RU2109304C1 - Method of detection of sea surface anomalies - Google Patents
Method of detection of sea surface anomalies Download PDFInfo
- Publication number
- RU2109304C1 RU2109304C1 RU97100436A RU97100436A RU2109304C1 RU 2109304 C1 RU2109304 C1 RU 2109304C1 RU 97100436 A RU97100436 A RU 97100436A RU 97100436 A RU97100436 A RU 97100436A RU 2109304 C1 RU2109304 C1 RU 2109304C1
- Authority
- RU
- Russia
- Prior art keywords
- image
- sections
- anomaly
- roughness
- spatial
- Prior art date
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
Description
Изобретение относится к области океанологии и может найти применение при контроле гидрологических процессов на морской поверхности дистанционными средствами, обнаружения движущихся подводных объектов, течений, участков загрязнений нефтепродуктами. The invention relates to the field of oceanology and can find application in the monitoring of hydrological processes on the sea surface by remote sensing, the detection of moving underwater objects, currents, oil pollution sites.
Аномалия возникает, как правило, при взаимодействии между собой разнородных физических процессов. В частности, аномалия морской поверхности представляет собой результат взаимодействия ветрового волнения и внутренних волн, выходящих на поверхность (от подводных лодок, течений), при изменении поверхностного натяжения воды в местах загрязнения нефтепродуктами, скоплениях планктона и т.д. An anomaly arises, as a rule, in the interaction of heterogeneous physical processes. In particular, the anomaly of the sea surface is the result of the interaction of wind waves and internal waves reaching the surface (from submarines, currents), when the surface tension of water changes in places of pollution by oil products, accumulations of plankton, etc.
Физически, аномалия взволнованной морской поверхности проявляется в изменении пространственного спектра волнения относительно фоновых участков. При радиолокационном или оптическом зондировании морской поверхности за счет изменения диффузиорезонансного рассеяния электромагнитных волн участков с различной "шероховатостью" получаемые изображения отличаются по тону. Причем наличие или отсутствие мелкодисперсных образований на поверхности крупных волн развитого волнения, приводит к изменению удельной эффективной площади рассеяния () морской поверхности.Physically, the anomaly of the agitated sea surface manifests itself in a change in the spatial spectrum of the waves relative to the background areas. When radar or optical sensing of the sea surface due to changes in diffusion resonance scattering of electromagnetic waves of areas with different "roughness", the resulting images differ in tone. Moreover, the presence or absence of finely dispersed formations on the surface of large waves of developed waves leads to a change in the specific effective scattering area ( ) sea surface.
Известен способ когерентного выделения эхо-сигнала морской поверхности (см. , например Тверской Г.Н., Терентьев Г.К., Харченко И.П. Имитаторы эхо-сигналов судовых радиолокационных станций. Л.: Судостроение, 1973, с. 44-54, 3, 2, с. 123, рис. VI. 24, - аналог). There is a method of coherent extraction of the echo signal of the sea surface (see, for example, Tverskoy G.N., Terentyev G.K., Kharchenko I.P. Simulators of echo signals of ship radar stations. L .: Sudostroenie, 1973, p. 44- 54, 3, 2, p. 123, Fig. VI. 24, - analogue).
Недостатками известного аналога являются:
неадекватность используемой статистической модели физическому процессу, а следовательно, и характеристикам реального сигнала;
трудность практической реализации теоретической модели сигнала устройством многоканального когерентного приема.The disadvantages of the known analogue are:
inadequacy of the used statistical model to the physical process, and therefore to the characteristics of the real signal;
the difficulty of practical implementation of a theoretical signal model by a multi-channel coherent reception device.
Ближайшим аналогом по технической сущности к заявляемому способу является метод выделения контурного рисунка на изображении (см., например, Дуда Р.О., Харт П.Е. Распознавание образцов и анализ сцен, перевод с английского. - М.: Мир, 1976, 7.3 Пространственное дифференцирование, с. 287-288, рис. 7.3. The closest analogue in technical essence to the claimed method is the method of highlighting the contour drawing on the image (see, for example, Duda R.O., Hart P.E. Pattern recognition and scene analysis, translation from English. - M .: Mir, 1976, 7.3 Spatial differentiation, pp. 287-288, Fig. 7.3.
Визуальное восприятие образа человеком-оператором происходит на уровне контура рисунка. Поэтому в ближайшем аналоге селекцию объектов осуществляют методом выделения контура объекта путем вычисления градиента скалярной функции интенсивности яркости изображения I (x, y) в каждой точке, на основе расчета оператора Робертса. The visual perception of the image by the human operator occurs at the level of the outline of the figure. Therefore, in the closest analogue, the selection of objects is carried out by selecting the contour of the object by calculating the gradient of the scalar function of the image brightness intensity I (x, y) at each point, based on the calculation of the Roberts operator.
Известный способ реализуется следующей последовательностью технологических операций:
получают изображение подстилающей поверхности;
преобразуют аналоговую функцию интенсивности яркости изображения I (x, y) путем квантования в матрицу дискретных отсчетов размерностью σ строк и столбцов;
выбирают регулярный оператор с апертурой окна 2 • 2 элемента:
элементы которого связаны по диагоналям (двум взаимно ортогональным направлениям) операцией вычитания;
рассчитывают перекрестный оператор Робертса для каждой дискретной точки изображения из соотношения:
- вводят на экран (печать) точки, для которых R(j, i) > 2.The known method is implemented by the following sequence of technological operations:
receive an image of the underlying surface;
transform the analog function of the brightness intensity of the image I (x, y) by quantization into a matrix of discrete samples with dimension σ of rows and columns;
choose a regular operator with a window aperture of 2 • 2 elements:
whose elements are connected along diagonals (two mutually orthogonal directions) by a subtraction operation;
calculate the Roberts cross operator for each discrete image point from the relation:
- enter on the screen (print) points for which R (j, i)> 2.
Известный способ имеет следующие недостатки. The known method has the following disadvantages.
1. При одинаковых условиях зондирования (балльность волнения, азимут ветра, ракурс движения) разница удельных эффективных площадей рассеяния фона и аномалии незначительна, что затрудняет селекцию по тональным признакам изображения. 1. Under the same sounding conditions (wave scores, wind azimuth, angle of motion), the difference in the specific effective areas of background scattering and anomaly is insignificant, which makes it difficult to select according to the tonal characteristics of the image.
2. Появление недопустимо большого числа ложных контуров при пространственном дифференцировании, зашумленность контурного рисунка второстепенными деталями снижают достоверную идентификацию аномалий. 2. The appearance of an unacceptably large number of false contours during spatial differentiation, the noisiness of the contour pattern with minor details reduce the reliable identification of anomalies.
Задача, решаемая данным изобретением, заключается в повышении эффективности и достоверности выделения аномалий путем текстурной обработки фрактальных участков изображения для восстановления пространственного спектра волнения и расчета на его основе вновь введенного интегрального признака - отношения "шершавостей" фона и аномалии. The problem solved by this invention is to increase the efficiency and reliability of isolating anomalies by texture processing of fractal parts of the image to restore the spatial spectrum of the waves and calculate on its basis the newly introduced integral feature - the ratio of the "roughness" of the background and anomaly.
Поставленная задача достигается тем, что в способе обнаружения аномалий морской поверхности, включающем получение ее изображения, преобразование пространственной зависимости функции яркости изображения 1 (x, y) в матрицу цифровых отсчетов, обработку матрицы, осуществляют разбиение кадра изображения на мозаику фрактальных участков, последовательное вычисление пространственного спектра волнения каждого участка, расчет автокорреляционной функции электрического сигнала анализируемого участка, оценку "шершавости" участка по интегральному признаку и сравнивание его с шершавостью фона (Z0), вывод на отображение участков, для которых пороговое отношение П = Z/Z0 > 2, синтез из последовательно проанализированных мозаичной картины аномалии, где B, B0 - максимальные значения автокорреляционных функций электрического сигнала матриц участков соответственно фона и аномалии; R0, R - ширина автокорреляционных функций фона и аномалии на уровне 0,1 их максимального значения.The problem is achieved in that in the method for detecting anomalies of the sea surface, including obtaining its image, transforming the spatial dependence of the image brightness function 1 (x, y) into a matrix digital samples, processing the matrix, the image frame is divided into a mosaic of fractal sections, sequentially calculating the spatial wave spectrum of each section, calculating the autocorrelation function of the electrical signal of the analyzed section, assessing the roughness of the section by an integral feature and comparing it with the roughness of the background (Z 0 ), displaying on the sections for which the threshold ratio P = Z / Z 0 > 2, synthesis from the sequentially analyzed mosaic picture of the anomaly, where B, B 0 are the maximum values of the autocorrelation functions of the electric matrix signal sections of the background and anomaly, respectively; R 0 , R is the width of the autocorrelation functions of the background and anomalies at the level of 0.1 of their maximum value.
Сопоставительный анализ заявляемого технического решения с ближайшим аналогом показывает, что заявляемый способ отличается от известного введением новых технологических операций, обеспечивающих достижение свойств, закономерности которых проявились в заявленном объекте впервые. Действительно, в ближайшем аналоге контурный рисунок аномалии получают обработкой матрицы дискретных отсчетов окном фиксированной апертуры и маской известной, регулярной процедуры (оператор Робертса). В заявляемом способе образ аномалии на изображении синтезируют из мозаичных фрактальных участков, выделяемых по пороговому признаку, причем уровень сигнала отображаемого фрактала пропорционален вновь введенному признаку Z = R/B, представляющему собой отношение показателя "шероховатости" участка к средней мощности флуктуаций сигнала данного участка изображения. Это позволяет утверждать, что заявляемый способ удовлетворяет критерию "изобретательский уровень". A comparative analysis of the proposed technical solution with the closest analogue shows that the claimed method differs from the known introduction of new technological operations that ensure the achievement of properties whose patterns were manifested in the claimed object for the first time. Indeed, in the closest analogue, the contour pattern of the anomaly is obtained by processing the matrix of discrete samples with a fixed aperture window and a mask of a known, regular procedure (Roberts operator). In the inventive method, the image anomalies in the image are synthesized from mosaic fractal sections selected by a threshold feature, the signal level of the displayed fractal being proportional to the newly introduced feature Z = R / B, which is the ratio of the roughness index of the area to the average power of the signal fluctuations in this image area. This allows us to argue that the claimed method meets the criterion of "inventive step".
Наличие таких признаков, как вновь введенные операции, повышающие достоверность идентификации аномалий, получение образа аномалии в виде мозаичной картины фракталов, выделенных на основе использования вновь введенного интегрального признака, позволяет сделать вывод о соответствии заявляемого технического решения критерию "существенные отличия". The presence of such features as newly introduced operations that increase the reliability of identification of anomalies, obtaining an anomaly image in the form of a mosaic of fractals, selected based on the use of the newly introduced integral feature, allows us to conclude that the claimed technical solution meets the criterion of "significant differences".
Техническая сущность изобретения заключается в следующем. Взаимодействие внутренних волн с ветровым волнением вызывает локальные поверхностные течения с чередующимися зонами конвергенции (сходимости векторов скорости) и дивергенции (расходимости). Диапазон взаимодействия ветрового волнения с вектором скорости внутренних волн очень широк, что порождает множество форм взаимодействия и неоднозначность проявления следовых аномалий. На настоящий момент при анализе изображений морской поверхности вследствие ее пространственной и временной изменчивости используются косвенные дешифровочные признаки. Реальным путем продолжения перечисленных сложностей является использование интегральных статистических характеристик аномалий. К числу статистических характеристик относится эффективная ( σ ) отражающая поверхность, однако контрастность данного параметра относительно фона составляет 0,5 - 1,5 дб. Другой статистической характеристикой, имеющей ясный физический смысл и существенный интервал изменения, является пространственный спектр волнения. Установлено на физической модели (см., например, Щербаков Ф.С., Давыдов В.Ф. Селекция кильватерного следа подводных лодок на морской поверхности по его радиоизображению. Сборник Вопросы специального машиностроения, серия 4, вып. 10(202). Миноборонпром, СССР 1990), что в области аномалии происходит демпфирование в первую очередь высокочастотных составляющих пространственного спектра. В результате интервал пространственных частот сокращается в несколько раз. Поэтому для достоверной идентификации аномалий целесообразно проводить селектирование непосредственно по данному физическому признаку. Изменение пространственного спектра волнения отражается как изменение текстуры изображения, проявляющееся в чередовании светлых и темных полос. Поэтому текстурная обработка изображений позволяет выявить скрытые закономерности как пространственно-геометрических, так и спектральных признаков аномалий. The technical essence of the invention is as follows. The interaction of internal waves with wind waves causes local surface flows with alternating zones of convergence (convergence of velocity vectors) and divergence (divergence). The range of interaction of wind waves with the velocity vector of internal waves is very wide, which gives rise to many forms of interaction and the ambiguity of the manifestation of trace anomalies. At present, when analyzing images of the sea surface due to its spatial and temporal variability, indirect decoding features are used. The real way to continue these difficulties is to use the integrated statistical characteristics of the anomalies. Among the statistical characteristics is the effective (σ) reflecting surface, however, the contrast of this parameter relative to the background is 0.5 - 1.5 dB. Another statistical characteristic that has a clear physical meaning and a significant change interval is the spatial spectrum of the waves. Installed on a physical model (see, for example, Shcherbakov F.S., Davydov V.F. Selection of wake trails of submarines on the sea surface according to its radio image. Collection Issues of Special Engineering,
Количественной мерой "шероховатости" взволнованной поверхности являются автокорреляционные функции отраженного сигнала. По определению (см., например, Заездный А.М. Основы расчетов по статистической радиотехнике. М.: изд. Связь, 1969, с. 94, формула 7.35) автокорреляционная функция B(R) процесса вычисляется как обратное Фурье преобразование от его энергетического спектра S(F). A quantitative measure of the roughness of an excited surface is the autocorrelation function of the reflected signal. By definition (see, for example, Zaezdny AM, Fundamentals of Calculations in Statistical Radio Engineering. M: ed. Svyaz, 1969, p. 94, formula 7.35), the autocorrelation function B (R) of a process is calculated as the inverse Fourier transform of its energy spectrum S (F).
В связи с разработкой и практическим применением алгоритмов быстрого преобразования Фурье (БПФ) вся процедура вычисления автокорреляционных функций участков может быть автоматизирована. О реализуемости программных методов расчета автокорреляционных функций (см., например, Марпл С.А. Цифровой спектральный анализ и его приложения. Перевод с английского, М.: Мир, 1990, с. 77-79).
In connection with the development and practical application of fast Fourier transform (FFT) algorithms, the entire procedure for calculating the autocorrelation functions of sections can be automated. On the feasibility of software methods for calculating autocorrelation functions (see, for example, Marple S.A. Digital spectral analysis and its applications. Translation from English, Moscow: Mir, 1990, pp. 77-79).
Энергетический спектр сигнала S(F) связан с его амплитудным спектром G(f) соотношением: (см. , например, Заездный А.М. Основы расчетов на статистической радиотехнике. М.: Связьиздат 1969, с. 93, формула 7.30)
AB - размер участка (фрактала).The energy spectrum of the signal S (F) is related to its amplitude spectrum G (f) by the relation: (see, for example, Zaezdny AM, Fundamentals of Calculations on Statistical Radio Engineering. M: Svyazizdat 1969, p. 93, formula 7.30)
AB is the size of the plot (fractal).
В свою очередь, амплитудный спектр участка вычисляется программным расчетом прямого БПФ в соответствии с зависимостью
а затем преобразуют двумерный комплексный спектр Фурье G(fx, fy) в огибающую пространственного спектра G(f) интегрированием его по сегментным участкам.In turn, the amplitude spectrum of the plot is calculated by software calculation of the direct FFT in accordance with the dependence
and then transform the two-dimensional complex Fourier spectrum G (f x , f y ) into the envelope of the spatial spectrum G (f) by integrating it over the segment segments.
О реализуемости программных методов расчета параметров электрического сигнала матрицы по операциям заявляемого способа (см., например, Методы и аппаратура цифровой обработки изображений, версии 2.1; 2.2. "Маски интегрирования Фурье спектра", с. 61-64, Технический отсчет МГУ, 1986). On the feasibility of software methods for calculating the parameters of the matrix electric signal from the operations of the proposed method (see, for example, Methods and equipment for digital image processing, version 2.1; 2.2. "Fourier spectrum integration masks", pp. 61-64, Technical reading of Moscow State University, 1986) .
На фиг. 1 иллюстрированы визуализированные отображения пространственных спектров Фурье фрактальных участков изображения морской поверхности при волнении порядка 2...3 баллов. На фиг. 2, 3 приведены графики восстановленных (программным расчетом) огибающих пространственного спектра участков и их автокорреляционных функций, соответственно фона (а) и аномалии (б). In FIG. 1 illustrates visualized displays of spatial Fourier spectra of fractal portions of an image of a sea surface with a wave of the order of 2 ... 3 points. In FIG. Figures 2 and 3 show graphs of reconstructed (by software calculation) envelopes of the spatial spectrum of sites and their autocorrelation functions, respectively, of background (a) and anomaly (b).
Пример реализации способа. An example implementation of the method.
Заявляемый способ может быть реализован на базе устройства по схеме фиг. 4. Структура технических средств включает систему оперативного получения изображения морской поверхности в составе орбитального комплекса "Алмаз" 1 с размещенным на нем радиолокатором (PCA) с синтезированной апертурой 2, осуществляющего съемку объектов подстилающей поверхности 3. Последовательность отснятых районов наблюдения в виде кадров записывается на бортовой магнитофон 4 (типа "Нива-2") и в сеансах связи передается через спутик-ретранслятор 5 и радиолинии 6 в Центр управления полетом 7, где регистрируется на видеомагнитофон 8 типа "Арктур". Устройство ввода 9 типа "Panasonik" кадр изображения разбивается на фрактальные участки, которые преобразуются в стандартные матрицы цифровых отсчетов пространственной зависимости функции яркости изображения I (x, y), размером 512 • 512 элементов в интервале 256 градаций по тону каждый отсчет. Размеры фрактала и дискретность сканирования (число точек на дюйм при обработке фотоизображений) выбираются в зависимости от масштаба снимка и отслеживаемого физического процесса. Так, при параметрах кильватерного следа подводной лодки (средняя длина ≈ 6 км, ширина 0,8 км, угол расходимости ≈ 7,5o) предпочтительный размер фрактала ≤ 0,3 • 0,3 км. Последовательность стандартных матриц подвергается обработке по операциям заявляемого способа, реализуемых программными расчетами на ПЭВМ (70) типа "SUN" (SPARC STATION5). Для программных расчетов используется комплекс специализированных программ цифровой обработки изображений типа ER MAPPER.5.0. (см., например, Пакет программ для обработки изображений в науках о Земле, ER MAPPER. Краткое описание, USA, GENASYS, 1995), записанных на винчестер 11. Для расчета интегрального признака используется набор эталонов на дискетах 12 фонового волнения различной балльности. Визуализация Фурье-спектров осуществляется на дисплее 13 с распечаткой графиков на принтере 14. В примере реализации использован снимок, полученный на витке 4.898 системы "Алмаз" 1, λ = 9,6 см, участок морской поверхности, района Сан-Диего, Калифорния, США с координатами 29o92 ... 30o37 и 116o53...116o68. Количественное значение интегрального признака рассмотренных участков изображения (графики фиг. 3) составило величину 4,3. Синтезированная из фрактальных участков картина кильватерного следа иллюстрирована фиг. 5.The inventive method can be implemented on the basis of the device according to the scheme of FIG. 4. The structure of technical means includes a system for the operative acquisition of an image of the sea surface as part of the Almaz orbital complex 1 with a radar (PCA) placed on it with a
Эффективность заявляемого способа определяется достоверностью и оперативностью обнаружения аномалий. The effectiveness of the proposed method is determined by the reliability and speed of detection of anomalies.
В частности, для кильватерных следов, оперативность обнаружения должна находиться в интервале ед. минут (из расчета расстояние визуальной видимости объекта, деленной на скорость цели). При передаче отснятых кадров в ЦУП через спутник-ретранслятор в темпе наблюдения, оперативность выдачи целеуказаний определится только задержкой обработки кадров. Обработка на станции "SUN" объемов информации 1010 Мбайт составляет ед. минут, т.е. требования по оперативности выполняются.In particular, for wake traces, the detection efficiency should be in the range of units. minutes (based on the distance of the visual visibility of the object divided by the speed of the target). When transmitting the captured frames to the MCC through a repeater satellite at the monitoring rate, the efficiency of target designation is determined only by the delay in processing frames. Processing at the station "SUN" of information volumes of 10 10 MB is units. minutes i.e. performance requirements are being met.
Claims (1)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU97100436A RU2109304C1 (en) | 1997-01-15 | 1997-01-15 | Method of detection of sea surface anomalies |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU97100436A RU2109304C1 (en) | 1997-01-15 | 1997-01-15 | Method of detection of sea surface anomalies |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2109304C1 true RU2109304C1 (en) | 1998-04-20 |
RU97100436A RU97100436A (en) | 1998-08-27 |
Family
ID=20189001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU97100436A RU2109304C1 (en) | 1997-01-15 | 1997-01-15 | Method of detection of sea surface anomalies |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2109304C1 (en) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2582073C2 (en) * | 2014-07-01 | 2016-04-20 | Федеральное государственное казенное военное образовательное учреждение высшего профессионального образования "Военный учебно-научный центр Военно-Морского Флота "Военно-морская академия имени Адмирала Флота Советского Союза Н.Г. Кузнецова" | Method of detecting anomalies on sea surface in contactless radar method |
RU2585401C1 (en) * | 2015-04-06 | 2016-05-27 | Российская Федерация, от имени которой выступает Министерство промышленности и торговли Российской Федерации (Минпромторг России) | Device for detecting objects in aqueous medium |
RU2596628C1 (en) * | 2015-04-24 | 2016-09-10 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт аэрокосмического мониторинга "АЭРОКОСМОС" (НИИ "АЭРОКОСМОС") | Method of determining contamination of sea surface |
RU2630744C2 (en) * | 2014-04-10 | 2017-09-12 | Самсунг Электроникс Ко., Лтд. | Method of detecting periodical textures |
RU2634592C1 (en) * | 2016-11-29 | 2017-11-01 | Федеральное государственное бюджетное научное учреждение "Федеральный исследовательский центр Институт прикладной физики Российской академии наук" (ИПФ РАН) | Method of variable sea current identification according to radar observations data |
RU2664255C2 (en) * | 2015-12-02 | 2018-08-15 | федеральное государственное бюджетное образовательное учреждение высшего образования "Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)" (МГТУ им Н.Э. Баумана) | Method for sea surface contamination identification |
RU2675072C1 (en) * | 2017-11-07 | 2018-12-14 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт аэрокосмического мониторинга "АЭРОКОСМОС" (НИИ "АЭРОКОСМОС") | Method for determining anomalies of sea surface |
RU2756379C1 (en) * | 2021-01-21 | 2021-09-29 | Акционерное общество «Российская корпорация ракетно-космического приборостроения и информационных систем» (АО «Российские космические системы») | Method for forming a single continuous dynamic coverage with earth remote sensing data and an information and analytical system for its implementation |
-
1997
- 1997-01-15 RU RU97100436A patent/RU2109304C1/en active
Non-Patent Citations (1)
Title |
---|
Дуда Р.О., Харт П.Е. Распознавание образов и анализ сцен/Перевод с английского.-М.: Мир, 1976, с.287 и 288, рис.7.3. * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2630744C2 (en) * | 2014-04-10 | 2017-09-12 | Самсунг Электроникс Ко., Лтд. | Method of detecting periodical textures |
RU2582073C2 (en) * | 2014-07-01 | 2016-04-20 | Федеральное государственное казенное военное образовательное учреждение высшего профессионального образования "Военный учебно-научный центр Военно-Морского Флота "Военно-морская академия имени Адмирала Флота Советского Союза Н.Г. Кузнецова" | Method of detecting anomalies on sea surface in contactless radar method |
RU2585401C1 (en) * | 2015-04-06 | 2016-05-27 | Российская Федерация, от имени которой выступает Министерство промышленности и торговли Российской Федерации (Минпромторг России) | Device for detecting objects in aqueous medium |
RU2596628C1 (en) * | 2015-04-24 | 2016-09-10 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт аэрокосмического мониторинга "АЭРОКОСМОС" (НИИ "АЭРОКОСМОС") | Method of determining contamination of sea surface |
RU2664255C2 (en) * | 2015-12-02 | 2018-08-15 | федеральное государственное бюджетное образовательное учреждение высшего образования "Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)" (МГТУ им Н.Э. Баумана) | Method for sea surface contamination identification |
RU2634592C1 (en) * | 2016-11-29 | 2017-11-01 | Федеральное государственное бюджетное научное учреждение "Федеральный исследовательский центр Институт прикладной физики Российской академии наук" (ИПФ РАН) | Method of variable sea current identification according to radar observations data |
RU2675072C1 (en) * | 2017-11-07 | 2018-12-14 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт аэрокосмического мониторинга "АЭРОКОСМОС" (НИИ "АЭРОКОСМОС") | Method for determining anomalies of sea surface |
RU2756379C1 (en) * | 2021-01-21 | 2021-09-29 | Акционерное общество «Российская корпорация ракетно-космического приборостроения и информационных систем» (АО «Российские космические системы») | Method for forming a single continuous dynamic coverage with earth remote sensing data and an information and analytical system for its implementation |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9075129B2 (en) | Method and system for forming images by comparing subsets of image data | |
US8665132B2 (en) | System and method for iterative fourier side lobe reduction | |
US7796829B2 (en) | Method and system for forming an image with enhanced contrast and/or reduced noise | |
CA2141068C (en) | Image-based detection and tracking system and processing method employing clutter measurements and signal-to-clutter ratios | |
US20110012778A1 (en) | Method and system for forming very low noise imagery using pixel classification | |
Dérian et al. | Wavelet-based optical flow estimation of instant surface currents from shore-based and UAV videos | |
Molyneux et al. | Diffraction tomographic imaging in a monostatic measurement geometry | |
CA2349828A1 (en) | Method, apparatus, and system for extracting denoised, high-resolution images, texture, and velocity from a lower-resolution, noisy detector | |
RU2109304C1 (en) | Method of detection of sea surface anomalies | |
CN111781146A (en) | Wave parameter inversion method using high-resolution satellite optical image | |
Bayındır et al. | Assessment and enhancement of SAR noncoherent change detection of sea-surface oil spills | |
CN111220955A (en) | Airborne weather radar ground clutter suppression method based on vertical array covariance matrix characteristic decomposition | |
RU2664255C2 (en) | Method for sea surface contamination identification | |
Capus et al. | Data correction for visualisation and classification of sidescan SONAR imagery | |
Al-Nuaimy et al. | Automatic detection of hyperbolic signatures in ground-penetrating radar data | |
RU2582073C2 (en) | Method of detecting anomalies on sea surface in contactless radar method | |
RU2675072C1 (en) | Method for determining anomalies of sea surface | |
Su et al. | Estimating height and thickness of an ionospheric irregularity layer with a closely-spaced GNSS receiver array | |
RU2817178C1 (en) | Method for determining characteristics of sea surface anomalies caused by processes in near-surface layers of the ocean and atmosphere, based on its radar images | |
Johnsen | Multi-look versus single-look processing of synthetic aperture radar images with respect to ocean wave spectra estimation | |
RU2702423C1 (en) | Method of determining level of contamination of sea surface | |
Espeseth | Analysis of oil spill and sea ice measurements using full-polarimetric and hybrid-polarity synthetic aperture radar data | |
Karvonen | Compaction of C-band synthetic aperture radar based sea ice information for navigation in the Baltic Sea | |
Dutkiewicz et al. | Fusion of optical, infrared, and radar imagery for coastal surveillance | |
CN113917459A (en) | High-resolution foresight imaging method under low signal-to-noise ratio |