CN115980744B - 一种星载sar影像数据无叠掩多峰海浪图像谱分离的方法 - Google Patents
一种星载sar影像数据无叠掩多峰海浪图像谱分离的方法 Download PDFInfo
- Publication number
- CN115980744B CN115980744B CN202211402353.5A CN202211402353A CN115980744B CN 115980744 B CN115980744 B CN 115980744B CN 202211402353 A CN202211402353 A CN 202211402353A CN 115980744 B CN115980744 B CN 115980744B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- image
- sar
- sea
- image spectrum
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000000873 masking effect Effects 0.000 title claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 230000009466 transformation Effects 0.000 claims abstract 2
- 230000003595 spectral effect Effects 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 9
- 240000004282 Grewia occidentalis Species 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000005314 correlation function Methods 0.000 claims description 3
- 238000012850 discrimination method Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000000926 separation method Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- KJONHKAYOJNZEC-UHFFFAOYSA-N nitrazepam Chemical compound C12=CC([N+](=O)[O-])=CC=C2NC(=O)CN=C1C1=CC=CC=C1 KJONHKAYOJNZEC-UHFFFAOYSA-N 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种星载SAR海面影像包含无叠掩多峰海浪图像谱的剖分方法,该方法包括:SAR影像数据预处理;SAR子图像切分并滤波降噪处理;利用二维傅里叶变换进行SAR图像谱估算;SAR图像谱局部最大值进行搜索;对峰值处范围的图像谱进行谱剥离;对剥离后每个峰值处的海浪图像谱利用二维高斯曲面拟合;采用相关系数分析法剔除噪声图像谱;保留海浪图像谱。本发明提供了一个针对无叠掩多峰SAR海浪图像谱剖分的新技术,该技术能够从SAR海浪图像谱阶段实现快速、高效地对多峰海浪图像谱进行分离,提高了SAR海浪谱反演的准确性。
Description
技术领域
本发明涉及一种海浪微波遥感技术,尤其涉及一种星载SAR影像数据无叠掩多峰海浪图像谱分离的方法。
背景技术
星载SAR(合成孔径雷达)载荷从卫星平台向地表发射电磁波并接收来自地表后向反射电磁波。基于电磁波与海面微尺度波相互作用机制,SAR能够对海浪进行二维高分辨成像,该影像包含海浪信息,能够用于海浪方向谱探测。通常在SAR海浪图像谱中会存在多个海浪系统,在后续图像谱反演海浪谱,海浪谱在海洋科学及海洋工程应用都需要对存在的多个海浪系统进行分离。目前对多海浪系统剖分通常是在获得海浪方向谱后进行逐个海浪谱分离,无法对多海浪系统同时进行多个海浪谱分离。本发明提供了从SAR海浪图像谱阶段对多个海浪系统进行剖分,实现多个海浪系统识别和有利于后续从SAR图像谱精准提取海浪参数。
发明内容
本发明通过对获取的SAR数据进行预处理并切分为子图像,对子图像进行降噪处理和图像谱子估计,对图形谱进行分离和降噪等方法,实现多个海浪系统识别和后续从SAR图像谱精准提取海浪参数。据此,完成本发明。
本发明提供一种针对星载SAR无叠掩的多峰海浪图像谱进行分离的一项技术,本发明的方法包括以下步骤:
步骤1,获取SAR影像数据以及元数据文件,
具体地,获取一景SAR海面成像的影像数据文件及其包含的元数据文件。
步骤2,对SAR影像数据进行预处理,
具体地,解析SAR影像数据,获取后向散射强度数据;解析元数据,获取SAR影像的方位向宽度、距离向宽度、方位向分辨率、距离向分辨率、入射角、定标系数、成像时间、雷达视向、四角坐标等。利用四角坐标进行地理定位,利用掩模数据掩模陆地数据,利用定标系数计算SAR后向散射系数。
步骤3,对SAR影像进行子图像切分并进行图像降噪处理,
具体地,基于像素宽度把一幅SAR影像数据切分成多个无重叠的正方形子区域(默认大小为1024像素*1204像素)用于后续SAR图像谱分析使用。
SAR子图像降噪采用高斯低通滤波实现滤波降噪处理。高斯滤波公式如下,
式中,x,y为SAR子图像像素点坐标,σ为正态分布的标准差。
步骤4,SAR子图像的图像谱估计,
具体地,是利用二维快速傅里叶变换对SAR子图像进行图像谱估计,并利用高斯函数对谱进行平滑。
采用二维傅里叶变换进行图像谱估计,二维离散傅里叶变换的公式如下所示,
式中f(x,y)代表一幅大小为M x N的矩阵,其中x=0,1,2,···,M-1和y=0,1,2,···,N-1,F(u,v)表示f(x,y)的傅里叶变换。
步骤5,SAR图像谱局地谱峰极值搜索,
具体地,对平滑后的SAR图像谱利用一阶差分结合比较判别法搜索局地谱峰极值位置并进行标记。
波峰位置的判别准则:一阶差分异号且f(x,y)>f(x-1,y)。
式中,f(x,y)与步骤(4)定义相同。
步骤6,局地谱峰位置图像谱分离,
具体地,利用外部10m高海面风速结合经验海浪谱进行谱峰宽度参数估计,基于估算的谱宽度参数进行谱峰位置图像谱的谱域进行分离。
本发明采用P-M谱,PM谱为经验谱,皮尔逊和莫斯克维奇于1964年根据在北大西洋一定点上测得大量数据提出。PM谱依据的资料比较充分,分析方法合理,使用也方便。其形式如下,
式中:α=0.0081;β=0.74
ω是角频率;
g为重力加速度;
U为离海面19.5m处的风速。
本发明技术中,谱宽计算公式
其中,mn=∫ωnS(ω)dω
S(ω)为海浪频谱;
ω为角频率。
步骤7,对分离后的图像谱进行噪声图像谱剔除,
具体地,假设一般海浪谱谱形状为高斯分布,利用二维高斯曲面拟合,结合相关分析方法剔除噪声图像谱。
二元高斯曲面拟合函数为:
其中,A为高斯分布的幅值,x0,y0分别为曲面峰值对应的x,y坐标,σx、σy分别表示为x,y方向的标准差。
用最小二乘法进行曲面拟合,为方便计算,将上式两边同时取对数得
即
ln(f)=ax2+by2+cx+dy+e
其中,
因此,求解该问题可以转化为求解二元三次多项式的拟合问题,其最小二乘模型为,
Q=min∑(ax2+by2+cx+dy+e-ln(f))2
根据最小条件,对每个变量求偏导并令其为零,得到方程组:
进一步变换为:
得到线性方程组:
BK=C
解此线性方程组得到高斯函数的各项参数:
K=B-1C
解此线性方程组后可得到相应的a,b,c,d,e值,可反解出的A,x0,y0,σx,σy值,从而确定拟合的曲面方程。
采用拟合后图像谱与原图像谱的相关性进行噪声谱识别,相关函数定义式如下公式,
其中,Cov(x,y)为x与y的协方差,Var[x]为x的方差,Var[y]为的y方差。
步骤8,重复步骤上述(7)步骤直到所有分离后的图像谱噪声判别完成,并输出SAR海浪图像谱。
附图说明
图1为本申请的总体流程图
图2为本申请实施所提供的流程图。
图3为本申请用于多峰海浪图像谱剖分的SAR影像数据与子图像切分示意图;垂直和水平蓝色实线为经纬度方向;图中白色虚线矩形框为子图像之一。
图4为本申请多峰海浪图像谱剖分技术的实例应用,图中红色三角符号标记是海浪图像谱,图中红色丝十字叉符号标记是噪声图像谱,其中(a)为识别出4个海浪图像谱的示意图,(b)为识别出2个海浪图像谱的示意图(注:海浪图像谱未进行180°模糊剔除)。
具体实施方式
本发明提供一种星载SAR无叠掩多峰海浪图像谱分离技术,如流程图图2所示。以识别出4个海浪图谱的情况为例作为一种实施方式,具体实现步骤如下:
步骤1,获取一景SAR海面成像的影像数据文件及其包含的元数据文件。
步骤2,解析SAR影像数据,获取后向散射强度数据;解析元数据,获取SAR影像的方位向宽度、距离向宽度、方位向分辨率、距离向分辨率、入射角、定标系数、成像时间、雷达视向、四角坐标等。利用四角坐标进行地理定位,利用掩模数据掩模陆地数据,利用定标系数计算SAR后向散射系数。
步骤3,对SAR影像进行子图像切分并进行图像降噪处理,基于像素宽度把一幅SAR影像数据切分成个无重叠的正方形子区域(默认大小为1024像素*1204像素)用于后续SAR图像谱分析使用,如图3所示,切分的子图像垂直和水平蓝色实线为经纬度方向;白色虚线矩形框为子图像之一。
SAR子图像降噪采用高斯低通滤波实现滤波降噪处理。高斯滤波公式如下,
式中,x,y为SAR子图像像素点坐标,σ为正态分布的标准差。
步骤4,利用二维快速傅里叶变换对SAR子图像进行图像谱估计,并利用高斯函数对谱进行平滑。
采用二维傅里叶变换进行图像谱估计,二维离散傅里叶变换的公式如下所示。
式中f(x,y)代表一幅大小为M x N的矩阵,其中x=0,1,2,···,M-1和y=0,1,2,···,N-1,F(u,v)表示f(x,y)的傅里叶变换。
步骤5,SAR图像谱局地谱峰极值搜索,对平滑后的SAR图像谱利用一阶差分结合比较判别法搜索局地谱峰极值位置并进行标记。
波峰位置的判别准则:一阶差分异号且f(x,y)>f(x-1,y)。
式中,f(x,y)与步骤(4)定义相同。
步骤6,局地谱峰位置图像谱分离,利用外部10m高海面风速结合经验海浪谱进行谱峰宽度参数估计,基于估算的谱宽度参数进行谱峰位置图像谱的谱域进行分离。
采用P-M谱,PM谱为经验谱,皮尔逊和莫斯克维奇于1964年根据在北大西洋一定点上测得大量数据提出;PM谱依据的资料比较充分,分析方法合理,使用也方便。其形式如下,
式中:α=0.0081;β=0.74
ω是角频率;
g为重力加速度;
U为离海面19.5m处的风速。
本发明技术中,谱宽计算公式
其中,mn=∫ωnS(ω)dω
S(ω)为海浪频谱;
ω为角频率。
步骤7,对分离后的图像谱进行噪声图像谱剔除,假设一般海浪谱谱形状为高斯分布,利用二维高斯曲面拟合,结合相关分析方法剔除噪声图像谱。
二元高斯曲面拟合函数为:
其中,A为高斯分布的幅值,x0,y0分别为曲面峰值对应的x,y坐标,σx、σy分别表示为x,y方向的标准差。
用最小二乘法进行曲面拟合,为方便计算,将上式两边同时取对数得
即
ln(f)=ax2+by2+cx+dy+e
其中,
因此,求解该问题可以转化为求解二元三次多项式的拟合问题,其最小二乘模型为,
Q=min∑(ax2+by2+cx+dy+e-ln(f))2
根据最小条件,对每个变量求偏导并令其为零,得到方程组:
进一步变换为:
得到线性方程组:
BK=C
解此线性方程组得到高斯函数的各项参数:
K=B-1C
解此线性方程组后可得到相应的a,b,c,d,e值,可反解出的A,x0,y0,σx,σy值,从而确定拟合的曲面方程。
采用拟合后图像谱与原图像谱的相关性进行噪声谱识别,相关函数定义式如下公式,
其中,Cov(x,y)为x与y的协方差,Var[x]为x的方差,Var[y]为的y方差。
步骤8,重复步骤上述(7)步骤直到所有分离后的图像谱噪声判别完成,并输出识别出4个SAR海浪的图像谱,如图4(a)所示。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;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:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,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范围。
Claims (8)
1.一种星载SAR海面影像包含无叠掩多峰海浪图像谱的剖分方法,其特征在于,包括以下步骤:
步骤(1)、获取一景SAR影像数据和元数据信息;
步骤(2)、利用步骤(1)获取的信息对SAR影像数据进行预处理,主要包括地理定位,陆地掩模,辐射定标操作;
步骤(3)、对步骤(2)获得的预处理后SAR影像数据进行子图像切分;
步骤(4)、对步骤(3)所获得的SAR子图像数据利用二维傅里叶变换进行SAR海浪图像谱估计;
步骤(5)、对步骤(4)获得的SAR海浪图像谱搜索局地谱峰位置并进行标记;
步骤(6)、结合外部10m高海面风速,依据(5)步骤标记的谱峰位置,对图像谱的谱域进行逐个分离;
步骤(7)、对步骤(6)分离后的图像谱逐个进行噪声谱识别并剔除;
步骤(8)、对步骤(7)剔除噪声图像谱剩下的图像谱作为剖分后海浪图像谱输出。
2.如权利要求1所述的一种星载SAR海面影像包含无叠掩多峰海浪图像谱的剖分方法,其特征在于:步骤(2)包括解析SAR影像数据,获取后向散射强度数据;解析元数据,获取SAR影像的方位向宽度、距离向宽度、方位向分辨率、距离向分辨率、入射角、定标系数、成像时间、雷达视向、四角坐标;利用四角坐标进行地理定位,利用掩模数据掩模陆地数据,利用定标系数计算SAR后向散射系数。
3.如权利要求1所述的一种星载SAR海面影像包含无叠掩多峰海浪图像谱的剖分方法,其特征在于:步骤(3)基于像素宽度把一幅SAR影像数据切分成多个无重叠的正方形子区域用于后续SAR图像谱分析使用;
SAR子图像降噪采用高斯低通滤波实现滤波降噪处理,高斯滤波公式如下:
式中,x,y为SAR子图像像素点坐标,σ为正态分布的标准差。
4.如权利要求3所述的一种星载SAR海面影像包含无叠掩多峰海浪图像谱的剖分方法,其特征在于:步骤(4)利用二维快速傅里叶变换对SAR子图像进行图像谱估计,并利用高斯函数对谱进行平滑;
采用二维傅里叶变换进行图像谱估计,二维离散傅里叶变换的公式如下所示:
式中f(x,y)代表一幅大小为M x N的矩阵,其中x=0,1,2,···,M-1和y=0,1,2,···,N-1,F(u,v)表示f(x,y)的傅里叶变换。
5.如权利要求4所述的一种星载SAR海面影像包含无叠掩多峰海浪图像谱的剖分方法,其特征在于:步骤(5)对平滑后的SAR图像谱利用一阶差分结合比较判别法搜索局地谱峰位置并进行标记;
谱峰位置的判别准则:一阶差分异号且f(x,y)>f(x-1,y)。
6.如权利要求5所述的一种星载SAR海面影像包含无叠掩多峰海浪图像谱的剖分方法,其特征在于:步骤(6)利用外部10m高海面风速结合经验海浪谱进行谱峰宽度参数估计,基于估算的谱宽度参数进行谱峰位置图像谱的谱域进行分离;采用P-M谱,PM谱为经验谱,其形式如下:
式中:α=0.0081;β=0.74
g为重力加速度;
U19.5为离海面19.5m处的风速;
谱宽计算公式
其中,mn=∫ωnS(ω)dω
S(ω)为海浪频谱;
ω为角频率。
7.如权利要求6所述的一种星载SAR海面影像包含无叠掩多峰海浪图像谱的剖分方法,其特征在于:步骤(7)对分离后的图像谱进行噪声图像谱剔除,假设一般海浪谱谱形状为高斯分布,利用二维高斯曲面拟合,结合相关分析方法剔除噪声图像谱;二元高斯曲面拟合函数为:
其中,A为高斯分布的幅值,x0,y0分别为曲面峰值对应的x,y坐标,σx、σy分别表示为x,y方向的标准差;
用最小二乘法进行曲面拟合,将上式两边同时取对数得
即
其中,
因此,求解该问题可以转化为求解二元三次多项式的拟合问题,其最小二乘模型为:
Q=min∑(ax2+by2+cx+dy+e-ln(f))2
根据最小条件,对每个变量求偏导并令其为零,得到方程组:
进一步变换为:
得到线性方程组:
BK=C
解此线性方程组得到高斯函数的各项参数:
K=B-1C
解此线性方程组后可得到相应的a,b,c,d,e值,可反解出的A,x0,y0,σx,σy值,从而确定拟合的曲面方程;
采用拟合后图像谱与原图像谱的相关性进行噪声谱识别,相关函数定义式如下公式:
其中,Cov(x,y)为x与y的协方差,Var[x]为x的方差,Var[y]为y的方差。
8.如权利要求1所述的一种星载SAR海面影像包含无叠掩多峰海浪图像谱的剖分方法,其特征在于:步骤(8)重复步骤上述步骤(7)直到所有分离后的图像谱噪声判别完成,并输出SAR海浪图像谱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211402353.5A CN115980744B (zh) | 2022-11-10 | 2022-11-10 | 一种星载sar影像数据无叠掩多峰海浪图像谱分离的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211402353.5A CN115980744B (zh) | 2022-11-10 | 2022-11-10 | 一种星载sar影像数据无叠掩多峰海浪图像谱分离的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115980744A CN115980744A (zh) | 2023-04-18 |
CN115980744B true CN115980744B (zh) | 2024-03-22 |
Family
ID=85956884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211402353.5A Active CN115980744B (zh) | 2022-11-10 | 2022-11-10 | 一种星载sar影像数据无叠掩多峰海浪图像谱分离的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115980744B (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005043333A (ja) * | 2003-07-19 | 2005-02-17 | National Institute Of Information & Communication Technology | レーダ画像からの波浪方向スペクトル逆推定方法及びシステム |
CN1898674A (zh) * | 2003-10-20 | 2007-01-17 | 瑟诺生物科学有限责任公司 | 用于校准质谱仪(ms)与其它仪器系统和用于处理ms与其它数据的方法 |
GB0912799D0 (en) * | 2009-07-23 | 2009-08-26 | Univ Loughborough | Apparatus |
CN102288943A (zh) * | 2011-07-08 | 2011-12-21 | 西安电子科技大学 | 基于两视实图像处理的单通道sar-gmti方法 |
CN102508219A (zh) * | 2011-10-17 | 2012-06-20 | 中国人民解放军理工大学气象学院 | 风廓线雷达湍流目标检测方法 |
CN103383455A (zh) * | 2013-07-03 | 2013-11-06 | 南京信息工程大学 | 基于阴影恢复形状技术的海浪参数提取方法 |
CA2981085A1 (en) * | 2015-03-06 | 2016-09-15 | Micromass Uk Limited | Spectrometric analysis |
CN106646402A (zh) * | 2016-11-11 | 2017-05-10 | 上海无线电设备研究所 | 一种近岸海域电磁脉冲雷达回波仿真方法 |
CN107179310A (zh) * | 2017-06-01 | 2017-09-19 | 温州大学 | 基于鲁棒噪声方差估计的拉曼光谱特征峰识别方法 |
US9818178B1 (en) * | 2016-07-14 | 2017-11-14 | Interra Systems, Inc. | Method and system for detection of ghosting artifact in a video |
CN109782287A (zh) * | 2019-03-12 | 2019-05-21 | 国家海洋局北海预报中心 | 一种通过高频地波雷达反演涌浪波高的方法 |
CN111352083A (zh) * | 2020-01-17 | 2020-06-30 | 武汉大学 | 一种高频地波雷达多接收通道增益自动校准方法及装置 |
CN111738347A (zh) * | 2020-06-28 | 2020-10-02 | 国家海洋环境预报中心 | 海浪方向谱订正方法、装置、存储介质和电子设备 |
CN112014839A (zh) * | 2020-08-06 | 2020-12-01 | 南京信息工程大学 | 一种消除噪声对相参x波段雷达观测海浪的影响的方法 |
EP3745444A1 (en) * | 2019-05-30 | 2020-12-02 | Thermo Finnigan LLC | Operating a mass spectrometer utilizing mass spectral database search |
CN112733801A (zh) * | 2021-01-22 | 2021-04-30 | 国家卫星海洋应用中心 | 海洋内波发生频率的计算方法、装置和电子设备 |
CN112986946A (zh) * | 2021-04-01 | 2021-06-18 | 武汉大学 | 一种利用多频率高频雷达海洋回波反演无向海浪谱的方法 |
CN113204020A (zh) * | 2021-03-23 | 2021-08-03 | 南京信息工程大学 | 一种基于频谱分割的海浪波谱仪斑点噪声谱估计方法 |
CN114355306A (zh) * | 2021-12-06 | 2022-04-15 | 武汉大学 | 一种利用小孔径高频雷达海洋回波反演浪高的方法 |
CN115236664A (zh) * | 2022-07-05 | 2022-10-25 | 哈尔滨工程大学 | 一种航海雷达图像反演有效波高的方法 |
-
2022
- 2022-11-10 CN CN202211402353.5A patent/CN115980744B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005043333A (ja) * | 2003-07-19 | 2005-02-17 | National Institute Of Information & Communication Technology | レーダ画像からの波浪方向スペクトル逆推定方法及びシステム |
CN1898674A (zh) * | 2003-10-20 | 2007-01-17 | 瑟诺生物科学有限责任公司 | 用于校准质谱仪(ms)与其它仪器系统和用于处理ms与其它数据的方法 |
GB0912799D0 (en) * | 2009-07-23 | 2009-08-26 | Univ Loughborough | Apparatus |
CN102288943A (zh) * | 2011-07-08 | 2011-12-21 | 西安电子科技大学 | 基于两视实图像处理的单通道sar-gmti方法 |
CN102508219A (zh) * | 2011-10-17 | 2012-06-20 | 中国人民解放军理工大学气象学院 | 风廓线雷达湍流目标检测方法 |
CN103383455A (zh) * | 2013-07-03 | 2013-11-06 | 南京信息工程大学 | 基于阴影恢复形状技术的海浪参数提取方法 |
CA2981085A1 (en) * | 2015-03-06 | 2016-09-15 | Micromass Uk Limited | Spectrometric analysis |
US9818178B1 (en) * | 2016-07-14 | 2017-11-14 | Interra Systems, Inc. | Method and system for detection of ghosting artifact in a video |
CN106646402A (zh) * | 2016-11-11 | 2017-05-10 | 上海无线电设备研究所 | 一种近岸海域电磁脉冲雷达回波仿真方法 |
CN107179310A (zh) * | 2017-06-01 | 2017-09-19 | 温州大学 | 基于鲁棒噪声方差估计的拉曼光谱特征峰识别方法 |
CN109782287A (zh) * | 2019-03-12 | 2019-05-21 | 国家海洋局北海预报中心 | 一种通过高频地波雷达反演涌浪波高的方法 |
EP3745444A1 (en) * | 2019-05-30 | 2020-12-02 | Thermo Finnigan LLC | Operating a mass spectrometer utilizing mass spectral database search |
CN111352083A (zh) * | 2020-01-17 | 2020-06-30 | 武汉大学 | 一种高频地波雷达多接收通道增益自动校准方法及装置 |
CN111738347A (zh) * | 2020-06-28 | 2020-10-02 | 国家海洋环境预报中心 | 海浪方向谱订正方法、装置、存储介质和电子设备 |
CN112014839A (zh) * | 2020-08-06 | 2020-12-01 | 南京信息工程大学 | 一种消除噪声对相参x波段雷达观测海浪的影响的方法 |
CN112733801A (zh) * | 2021-01-22 | 2021-04-30 | 国家卫星海洋应用中心 | 海洋内波发生频率的计算方法、装置和电子设备 |
CN113204020A (zh) * | 2021-03-23 | 2021-08-03 | 南京信息工程大学 | 一种基于频谱分割的海浪波谱仪斑点噪声谱估计方法 |
CN112986946A (zh) * | 2021-04-01 | 2021-06-18 | 武汉大学 | 一种利用多频率高频雷达海洋回波反演无向海浪谱的方法 |
CN114355306A (zh) * | 2021-12-06 | 2022-04-15 | 武汉大学 | 一种利用小孔径高频雷达海洋回波反演浪高的方法 |
CN115236664A (zh) * | 2022-07-05 | 2022-10-25 | 哈尔滨工程大学 | 一种航海雷达图像反演有效波高的方法 |
Non-Patent Citations (5)
Title |
---|
An operational method for separating wind sea and swell from ocean wave spectra;Wang, DW and Hwang, PA;《JOURNAL OF ATMOSPHERIC AND OCEANIC TECHNOLOGY 》;20010101;2052-2062 * |
HH极化TerraSAR-X图像提取海浪要素的方法研究;周圆;邵伟增;邓一兵;;海洋通报;20151215(第06期);全文 * |
X波段导航雷达海流反演技术研究;宋凯;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180615;I136-820 * |
基于同步风场的机载SAR海浪参数反演方法;戈书睿;艾未华;袁凌峰;程玉鑫;马烁;;海洋科学;20161115(第11期);全文 * |
基于特征提取的低信噪比拉曼光谱去噪方法研究;范贤光;王秀芬;王昕;许英杰;阙靖;王小东;何浩;李韦;左勇;;光谱学与光谱分析;20161215(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115980744A (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110031843B (zh) | 基于roi区域的sar图像目标定位方法、系统、装置 | |
CN102609701B (zh) | 基于最佳尺度的高分辨率合成孔径雷达遥感检测方法 | |
US20160379053A1 (en) | Method and Apparatus for Identifying Object | |
EP3559899B1 (en) | Image processing device, method and storage medium for removing clouds from an image | |
Jarabo-Amores et al. | Spatial-range mean-shift filtering and segmentation applied to SAR images | |
CN111027497B (zh) | 基于高分辨率光学遥感影像的弱小目标快速检测方法 | |
CN110764087B (zh) | 一种基于干涉成像高度计的海面风向反加权反演方法 | |
CN107301420A (zh) | 一种基于显著性分析的热红外影像目标探测方法 | |
CN107273803B (zh) | 云层图像检测方法 | |
Chen et al. | A novel scheme for extracting sea surface wind information from rain-contaminated x-band marine radar images | |
Huang et al. | SAR and optical images registration using shape context | |
CN107808170A (zh) | 高光谱遥感图像加性乘性混合噪声参数估计方法 | |
CN112184785B (zh) | 基于mcd度量和vtm的多模态遥感图像配准方法 | |
CN115980744B (zh) | 一种星载sar影像数据无叠掩多峰海浪图像谱分离的方法 | |
CN102800101A (zh) | 一种星载红外遥感图像机场roi快速检测方法 | |
CN111275680B (zh) | 基于Gabor卷积网络的SAR图像变化检测方法 | |
Xiong et al. | Robust line detection of synthetic aperture radar images based on vector radon transformation | |
Kondapalli et al. | Real-time rain severity detection for autonomous driving applications | |
Tsitsipis et al. | Fast estimation of slopes of linear and quasi-linear structures in noisy background, using Fourier methods | |
Zhang et al. | Comparing different localization approaches of the radon transform for road centerline extraction from classified satellite imagery | |
Wang et al. | Edge detection from high-resolution remotely sensed imagery based on Gabor filter in frequency domain | |
Feyissa et al. | An integrated multiscale geometric analysis approach for automatic extraction of power lines from high resolution remote sensing images | |
Jaswanth et al. | Change detection of sar images based on convolution neural network with curvelet transform | |
Suchitha et al. | High spatial resolution hyperspectral image using fusion technique | |
Hung et al. | Texture features and image texture models |
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 |