一种基于X波段雷达图像的海表面流反演方法

摘要

本发明公开的一种基于X波段雷达图像的海表面流反演方法，包括(1)采集时空域海杂波图像作为一个序列，得到子图像序列；(2)对子图像序列进行三维傅里叶变换；(3)根据色散关系构造带通滤波器；(4)对图像谱非线性影响进行校正；(5)计算隶属度；(6)加权计算；(7)初始估流；(8)迭代估流。本发明与现有流反演算法相比，提高了流反演精度，尤其是提高了低流速时流反演精度，且提高了反演结果稳定性。本发明使用依赖最大流速的色散关系带通滤波器对图像谱进行噪声滤除，去噪能力强。本发明中对图像谱进行校正得到海浪谱，能够反映真实的海态信息，然后将海浪谱作为最小二乘法的权值之一计算流，流反演结果接近真实海态。

主权项

1.一种基于X波段雷达图像的海表面流反演方法，其特征在于：包括以下步骤：(1)雷达工作在短脉冲模式，连续采集时间长度为t的N幅空间域海杂波连续图像作为一个序列，然后选取分析区域构成子图像序列I⁽³⁾(x，y，t)；(2)对子图像序列进行三维傅里叶变换得到三维波数频率图像谱F⁽³⁾(k，ω)；(3)根据色散关系构造带通滤波器，滤除三维波数频率图像谱中的非海浪信号，所述的滤波器满足$B_n=\frac{(\omega -\mathrm{\Delta \omega }/2-U_{\max }{\omega }^2/g)}{g}-\frac{\sqrt{2}\mathrm{\Delta k}}{2}$$B_n=\frac{(\omega +\mathrm{\Delta \omega }/2+U_{\max }{\omega }^2/g)}{g}+\frac{\sqrt{2}\mathrm{\Delta k}}{2}$式中，B_n和B_p均为滤波器带宽；ω为海浪频率，Δω为频率分辨率；k为波数，Δk为波数分辨率；U_max为雷达天线与海浪场最大相对流速；E⁽³⁾(k，ω)为滤波后海浪图像谱；(4)引入调制传递函数MTF对图像谱E⁽³⁾(k，ω)的非线性影响进行校正，得到海浪谱，调制传递函数MTF满足：MTF＝|k|^β$E_M^{\left(3\right)}(k,\omega )={\left|k\right|}^{\beta }·E^{\left(3\right)}(k,\omega )$其中，β为指数，为海浪谱；(5)对于固定频率ω_i上有n_i个海浪谱分量，海浪谱分量波数的模组成集合为{k_j|k₁ k₂...k_ni}，中心为k_i0，集合最大半径r_i定义为：$k_{i0}=\frac{1}{n_i}\underset{j=1}{\overset{n_i}{\Sigma }}{k}_j$$r_i=\underset{k_j}{\max }\left|\right|k_j-k_{i0}\left|\right|$式中，k_j为海浪谱分量，海浪谱分量波数的模组成的集合中谱分量隶属度μ(k_ij)为：$\mu \left(k_{\mathrm{ij}}\right)=1-\frac{\left|\right|k_j-k_{i0}\left|\right|}{r_i+\delta }$其中，δ为表征k_j距离中心k_i0距离的参数；(6)采用步骤(4)校正后海浪谱和步骤(5)得到隶属度函数的的乘积加权LSM，得到极小值函数Q²为：$Q^2=\underset{i=1}{\overset{N_{\omega }}{\Sigma }}\underset{j=1}{\overset{N_i}{\Sigma }}{({\omega }_i-{\omega }_p\left(k_{\mathrm{ij}}\right))}^2{E}_M^{\left(3\right)}(k_{\mathrm{ij}},{\omega }_i)\mu \left(k_{\mathrm{ij}}\right)$其中，ω_i为实测海浪谱数据中第i个频率分量，ω_p为根据色散关系给出的频率分量；N_ω为正频率数目，N_i为ω_i频率上谱分量数目；μ(k_ij)分别为第ω_i频率上第j个谱大小和隶属度大小，k_ij分别为第i个频率中第j个谱分量的波数分量；(7)初始估流：当阶次p满足p＝0的0阶色散关系时，设定阈值C_fg满，将极小值函数Q²分别对表面流在X方向的分量u_x、表面流在Y方向的分量u_y求偏导，并使其偏导数均为零，根据谱数量n₂的个数计算表面流公式为：u＝A·B$A={\left[\begin{array}{cc}\Sigma E_M^{\left(3\right)}(k_{\mathrm{ij}},{\omega }_i)\mu \left(k_{\mathrm{ij}}\right)k_x^2& \Sigma E_M^{\left(3\right)}(k_{\mathrm{ij}},{\omega }_i)\mu \left(k_{\mathrm{ij}}\right)k_x{k}_y\\ \Sigma E_M^{\left(3\right)}(k_{\mathrm{ij}},{\omega }_i)\mu \left(k_{\mathrm{ij}}\right)k_x{k}_y& \Sigma E_M^{\left(3\right)}(k_{\mathrm{ij}},{\omega }_i)\mu \left(k_{\mathrm{ij}}\right)k_y^2\end{array}\right]}^{-1}$$B=\left[\begin{array}{c}\Sigma E_M^{\left(3\right)}(k_{\mathrm{ij}},{\omega }_i)\mu \left(k_{\mathrm{ij}}\right)k_x({\omega }_0-\sqrt{g\left|k\right|\tanh \left(\right|k|d})\\ \Sigma E_M^{\left(3\right)}(k_{\mathrm{ij}},{\omega }_i)\mu \left(k_{\mathrm{ij}}\right)k_y({\omega }_0-\sqrt{g\left|k\right|\tanh \left(\right|k|d})\end{array}\right]$其中，k_x、k_y为波数k_ij在X方向和Y方向的分量，ω₀为0阶波频率，A和B表示矩阵；(8)迭代估流：①先选取小于阈值C_fg的阈值C_it，使得阈值C_it高于背景噪声，然后根据步骤(7)中的初始估流过程得到流计算为0和1阶次波频率；②判断大于阈值C_it的n₃个海浪谱分量属于0阶还是1阶，若|ω_i-ω₀(k_i)|＜|ω_i-ω₁(k_i)|，则属于0阶次波，若|ω_i-ω₀(k_i)|＞|ω_i-ω₁(k_i)|，则属于1阶次波，其中ω_i为实测海浪谱数据中第i个频率分量，ω₀(k_i)为0阶波频率，ω₁(k_i)为1阶波频率；判断完成后，根据步骤(6)得到两个极小值函数，应用加权LSM得到新的表面流，计算公式为：u＝A′·B′                     (15)$A^{\prime }={\left[\begin{array}{cc}\Sigma E_M^{\left(3\right)}(k_{\mathrm{ij}},{\omega }_i)\mu \left(k_{\mathrm{ij}}\right)k_x^2& \Sigma E_M^{\left(3\right)}(k_{\mathrm{ij}},{\omega }_i)\mu \left(k_{\mathrm{ij}}\right)k_x{k}_y\\ \Sigma E_M^{\left(3\right)}(k_{\mathrm{ij}},{\omega }_i)\mu \left(k_{\mathrm{ij}}\right)k_x{k}_y& \Sigma E_M^{\left(3\right)}(k_{\mathrm{ij}},{\omega }_i)\mu \left(k_{\mathrm{ij}}\right)k_y^2\end{array}\right]}^{-1}---\left(16\right)$$B^{\prime }=\left[\begin{array}{c}\underset{n_{30}}{\Sigma }{E}_M^{\left(3\right)}(k_{\mathrm{ij}},{\omega }_i)\mu \left(k_{\mathrm{ij}}\right)k_x(\omega -\sqrt{g\left|k\right|\tanh \left(\right|k|d})+\underset{n_{31}}{\Sigma }{E}_M^{\left(3\right)}(k_{\mathrm{ij}},{\omega }_i)\mu \left(k_{\mathrm{ij}}\right)k_x(\omega -2\sqrt{\frac{g\left|k\right|}{2}\tanh (\frac{\left|k\right|d}{2}})\\ \underset{n_{30}}{\Sigma }{E}_M^{\left(3\right)}(k_{\mathrm{ij}},{\omega }_i)k_y(\omega -\sqrt{g\left|k\right|\tanh \left(\right|k|d})+\underset{n_{31}}{\Sigma }{E}_M^{\left(3\right)}(k_{\mathrm{ij}},{\omega }_i)\mu \left(k_{\mathrm{ij}}\right)k_y(\omega -2\sqrt{\frac{g\left|k\right|}{2}\tanh (\frac{\left|k\right|d}{2}})\end{array}\right]---\left(17\right)$其中，n₃₀、n₃₁分别为n₃个海浪谱分量中0、1阶次波数量，u为表层流，A′和B′表示矩阵；③将新的表面流代入色散关系式中，得到新的0阶次和1阶次波频率，返回步骤②，进行迭代计算，得到不断精确的表层流，得到流速与流向。