一種基于自適應(yīng)縮減算子的導(dǎo)航雷達(dá)圖像反演海面風(fēng)向方法
【專利摘要】本發(fā)明公開了一種基于自適應(yīng)縮減算子的導(dǎo)航雷達(dá)圖像反演海面風(fēng)向方法。包括以下幾個步驟：采集N幅導(dǎo)航雷達(dá)圖像形成一組導(dǎo)航雷達(dá)圖像序列；對導(dǎo)航雷達(dá)圖像進(jìn)行中值濾波處理；對濾波后的導(dǎo)航雷達(dá)圖像進(jìn)行方位向歸一化，固定每幅濾波后的導(dǎo)航雷達(dá)圖像的方位向線數(shù)；對方位向歸一化后的導(dǎo)航雷達(dá)圖像進(jìn)行全局低通濾波處理，得到包含風(fēng)條紋的海面靜態(tài)特征圖像；根據(jù)海面靜態(tài)特征圖像，進(jìn)行海面風(fēng)向反演得到海面風(fēng)向。本發(fā)明設(shè)計了一種自適應(yīng)算法，可以根據(jù)縮減后圖像計算得到的判定參數(shù)判斷縮減分辨率與風(fēng)條紋尺度是否適宜，提高了海面風(fēng)向反演精度。
【專利說明】一種基于自適應(yīng)縮減算子的導(dǎo)航雷達(dá)圖像反演海面風(fēng)向方 法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于海面風(fēng)向遙感【技術(shù)領(lǐng)域】，尤其涉及一種基于自適應(yīng)縮減算子的導(dǎo)航雷 達(dá)圖像反演海面風(fēng)向方法。

【背景技術(shù)】
[0002] 海面風(fēng)場信息是海洋動力學(xué)重要參數(shù)，主要包含風(fēng)向和風(fēng)速信息兩個方面，因此， 了解和掌握海面風(fēng)向信息具有深遠(yuǎn)的意義?，F(xiàn)有測量海面風(fēng)向信息方法有站點式現(xiàn)場測 量和遙感測量兩類。導(dǎo)航雷達(dá)是遙感測量手段的一種，因其具有不受光線影響、不受天氣 影響、實時連續(xù)反饋、高分辨率和使用便捷等優(yōu)點，成為現(xiàn)階段獲取海面風(fēng)向信息的重要手 段。
[0003] 現(xiàn)階段應(yīng)用導(dǎo)航雷達(dá)圖像獲取海面風(fēng)向的方法主要有兩類：一類是基于導(dǎo)航雷達(dá) 回波強(qiáng)度和風(fēng)向分布關(guān)系，另一類是基于風(fēng)條紋反演海面風(fēng)向?；趯?dǎo)航雷達(dá)回波強(qiáng)度和 風(fēng)向分布關(guān)系獲取海面風(fēng)向需要360°全幅無遮擋的導(dǎo)航雷達(dá)圖像，但無論岸基、塔基還是 航海導(dǎo)航雷達(dá)都是無法實現(xiàn)全幅無遮擋探測，因此，此方法在工程和實驗中都是無法實現(xiàn) 的。風(fēng)條紋是由海面風(fēng)速分布不均勻?qū)е碌膶?dǎo)航雷達(dá)回波圖像中呈現(xiàn)出來的條紋特征，本 發(fā)明屬于基于風(fēng)條紋反演海面風(fēng)向這類。見參考文獻(xiàn)Moeng C H, Sullivan P. A Comparison of Shear-and Bouyancy-Driven Planetary Boundary Layer Flower[M]. American Meterorological Society, 1994. Hatten H, Seemann J, Horstmann J, et al. Azimuthal dependence of the radar cross section and the spectral background noise of a nautical radar at grazing incidence[C]//Geoscience and Remote Sensing Symposium Proceedings, 1998. IGARSS' 98. 1998 IEEE International. IEEE, 1998, 5:2490-2492。
[0004] 風(fēng)條紋具有尺度200?500m，頻率接近靜態(tài)或準(zhǔn)靜態(tài)，風(fēng)條紋方向與風(fēng)向平行 等特征。目前，國內(nèi)外基于風(fēng)條紋特征反演海面風(fēng)向的算法主要有以下幾種：2004年由 Dankert等人提出的光流法，2003年Dankert等人提出局部梯度法。2010年中國海洋大學(xué)段 華敏應(yīng)用光流法從小麥島導(dǎo)航雷達(dá)數(shù)據(jù)中提取出了海面風(fēng)場信息。2012年哈爾濱工程大學(xué) 的賈瑞才博士和2013年中國海洋大學(xué)的碩士生李金鳳都對光流法進(jìn)行了改進(jìn)，用以提高 了風(fēng)向反演精度。光流法要求在連續(xù)的圖像上存在灰度一致的風(fēng)條紋，但根據(jù)風(fēng)條紋的成 因在同一序列圖像中無法獲得風(fēng)條紋的移動，因此光流法在理論和實驗中都證明是無法反 演海面風(fēng)向的。見參考文獻(xiàn) Dankert H，Horstmann J，etal. Ocean wind fields retrieved from radar-image sequences. International Geoscience and Remote Sensing Symposi um(IGARSS), v4, p215〇-2152, 2002. Dankert H, Horstmann J, Rosenthal W. Ocean surface winds retrieved from marine radar image sequences. International Geosciences and Remote Sensing Symposium, 2004, 3:1903-1906P. Dankert H, Horstmann J, Rosenthal W. Ocean wind fields retrieved from radar image sequences. Journal of Geophysical Research，2003, 108 (Cll):16-1-16-11P。
[0005] 2003年Dankert應(yīng)用局部梯度法反演海面風(fēng)向，首先要對海面靜態(tài)特征圖像進(jìn)行 平滑和縮減三次得到風(fēng)條紋圖像，然后根據(jù)風(fēng)條紋與風(fēng)向平行這個特征，通過計算像元主 梯度方向，其垂直方向則是海面風(fēng)向，具體步驟流程如圖2所示；2003年Dankert應(yīng)用局 部梯度法利用Ekofish2/4k平臺數(shù)據(jù)，得到海面風(fēng)向與參考風(fēng)向標(biāo)準(zhǔn)差為14.24°。2005 年Dankert利用FIN0-I平臺數(shù)據(jù)，得到海面風(fēng)向與參考風(fēng)向標(biāo)準(zhǔn)差為12.77°。2007 年Dankert利用FIN0-I平臺更多數(shù)據(jù)，得到海面風(fēng)向與參考風(fēng)向標(biāo)準(zhǔn)差為12.77°，通 過實驗和理論分析可知應(yīng)用局部梯度法是可以從導(dǎo)航雷達(dá)圖像中反演出海面風(fēng)向的。 見參考文獻(xiàn) Dankert H, Horstmann J. Wind measurements at FINO-I using marine radar-image sequences[C]//Geoscience and Remote Sensing Symposium,2005. IGARSS' 05. Proceedings.2005 IEEE International. IEEE, 2005,7:4777-4780. Dankert H. A marine radar wind sensor. Journal of Atmospheric and Oceanic Technology, 2007, 24:1629-1642P。
[0006] 傳統(tǒng)局部梯度法對海面靜態(tài)特征圖像應(yīng)用2X2縮減算子固定的縮減三次，圖像 分辨率降低為原來的8倍，即得到固定的縮減分辨率。Dankert實驗指出將圖像分辨率縮減 為風(fēng)條紋尺度的1/16?1/4時，才能計算出正確的風(fēng)條紋的梯度，從而獲得準(zhǔn)確的海面風(fēng) 向。但風(fēng)條紋的尺度在200?500m之間，固定的縮減次數(shù)導(dǎo)致縮減分辨率不一定在與風(fēng)條 紋合適的比例范圍內(nèi)，導(dǎo)致大量實驗數(shù)據(jù)不可應(yīng)用。分辨率與風(fēng)條紋的比例是在一個范圍 內(nèi)，并且風(fēng)條紋尺度會根據(jù)不同的海況而改變，很難尋找到與風(fēng)條紋尺度合適的比例分辨 率，這樣也會導(dǎo)致反演得到的海面風(fēng)向精度降低。因此，傳統(tǒng)的局部梯度法很難滿足工程的 要求，需要設(shè)計一種可以根據(jù)不同風(fēng)條紋尺度來調(diào)節(jié)縮減次數(shù)及分辨率大小的方法。


【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的是提供一種具有高精度的，基于自適應(yīng)縮減算子的導(dǎo)航雷達(dá)圖像反 演海面風(fēng)向方法。
[0008] -種基于自適應(yīng)縮減算子的導(dǎo)航雷達(dá)圖像反演海面風(fēng)向方法，包括以下幾個步 驟：
[0009] 步驟一：采集N幅導(dǎo)航雷達(dá)圖像形成一組導(dǎo)航雷達(dá)圖像序列；
[0010] 步驟二：對導(dǎo)航雷達(dá)圖像進(jìn)行中值濾波處理；
[0011] 步驟三：對濾波后的導(dǎo)航雷達(dá)圖像進(jìn)行方位向歸一化，固定每幅濾波后的導(dǎo)航雷 達(dá)圖像的方位向線數(shù)；
[0012] 步驟四：對方位向歸一化后的導(dǎo)航雷達(dá)圖像進(jìn)行全局低通濾波處理，得到包含風(fēng) 條紋的海面靜態(tài)特征圖像；
[0013] 步驟五：根據(jù)海面靜態(tài)特征圖像，進(jìn)行海面風(fēng)向反演得到海面風(fēng)向。
[0014] 本發(fā)明一種基于自適應(yīng)縮減算子的導(dǎo)航雷達(dá)圖像反演海面風(fēng)向方法，還可以包 括：
[0015] 1、對濾波后的導(dǎo)航雷達(dá)圖像進(jìn)行方位向歸一化的方法為：
[0016] (1)讀取極坐標(biāo)下的每個濾波后的導(dǎo)航雷達(dá)圖像的方位向線數(shù)和徑向點數(shù)，方位 向線數(shù)為3600條，間隔角度為0. Γ，有N = 3600個角度值= 1，2,…N，徑向點數(shù)為 220 個；
[0017] (2)建立方位向固定為1800條的新極坐標(biāo)導(dǎo)航雷達(dá)圖像，間隔角度為0.2°，有 Nnew = 1800個新的角度值，Θ」，j = 1，2,…Nnew，徑向點數(shù)為220個；
[0018] (3)為新極坐標(biāo)導(dǎo)航雷達(dá)圖像賦灰度值，若= Θ j，或第一個Ω，Θ j，則將角度 值對應(yīng)的方位向線的灰度值賦給新極坐標(biāo)導(dǎo)航雷達(dá)圖像的新角度值叫對應(yīng)的方位向 線上；
[0019] 重復(fù)步驟（3)直到所有新極坐標(biāo)導(dǎo)航雷達(dá)圖像的所有方位向線都具有灰度值，得 到方位向歸一化后的導(dǎo)航雷達(dá)圖像。
[0020] 2、根據(jù)海面靜態(tài)特征圖像，進(jìn)行海面風(fēng)向反演得到海面風(fēng)向的方法為：
[0021] (1)將極坐標(biāo)下的海面靜態(tài)特征圖像插值為笛卡爾坐標(biāo)下海面靜態(tài)特征圖像；
[0022] (2)將笛卡爾坐標(biāo)下海面靜態(tài)特征圖像進(jìn)行平滑處理，得到一次平滑圖像；
[0023] 笛卡爾坐標(biāo)下海面靜態(tài)特征圖像為：
[0024] fU" y』）i = 1，2,…Nx，j = 1，2,…Ny
[0025] 其中（Xi，y」）為沿x和y軸的笛卡爾坐標(biāo)，Nx和N y為笛卡爾坐標(biāo)下沿x和y軸所 取像元總數(shù)，
[0026] 一次平滑圖像為：
[0027]

【權(quán)利要求】
1. 一種基于自適應(yīng)縮減算子的導(dǎo)航雷達(dá)圖像反演海面風(fēng)向方法，其特征在于，包括以 下幾個步驟： 步驟一：采集N幅導(dǎo)航雷達(dá)圖像形成一組導(dǎo)航雷達(dá)圖像序列； 步驟二：對導(dǎo)航雷達(dá)圖像進(jìn)行中值濾波處理； 步驟三：對濾波后的導(dǎo)航雷達(dá)圖像進(jìn)行方位向歸一化，固定每幅濾波后的導(dǎo)航雷達(dá)圖 像的方位向線數(shù)； 步驟四：對方位向歸一化后的導(dǎo)航雷達(dá)圖像進(jìn)行全局低通濾波處理，得到包含風(fēng)條紋 的海面靜態(tài)特征圖像； 步驟五：根據(jù)海面靜態(tài)特征圖像，進(jìn)行海面風(fēng)向反演得到海面風(fēng)向。
2. 根據(jù)權(quán)利要求1所述的一種基于自適應(yīng)縮減算子的導(dǎo)航雷達(dá)圖像反演海面風(fēng)向方 法，其特征在于：所述的對濾波后的導(dǎo)航雷達(dá)圖像進(jìn)行方位向歸一化的方法為： (1) 讀取極坐標(biāo)下的每個濾波后的導(dǎo)航雷達(dá)圖像的方位向線數(shù)和徑向點數(shù)，方位向線 數(shù)為3600條，間隔角度為0. Γ，有N = 3600個角度值Ωρ i = 1，2，...N，徑向點數(shù)為220 個； (2) 建立方位向固定為1800條的新極坐標(biāo)導(dǎo)航雷達(dá)圖像，間隔角度為0. 2°，有凡" = 1800個新的角度值，Θ」，j = 1，2,…Nnew，徑向點數(shù)為220個； (3) 為新極坐標(biāo)導(dǎo)航雷達(dá)圖像賦灰度值，若Ω i = Θ」，或第一個Ω，Θ」，則將角度值Ω i 對應(yīng)的方位向線的灰度值賦給新極坐標(biāo)導(dǎo)航雷達(dá)圖像的新角度值Θ』對應(yīng)的方位向線上； (4) 重復(fù)步驟（3)直到所有新極坐標(biāo)導(dǎo)航雷達(dá)圖像的所有方位向線都具有灰度值，得 到方位向歸一化后的導(dǎo)航雷達(dá)圖像。
3. 根據(jù)權(quán)利要求1所述的一種基于自適應(yīng)縮減算子的導(dǎo)航雷達(dá)圖像反演海面風(fēng)向方 法，其特征在于：所述根據(jù)海面靜態(tài)特征圖像，進(jìn)行海面風(fēng)向反演得到海面風(fēng)向的方法為： (1) 將極坐標(biāo)下的海面靜態(tài)特征圖像插值為笛卡爾坐標(biāo)下海面靜態(tài)特征圖像； (2) 將笛卡爾坐標(biāo)下海面靜態(tài)特征圖像進(jìn)行平滑處理，得到一次平滑圖像； 笛卡爾坐標(biāo)下海面靜態(tài)特征圖像為： f (xi； yj) i = 1, 2,. . . Nx, j = 1, 2,. . . Ny 其中（Xi，y」）為沿X和y軸的笛卡爾坐標(biāo)，Nx和Ny為笛卡爾坐標(biāo)下沿X和y軸所取像 元總數(shù)，一次平滑圖像為：
Ψ (m,n)f(xMnJyH1) i = 1, 2, . . . Nx~4, j = 1, 2, . . . Ny-4 ff(m，n)為二項式卷積核，r為二項式卷積核的階數(shù)，（m，n)為二項式卷積核的坐標(biāo)； (3) 應(yīng)用自適應(yīng)縮減算子對一次平滑圖像進(jìn)行縮減，得到縮減后圖像； 縮減后圖像為： F? = C" e*F 自適應(yīng)算子CUK)為：
進(jìn)一步得到：
其中，（χα，ye)為圖像縮減后新生成的坐標(biāo)，α = 1，2,. . . Νχ-4/2，β = 1，2,. . . Ny-4/2, Κ為縮減率，縮減后圖像分辨率變?yōu)棣? γ，γ為圖像縮減前圖像分辨率； (4) 將縮減后圖像進(jìn)行平滑處理，得到二次平滑圖像； 二次平滑圖像為：
其中，（xa,，ye,)二次平滑圖像坐標(biāo)，Ηκ為二項式卷積核，R為二項式卷積核階數(shù)， (Μ，Ν)為二項式卷積核坐標(biāo)，
(5) 對二次平滑圖像應(yīng)用優(yōu)化Sobel梯度算子得到像元梯度方向直方圖； 優(yōu)化Sobel梯度算子為：
其中，Dx和Dy為優(yōu)化Sobel算子分別沿X，y軸的梯度算子， 二次平滑圖像每個像元點沿X和y軸的梯度值為： jGx=G*Dx 其中，Gx和Gy分別為所有像元點沿X軸和y軸的梯度方向，由Gx和G y得到每個像元點 的梯度方向Ge為：
對得到的所有像元的梯度方向進(jìn)行直方圖統(tǒng)計，得到像元梯度方向直方圖； (6) 通過像元梯度方向直方圖得到穩(wěn)定系數(shù)，基于自適應(yīng)算法確定最優(yōu)縮減率K ; 從像元梯度方向直方圖中選取從從?仏.,.的所有梯度方向，組成方向值數(shù)組GP =[G" G2, · · · Gp]， 穩(wěn)定系數(shù)為：
其中，σ為GP的標(biāo)準(zhǔn)差，μ為GP的均值， 選取閾值為10,縮減率K的取值范圍為：K = 2, 3,…8， 在縮減率Κ〈8,并且穩(wěn)定系數(shù)小于閾值時，選取當(dāng)前縮減率Κ作為最優(yōu)縮減率 在縮減率Κ〈8,并且穩(wěn)定系數(shù)大于閾值時，Κ = Κ+1，重復(fù)步驟（2)?步驟（6)， 在縮減率Κ = 8,并且穩(wěn)定系數(shù)大于閾值時，選取穩(wěn)定系數(shù)最小時對應(yīng)的縮減率Κ作為 最優(yōu)縮減率； (7) 求得對應(yīng)最優(yōu)縮減率Κ的主梯度方向； 將當(dāng)前的對應(yīng)最優(yōu)縮減率Κ的像元梯度方向直方圖中選取?6^,的所有梯度方 向，組成的新的方向值數(shù)組GM = [h，G2,. . . GJ，包含的梯度方向數(shù)量為m，對新的方向值數(shù) 組求平均值得到主梯度方向Gmain :
(8) 根據(jù)主梯度方向求得海面風(fēng)向Wd : Wd = Gmain±90。 將計算出來的方向與風(fēng)向標(biāo)測得的風(fēng)向所在象限比較，保留與其象限一致的方向去除 180°模糊的方向，從而獲得準(zhǔn)確的海面風(fēng)向。
4.根據(jù)權(quán)利要求3所述的一種基于自適應(yīng)縮減算子的導(dǎo)航雷達(dá)圖像反演海面風(fēng)向方 法，其特征在于：所述的將極坐標(biāo)下的海面靜態(tài)特征圖像插值為笛卡爾坐標(biāo)下海面靜態(tài)特 征圖像方法為： (1) 在極坐標(biāo)下的海面靜態(tài)特征圖像中選取扇形區(qū)域； (2) 得到扇形區(qū)域中像元點的極坐標(biāo)（r，Θ)對應(yīng)的笛卡爾坐標(biāo)（x，y): (3) 建立與扇形區(qū)域相對應(yīng)的笛卡爾坐標(biāo)下的矩形區(qū)域，矩形區(qū)域的笛卡爾坐標(biāo)為 (Xi^i)，找到與矩形區(qū)域的笛卡爾坐標(biāo)（by)距離最近的扇形區(qū)域的笛卡爾坐標(biāo)（x，y)， 將扇形區(qū)域的笛卡爾坐標(biāo)（x，y)對應(yīng)的極坐標(biāo)（r，θ)的像元灰度值賦給矩形區(qū)域的笛卡 爾坐標(biāo)（ Xi，yi)，得到笛卡爾坐標(biāo)下海面靜態(tài)特征圖像。
【文檔編號】G01S13/95GK104297753SQ201410557744
【公開日】2015年1月21日 申請日期:2014年10月20日 優(yōu)先權(quán)日:2014年10月20日
【發(fā)明者】盧志忠, 王慧, 黃玉, 張長青, 呂杰, 張坤, 楊江紅, 王璐 申請人:哈爾濱工程大學(xué)