CN117114998A - 一种用于微波辐射计亮温数据的分辨率增强方法 - Google Patents
一种用于微波辐射计亮温数据的分辨率增强方法 Download PDFInfo
- Publication number
- CN117114998A CN117114998A CN202311392084.3A CN202311392084A CN117114998A CN 117114998 A CN117114998 A CN 117114998A CN 202311392084 A CN202311392084 A CN 202311392084A CN 117114998 A CN117114998 A CN 117114998A
- Authority
- CN
- China
- Prior art keywords
- bright temperature
- iteration
- resolution enhancement
- bright
- microwave radiometer
- 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 86
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000013178 mathematical model Methods 0.000 claims abstract description 10
- 238000012804 iterative process Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000005070 sampling Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 3
- 241000764238 Isis Species 0.000 claims 1
- 238000013499 data model Methods 0.000 claims 1
- 230000001629 suppression Effects 0.000 abstract description 8
- 230000000452 restraining effect Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- GUEIZVNYDFNHJU-UHFFFAOYSA-N quinizarin Chemical compound O=C1C2=CC=CC=C2C(=O)C2=C1C(O)=CC=C2O GUEIZVNYDFNHJU-UHFFFAOYSA-N 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 235000000556 Paullinia cupana Nutrition 0.000 description 1
- 240000003444 Paullinia cupana Species 0.000 description 1
- 235000011449 Rosa Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/48—Thermography; Techniques using wholly visual means
-
- 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
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
- G06T3/4061—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution by injecting details from different spectral ranges
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种用于微波辐射计亮温数据的分辨率增强方法，涉及微波辐射计分辨率增强技术领域。本发明包括以下步骤：搭建交替迭代近似梯度方法的数学模型；对数学模型的变量进行初始化；对初始化的变量进行迭代求解，迭代过程包括：更新迭代次数；二次问题求解；TV范数去噪；亮温值更新；检验是否满足迭代终止条件直至迭代终止，输出亮温值。本发明利用交替迭代的方法进行分辨率和噪声的调节，每次迭代过程中，通过线性去相关方法在目标分辨率网格上进行重建，达到分辨率增强的目的，在所有亮温图像像素点完成去相关操作后，再通过对于反演的亮温图像的TV范数约束达到噪声抑制的目的，显著提高了微波辐射计亮温数据的分辨率。
Description
技术领域
本发明涉及微波辐射计分辨率增强技术领域，具体涉及一种用于微波辐射计亮温数据的分辨率增强方法。
背景技术
星载微波辐射计是大气探测、海洋探测、地表探测以及深空探测的重要遥感手段，可以全天时、全天候获取探测对象的相关重要参数，实现对探测目标的实时连续监测。微波遥感的研究与应用受到国内外的广泛重视，近年来，随着航天技术、电子技术及信息技术的发展，微波遥感技术得到了广泛快速的发展，已逐渐成为面向地表探测、海洋探测、大气探测以及深空探测的重要观测手段。
近年来，随着人类太空活动的推进和对地观测需求的增加，星载微波辐射计技术得到了迅速发展，并在大气、海洋、陆地等遥感领域广泛应用。目前，实孔径微波辐射计是最热门和应用最广泛的微波辐射成像体制。然而，由于星载微波辐射计固有的低空间分辨率问题，其通常只能达到十公里的量级。低空间分辨率限制了微波辐射计的应用，给近岸产品反演带来了极大的阻碍，特别是在台风等极端气候场景下。
在台风等极端气候场景中，强降雨会导致高频通道的观测亮温饱和，无法准确反演出台风眼区域的高风速；而低频通道的亮温测量可以有效穿透降雨，获取海面的极高风速值。然而，由于星载微波辐射计固有的低空间分辨率的限制，无法获得高风速反演产品，这给近岸产品反演和台风监测带来了困难。
因此，如何提高微波辐射计的空间分辨率，便于进行近岸产品反演和台风监测，是本领域的技术人员急需解决的技术问题。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的设计原理为：
本发明重建亮度温度的过程可以解释为在ROF（Rudin-Osher-Fatemi）模型下应用于观察到的亮度温度图像的去卷积和去噪过程；在重建模型中，第一部分是保真项，确保重建的每个点的亮度温度信息与天线测量值相容；第二部分/>的作用是在重建的亮度温度图像的梯度中加强稀疏性，作为一种噪声抑制机制；
本发明的重建模型显式的对噪声进行抑制，通过调节正则化参数可以对重建亮
温分辨率和噪声进行权衡；重建过程是一个迭代求解过程，这里的迭代次数也可以起到控
制分辨率和噪声的作用；在对重建亮温分辨率和噪声进行权衡时，正则化参数可作粗调节
参数，迭代次数可作细调节参数；从而使得算法可以更加灵活的由用户控制分辨率增强和
噪声抑制的程度；
本发明在进行噪声抑制是摒弃了传统方法中在单个像素层面进行处理，采取对整个重建的亮温的2维像素矩阵进行操作，充分利用了周边重建的亮温值的差异信息，有效避免了单个像素重建时出现的过分高/低的亮温值，可在抑制重建噪声的同时保留边界信息。
针对上述技术问题，本发明实施例提供了一种用于微波辐射计亮温数据的分辨率增强方法，以解决上述背景技术中提出的问题。
本发明提供了以下技术方案：
一种用于微波辐射计亮温数据的分辨率增强方法，包括以下步骤：
搭建交替迭代近似梯度方法的数学模型；
对数学模型的变量进行初始化；
对初始化的变量进行迭代求解，迭代过程包括：更新迭代次数；二次问题求解；TV范数去噪；亮温值更新；
检验是否满足迭代终止条件直至迭代终止，输出亮温值。
优选的，在对数学模型的变量进行初始化之前，计算不同位置处天线在地表的增益矩阵；增益矩阵反映了接收系统的性能，此步骤可以帮助校正和校准测量数据，从而提高亮温值的质量和分辨率，以便在后续的迭代中更精确地重建亮温图像。
优选的，交替迭代近似梯度方法的数学模型为：
；其中，代表亮温值区间；
指待增强亮温图像；代表矩阵的TV范数；是正则化系数； U是MN的重建亮温矩阵；对应处天线增益系数，是以为中心
的由矩形框包裹的像素，被定义为对应于处包含的天线增益系数大于用户定义数值
的最小的矩形框；是与匹配的第个亮温值，代表位置处的辐射计观测亮温。优选
的，所述对数学模型的变量进行初始化的步骤包括：初始化，初始增强亮温估计：；其中，为迭代次数。优选的，更新迭代次数：；二次问题求解包括：将
原始模型转化为简单的二次问题求解，其中，，为Lipschitz常数；
TV范数去噪包括：第k+1次迭代重建结果由更新；亮
温值更新中，将定义为亮温值。优选的，原始的天线增益矩阵需要进行离散化、截断和归
一化处理；
具体的，天线在地表的增益在用户定义的网格上离散化，同一扫描线上，不同采样点处天线的视角或方位角的变化将导致天线在地表的增益矩阵发生改变；因此，同一扫描线上不同采样点天线增益矩阵需要单独计算；
用于反演步骤的天线增益矩阵是天线增益矩阵的截断版本；具体地，天线增益矩阵中系数大于用户定义数值的部分保留，其他部分的系数设置为0，再将新的天线增益矩阵归一化。
优选的，所述二次问题求解的步骤中，即对应于第个采样点的天线增益矩阵拉
成的行向量，Lipschitz常数在计算中设置为2。优选的，所述TV范数去噪的步骤中，采用TV
范数去噪，采取的方案是将原始问题转为对偶问题求解，定义矩阵对 ；其中，是组成的矩阵；代表矩阵对，
是一个线性算子，代表的伴随算子。优选的，定义的函数为：
优选的，迭代终止条件包括：当迭代次数达到用户设置的上限或反演亮温图像噪声达到容
忍度上限时，终止迭代。
本发明实施例提供的一种用于微波辐射计亮温数据的分辨率增强方法，具有以下有益效果：本发明，利用交替迭代的方法进行分辨率和噪声的调节，在每次迭代过程中，通过线性去相关方法在目标分辨率网格上进行重建，达到分辨率增强的目的，在所有亮温图像像素点完成去相关操作后，再通过对于反演的亮温图像的TV范数约束达到噪声抑制的目的，显著提高了微波辐射计亮温数据的分辨率。
附图说明
图1为本发明方法的实施例进行微波辐射计数据分辨率增强的流程示意图；
图2为本发明方法的实施例APG方法与Backus-Gilbert(BG)方法对海洋2号卫星扫描辐射计6.925 GHz通道海陆交接区域实测数据的反演结果对比图；
图3为本发明方法的实施例APG方法与Backus-Gilbert(BG)方法对海洋2号卫星扫描辐射计6.925 GHz通道高风速气旋区域实测数据的反演结果对比图，图中的样例为台风罗莎；
图2中，(a)为扫描辐射计（SMR）6.925GHz亮温图像；(b)为扫描辐射计(SMR) 37GHz亮温图像；(c)为APG方法对(a)的增强结果；(d)为 BG方法对(a)的增强结果；
图3中， (a)为 扫描辐射计（SMR）6.925GHz亮温图像；(b)为扫描辐射计(SMR)37GHz亮温图像；(c)为APG方法对(a)的增强结果；(d)为BG方法对(a)的增强结果；(e)为(c)与(a)的差异图像；(f)为(d)与(a)的差异图像。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下，所获得的所有其它实施例，都属于本发明保护的范围。
在本实施例中使用的是海洋2号卫星（HY-2B）扫描辐射计（SMR）的数据，SMR采用圆锥扫描方式，入射角约为53°，刈幅宽度为1600 km，采样密度约为25 km。选取6.925 GHz数据作为样例，该频段数据的分辨率为90*150 km，反演的目标分辨率设为25 km。
如图1所示，一种基于交替迭代近似梯度(APG)的微波辐射计亮温数据的分辨率增强方法，需要先将微波辐射计的天线方向图在地面进行投影获取截断的天线在地表的增益矩阵，截断准则可由用户自定，一般选取大于天线方向图峰值增益-3dB以上的部分，为得到更可靠的增强数据可适当降低截断门槛，同时需要注意的是降低截断门槛会显著增加天线在地表的增益矩阵的尺寸，会使得运算量增加，在本实施例中选取-9dB作为截断准则。
APG方法的重建模型为
，其中，代表亮温值
区间；指待增强亮温图像；代表矩阵的TV范数；是正则化系数；U是MN的重建
亮温矩阵；对应处的截断天线增益系数，是以为中心的由矩形框包裹的像素，被定义为对应于处包
含的天线增益系数大于用户定义数值的最小的矩形框；。是与匹配的第个亮温值，
代表位置处的辐射计观测亮温。迭代求解过程包括以下步骤：
首先，需进行迭代次数的初始化初始增强亮温估计：；迭代过程，
第k+1次迭代具体步骤如下：
更新迭代次数：；二次问题求解，将原始模型转化为简单的二次问题求解，其中，，为Lipschitz常数，Lipschitz常数在计算中
设置为2；TV范数去噪，第k+1次迭代重建结果由更
新；采取的方案是将原始问题转为对偶问题求解，在实验中设置为1e-6，定义矩阵对 ；其中，是组成的矩阵；代表矩阵对，
是一个线性算子，代表的伴随算子。更新最优解 检验
是否满足迭代终止条件，当迭代次数达到用户设置的上限或反演亮温图像噪声达到容忍度
上限时，最终的重建亮温的返回结果由表示；否则进入下一次迭代。
下面结合2个仿真实施例对本发明的优越性作进一步的说明，以下实施例分别采用BG方法和本发明（APG）方法对SMR 6.925 GHz的数据进行亮温增强。
对于海陆交接区域，此区域选择的是相对误差，均方误差最小时对应的调节参数。如图2所示，选取了亚马逊和三角洲区域进行分辨率增强，BG方法和APG方法的增强亮温图像中亚马逊河流域和马拉霍湾河口的轮廓更加清晰。此外，由于圭亚那高原植被范围的空间变化而引起的亮度的明显变化也反映在增强的亮温图像中，而原始SMR亮度图像中并没有这些信息。与37 GHz的亮温图像相比，APG方法不会导致奎亚那高地的区域范围扩大，而BG方法的反演图像中奎亚那高地的区域范围扩大明显。APG方法增强的亮温图像保留的边界信息的同时噪声更低。因此，APG方法增强的亮温图像更可靠。
对于高风速气旋的反演，此区域选择噪声不超过原始SMR亮温图像的条件下SRF最小时对应的调节参数。如图3所示，BG方法和APG方法都能够增强亮温图像，并清晰地显示气旋的多层眼壁，包括内部和外部结构。这些增强的图像为进一步分析气旋形态提供了有用的信息。特别是，APG方法增强的亮温图像更加清晰地分离了多层眼壁之间的结构。
此处需要强调的是，APG方法是ROF（Rudin-Osher-Fatemi）模型下对微波辐射计观测到的亮度温度图像进行反褶积和去噪的过程，是一种线性求解方法。在重建模型中，包含重建结果保真项，确保每个点的重建亮度温度信息与天线测量值一致，在此基础上还包含一个噪声抑制机制，用于加强重建的亮度温度图像的梯度中的稀疏性。
APG方法与长期以来星载辐射计数据的分辨率增强官方算法，即Backus-Gilbert(BG)方法相比，在算法效率方面，改进了BG方法由于算法执行过程中不可避免的大尺寸矩阵求逆的计算需求造成的时间成本巨大问题；在噪声抑制方面，摒弃了BG方法基于L2范数在单个亮度温度值（TB）反演过程中进行正则约束，APG方法采用总变分(TV)的正则化方法在反演的二维TB阵列层面进行约束，能够达到在重建过程中抑制噪声，同时保留边界信息的目的。APG方法仅包含简单的线性求解，极大的缩减了时间成本，且抗噪性能得到了明显提升，扩大了方法的适用性。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种用于微波辐射计亮温数据的分辨率增强方法，其特征在于，包括以下步骤：
搭建交替迭代近似梯度方法的数学模型；
对数学模型的变量进行初始化；
对初始化的变量进行迭代求解，迭代过程包括：更新迭代次数；二次问题求解；TV范数去噪；亮温值更新；
检验是否满足迭代终止条件直至迭代终止，输出亮温值。
2.根据权利要求1所述的用于微波辐射计亮温数据的分辨率增强方法，其特征在于，在对数学模型的变量进行初始化之前，计算不同位置处天线在地表的增益矩阵。
3.根据权利要求1所述的用于微波辐射计亮温数据的分辨率增强方法，其特征在于，
交替迭代近似梯度方法的数学模型为：
；其中，代表亮温值区间；指
待增强亮温图像；代表矩阵的TV范数；是正则化系数；U是MN的重建亮温矩阵；对应处天线增益系数，是以为中心的由
矩形框包裹的像素，被定义为对应于处包含的天线增益系数大于用户定义数值的最
小的矩形框；是与匹配的第个亮温值，代表位置处的辐射计观测亮温。
4.根据权利要求1所述的用于微波辐射计亮温数据的分辨率增强方法，其特征在于，所述
对数学模型的变量进行初始化的步骤包括：初始化，，初始增强亮温估计：；其
中，为迭代次数。
5.根据权利要求1所述的用于微波辐射计亮温数据的分辨率增强方法，其特征在于，更新迭
代次数：；二次问题求解包括：将原始模型转化为
简单的二次问题求解，其中，，为Lipschitz常数；TV范数去噪包括：第k+1次迭代重建结果由更新；亮温值更新中，将定义为亮温值。
6.根据权利要求1所述的用于微波辐射计亮温数据的分辨率增强方法，其特征在于，原始的天线增益矩阵需要进行离散化、截断和归一化处理。
7.根据权利要求5所述的用于微波辐射计亮温数据的分辨率增强方法，其特征在于，所
述二次问题求解的步骤中，即对应于第个采样点的天线增益矩阵拉成的行向量，
Lipschitz常数在计算中设置为2。
8.根据权利要求5所述的用于微波辐射计亮温数据的分辨率增强方法，其特征在于，所
述TV范数去噪的步骤中，采用TV范数去噪，采取的方案是将原始问题转为对偶问题求解，定
义矩阵对 其中，是组成的矩阵；代
表矩阵对，是一个线性算子，代表的伴随算子。
9.根据权利要求5所述的用于微波辐射计亮温数据的分辨率增强方法，其特征在于，定
义的函数为：。
10.根据权利要求1所述的用于微波辐射计亮温数据的分辨率增强方法，其特征在于，迭代终止条件包括：当迭代次数达到用户设置的上限或反演亮温图像噪声达到容忍度上限时，终止迭代。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311392084.3A CN117114998B (zh) | 2023-10-25 | 2023-10-25 | 一种用于微波辐射计亮温数据的分辨率增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311392084.3A CN117114998B (zh) | 2023-10-25 | 2023-10-25 | 一种用于微波辐射计亮温数据的分辨率增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117114998A true CN117114998A (zh) | 2023-11-24 |
| CN117114998B CN117114998B (zh) | 2024-02-06 |
Family
ID=88806071
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311392084.3A Active CN117114998B (zh) | 2023-10-25 | 2023-10-25 | 一种用于微波辐射计亮温数据的分辨率增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117114998B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1738683A1 (en) * | 2005-06-30 | 2007-01-03 | Pixartis SA | Microwave temperature image reconstruction |
| CN103792538A (zh) * | 2014-02-24 | 2014-05-14 | 北京航空航天大学 | 一种基于地基高光谱微波辐射计的大气廓线反演方法 |
| CN105353375A (zh) * | 2015-10-28 | 2016-02-24 | 华中科技大学 | 一种镜像综合孔径辐射计反演方法 |
| WO2016070167A1 (en) * | 2014-11-01 | 2016-05-06 | Mayo Foundation For Medical Education And Research | Sparse reconstruction strategy for multi-level sampled mri |
| US20170178316A1 (en) * | 2015-12-18 | 2017-06-22 | Carestream Health, Inc. | Accelerated statistical iterative reconstruction |
| CN109725316A (zh) * | 2018-12-18 | 2019-05-07 | 中国人民解放军国防科技大学 | 一种基于一维综合孔径微波辐射计海面温度物理反演方法 |
| CN111583149A (zh) * | 2020-05-08 | 2020-08-25 | 西安电子科技大学 | 一种基于l1-l0范数最小化的气动热辐射图像自动校正方法 |
| CN112733394A (zh) * | 2020-12-21 | 2021-04-30 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种大气参数反演方法及装置 |
| CN115170432A (zh) * | 2022-07-26 | 2022-10-11 | 北京理工大学 | 一种微波太赫兹辐射计空间分辨率增强方法及装置 |
| CN115358924A (zh) * | 2022-07-15 | 2022-11-18 | 中国海洋大学 | 一种深度学习星载微波辐射计遥感亮温超分辨率重建方法 |
-
2023
- 2023-10-25 CN CN202311392084.3A patent/CN117114998B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1738683A1 (en) * | 2005-06-30 | 2007-01-03 | Pixartis SA | Microwave temperature image reconstruction |
| WO2007004127A1 (en) * | 2005-06-30 | 2007-01-11 | Pixartis Sa | Microwave temperature image reconstruction |
| CN103792538A (zh) * | 2014-02-24 | 2014-05-14 | 北京航空航天大学 | 一种基于地基高光谱微波辐射计的大气廓线反演方法 |
| WO2016070167A1 (en) * | 2014-11-01 | 2016-05-06 | Mayo Foundation For Medical Education And Research | Sparse reconstruction strategy for multi-level sampled mri |
| CN105353375A (zh) * | 2015-10-28 | 2016-02-24 | 华中科技大学 | 一种镜像综合孔径辐射计反演方法 |
| US20170178316A1 (en) * | 2015-12-18 | 2017-06-22 | Carestream Health, Inc. | Accelerated statistical iterative reconstruction |
| CN109725316A (zh) * | 2018-12-18 | 2019-05-07 | 中国人民解放军国防科技大学 | 一种基于一维综合孔径微波辐射计海面温度物理反演方法 |
| CN111583149A (zh) * | 2020-05-08 | 2020-08-25 | 西安电子科技大学 | 一种基于l1-l0范数最小化的气动热辐射图像自动校正方法 |
| CN112733394A (zh) * | 2020-12-21 | 2021-04-30 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种大气参数反演方法及装置 |
| CN115358924A (zh) * | 2022-07-15 | 2022-11-18 | 中国海洋大学 | 一种深度学习星载微波辐射计遥感亮温超分辨率重建方法 |
| CN115170432A (zh) * | 2022-07-26 | 2022-10-11 | 北京理工大学 | 一种微波太赫兹辐射计空间分辨率增强方法及装置 |
Non-Patent Citations (6)
| Title |
|---|
| GUO X ET AL.: "LIME：low- light image enhancement via illumination map estimation", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
| 刘怡;王振占;殷晓斌;姜景山;: "基于全极化微波辐射计WindSat亮温数据的海面风场反演", 高技术通讯, no. 05 * |
| 吴洋: "一种复合局部与非局部梯度的图像去噪变分模型", 《电讯技术》, vol. 58, no. 12 * |
| 殷晓斌: "一种用于微波辐射计遥感海表面盐度和温度的反演算法", 《中国科学 D辑 地球科学》, vol. 36, no. 10 * |
| 王桂丽;李兴国;: "基于正则化方法的毫米波图像亮温反演", 南京理工大学学报(自然科学版), no. 01 * |
| 赵斌红: "自适应的低照度图像增强变分模型", 《计算机工程与应用》, vol. 55, no. 9 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117114998B (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109725316B (zh) | 一种基于一维综合孔径微波辐射计海面温度物理反演方法 | |
| CN110632599A (zh) | 一种大气温度廓线直接反演方法及系统 | |
| CN106918810B (zh) | 一种存在阵元幅相误差时的微波关联成像方法 | |
| CN103886559B (zh) | 一种光谱图像处理方法 | |
| CN107966210B (zh) | 基于高光谱图像的热红外融合重构方法 | |
| CN108230375A (zh) | 基于结构相似性快速鲁棒的可见光图像与sar图像配准方法 | |
| CN112733394A (zh) | 一种大气参数反演方法及装置 | |
| CN114331851B (zh) | 基于dem数据生成仿真机载火控雷达sar图像的方法 | |
| CN108318458B (zh) | 一种适用于不同天气条件下的室外典型地物pBRDF的测量方法 | |
| CN116934999A (zh) | 一种基于有限视角图像的NeRF三维重构系统及方法 | |
| CN108983172B (zh) | 一种随机进化约束的sar辐射定标方法 | |
| CN113012276B (zh) | 基于辐射度的地表高分辨率光谱信息遥感反演方法 | |
| CN116776651B (zh) | 地表蒸散发测算方法、装置、电子设备及存储介质 | |
| CN117114998B (zh) | 一种用于微波辐射计亮温数据的分辨率增强方法 | |
| Yuan et al. | [Retracted] Weather Radar Image Superresolution Using a Nonlocal Residual Network | |
| Stamenković et al. | Joining a discrete radiative transfer model and a kernel retrieval algorithm for soil moisture estimation from SAR data | |
| CN114332440B (zh) | 采用stl格式3D模型反演生成目标SAR图像的方法 | |
| CN116128762A (zh) | 卫星影像预处理方法、装置、电子设备及存储介质 | |
| Wang et al. | An improved SAR radiometric terrain correction method and its application in polarimetric SAR terrain effect reduction | |
| CN115902886A (zh) | 基于Renyi熵的ITR-DTV雷达前视超分辨成像方法 | |
| Zhou et al. | Improving ATMS remapping accuracy using adaptive window and noise-tuning method in Backus–Gilbert inversion | |
| Chen et al. | A remapping technique of FY-3D MWRI based on a convolutional neural network for the reduction of representativeness error | |
| CN114880883A (zh) | 山地地表土壤水分遥感估算方法、装置及电子设备 | |
| CN107895169A (zh) | 一种基于envisat asar双极化数据提取湿地信息的方法 | |
| CN109165569B (zh) | 基于ba算法的被动毫米波图像极化信息显示方法 |
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 |