null regions and corresponding accuracy assessment | |
CN109284706B (zh) | 基于多源卫星遥感数据的热点网格工业聚集区域识别方法 | |
CN107808383B (zh) | 一种强海杂波下sar图像目标快速检测方法 | |
WO2023039959A1 (zh) | 一种基于金字塔机制的遥感影像海洋与非海区域分割方法 | |
CN103364410A (zh) | 一种基于模板搜索的水工混凝土结构水下表面裂缝检测方法 | |
CN111951392A (zh) | 一种基于时间序列遥感影像和水位监测数据的洲滩枯水位以上地形重建方法 | |
Nair et al. | Fuzzy logic-based automatic contrast enhancement of satellite images of ocean | |
CN114283318B (zh) | 基于sar图像的海洋锋尺度特征参数反演方法及系统 | |
CN111597930A (zh) | 一种基于遥感云平台的海岸线提取方法 | |
CN111797744A (zh) | 一种基于共现滤波算法的多模态遥感图像匹配方法 | |
CN110569733B (zh) | 基于遥感大数据平台的湖泊长时序连续水域变化重建方法 | |
CN115272306A (zh) | 利用梯度运算的太阳能电池板栅线增强方法 | |
CN114332095A (zh) | 一种基于多层结构的细胞分割方法、装置及电子设备 | |
Dowman | Automating image registration and absolute orientation: solutions and problems | |
CN112489108B (zh) | 一种远海珊瑚礁水下表面积反演重建的方法及装置 | |
CN117115666A (zh) | 基于多源数据的高原湖泊提取方法、装置、设备及介质 | |
CN117218148A (zh) | 基于卫星图像的航道边界确定方法和系统、可读存储介质 | |
CN113689449B (zh) | 一种中尺度涡特征参数的反演方法及系统 | |
CN114814796B (zh) | 基于高精度地图的水面可行驶区域提取方法、装置及设备 | |
CN115689995A (zh) | 一种复杂光照背景条件下的圆孔边缘亚像素级提取方法 | |
Bouchahma et al. | Optical-flow-based approach for the detection of shoreline changes using remote sensing data | |
CN111696054A (zh) | 基于全极化sar图像的橡胶坝体检测方法 |
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 |