一种中尺度涡特征参数的反演方法及系统

1.本技术涉及海洋参数反演技术领域，具体而言，涉及一种中尺度涡特征参数的反演方法及系统。


背景技术：

2.海洋中尺度涡在海洋中覆盖范围较大，尺度为百公里级。空间形态是中尺度涡的主要表观特征之一，类型不同和机理不同的中尺度涡空间形态呈现出各自的规律。如海洋冷涡形状会呈现固定的圆饼状，暖涡则随着强度不同呈现出从圆形到带状、丝状、舌状不等的形状特征等。在sar图像上海洋中尺度涡呈现出具有弱边缘的圆形、带状、舌状等结构。
3.中尺度涡roi(感兴趣区域)的确定是中尺度涡参数反演的难点，包括了判断roi区域的有无和roi区域的确定，以便于缩小目标范围，排除其他海洋现象干扰，反演中尺度涡特征参数。由于中尺度涡图像结构复杂，通过图像处理的方法判断是否存在中尺度涡区域，及中尺度涡区域的大致范围是很难做到的。


技术实现要素：

4.本发明的目的是采取人工干预的方法确定roi区域，为了实现上述目的，本发明提供了一种中尺度涡特征参数的反演方法，包括以下步骤：
5.采集海洋sar图像，通过辐射校正、明暗趋势处理的方式对海洋sar图像进行预处理，获得第一图像；
6.对第一图像进行一次滤波处理，获得中尺度涡特征增强的第二图像，并获取第二图像的sar图像梯度；
7.基于形态学滤波处理，对第二图像进行二次滤波处理后，根据sar图像梯度，通过边缘检测的方法，获取第二图像的每条边缘线的坐标集合；
8.基于坐标集合，通过hough变换检测算子，构建中尺度涡特征参数反演模型，其中，中尺度涡特征参数反演模型用于通过拟合中尺度涡现象呈现的椭圆位置，判断椭圆中心，获取涡的中心，并根据坐标集合，对中尺度涡特征参数进行反演。
9.优选地，在对第一图像进行一次滤波处理的过程中，通过拉普拉斯金字塔方法，对第一图像进行第一次滤波处理，获得第一图像的第一低通图像和多级高通图像。
10.优选地，在对第一图像进行一次滤波处理的过程中，基于离散contourlet变换，对第一图像进行第二次滤波处理，获得第一图像的第二低通图像和分布于多尺度、多方向上的高频分量；
11.根据第一低通图像、第二低通图像、多级高通图像、高频分量，获取第二图像。
12.优选地，在对第一图像进行第二次滤波处理的过程中，通过lp与dfb，构建双层滤波器pdfb，其中，双层滤波器pdfb用于以轮廓段的方式逼近原始图像。
13.优选地，在对第二图像进行二次滤波处理的过程中，形态学滤波处理的方程式为：
14.15.其中，
△
g表示结构元素尺寸区域内图像的灰度最大值与最小值的差值；
△
d表示计算梯度时定义的距离。
16.优选地，在获取坐标集合的过程中，边缘检测的方法包括以下步骤：
17.s101.通过高斯滤波器平滑第二图像；
18.s102.基于一阶偏导数的有限差分，计算sar图像梯度的幅值和方向；
19.s103.对sar图像梯度的幅值进行非极大值抑制；
20.s104.通过减少平滑后的第二图像的假边缘数量，采用阈值化法进行边缘确定，获取坐标集合。
21.优选地，在获取坐标集合的过程中，对经过边缘检测的第二图像，进行矢量化处理，分离出特征曲线，通过提取曲线坐标数据，构建坐标集合。
22.优选地，在构建坐标集合的过程中，根据边缘追踪法，获取曲线坐标数据。
23.一种中尺度涡特征参数的反演系统,包括：
24.图像采集模块，用于采集海洋sar图像，通过辐射校正、明暗趋势处理的方式对海洋sar图像进行预处理，获得第一图像；
25.第一滤波处理模块，用于对第一图像进行一次滤波处理，获得中尺度涡特征增强的第二图像，并获取第二图像的sar图像梯度；
26.第二滤波处理模块，基于形态学滤波处理，对第二图像进行二次滤波处理后，根据sar图像梯度，通过边缘检测的方法，获取第二图像的每条边缘线的坐标集合；
27.反演模块，基于坐标集合，通过hough变换检测算子，构建中尺度涡特征参数反演模型，其中，中尺度涡特征参数反演模型用于通过拟合中尺度涡现象呈现的椭圆位置，判断椭圆中心，获取涡的中心，并根据坐标集合，对中尺度涡特征参数进行反演。
28.优选地，反演系统还包括，
29.数据存储模块，用于存储反演系统的系统数据；
30.通信模块，用于反演系统进行数据交互；
31.系统控制模块，用于实现反演系统的各模块间的逻辑控制；
32.显示模块，用于显示sar图像以及sar图像的中尺度涡特征参数。
33.本发明公开了以下技术效果：
34.本发明实现了仿真数据、航空sar观测数据及其他同类卫星数据的海洋中尺度涡反演方法的有效性，为本领域技术方案提供了技术新思路。
附图说明
35.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
36.图1为本发明所述的中尺度涡特征参数反演流程；
37.图2为本发明实施例所述的contourlet变换滤波器组结构；
38.图3为本发明实施例所述的中尺度涡特征参数反演软件界面；
39.图4为本发明实施例所述的强中尺度涡流场分布；
40.图5为本发明实施例所述的强中尺度涡仿真sar图像；
41.图6为本发明实施例所述的强涡l波段三级海况仿真数据中尺度涡反演；
42.图7为本发明实施例所述的中等强度中尺度涡流场分布；
43.图8为本发明实施例所述的中等强度中尺度涡仿真sar图像；
44.图9为本发明实施例所述的中等强度涡l波段二级海况仿真数据中尺度涡反演。
具体实施方式
45.下为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中附图，对本技术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技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
46.如图1
‑
9所示，本发明提供了一种中尺度涡特征参数的反演方法，包括以下步骤：
47.采集海洋sar图像，通过辐射校正、明暗趋势处理的方式对海洋sar图像进行预处理，获得第一图像；
48.对第一图像进行一次滤波处理，获得中尺度涡特征增强的第二图像，并获取第二图像的sar图像梯度；
49.基于形态学滤波处理，对第二图像进行二次滤波处理后，根据sar图像梯度，通过边缘检测的方法，获取第二图像的每条边缘线的坐标集合；
50.基于坐标集合，通过hough变换检测算子，构建中尺度涡特征参数反演模型，其中，中尺度涡特征参数反演模型用于通过拟合中尺度涡现象呈现的椭圆位置，判断椭圆中心，获取涡的中心，并根据坐标集合，对中尺度涡特征参数进行反演。
51.进一步地，在对第一图像进行一次滤波处理的过程中，通过拉普拉斯金字塔方法，对第一图像进行第一次滤波处理，获得第一图像的第一低通图像和多级高通图像。
52.进一步地，在对第一图像进行一次滤波处理的过程中，基于离散contourlet变换，对第一图像进行第二次滤波处理，获得第一图像的第二低通图像和分布于多尺度、多方向上的高频分量；
53.根据第一低通图像、第二低通图像、多级高通图像、高频分量，获取第二图像。
54.进一步地，在对第一图像进行第二次滤波处理的过程中，通过lp与dfb，构建双层滤波器pdfb，其中，双层滤波器pdfb用于以轮廓段的方式逼近原始图像。
55.进一步地，在对第二图像进行二次滤波处理的过程中，形态学滤波处理的方程式为：
[0056][0057]
其中，
△
g表示结构元素尺寸区域内图像的灰度最大值与最小值的差值；
△
d表示计算梯度时定义的距离。
[0058]
进一步地，在获取坐标集合的过程中，边缘检测的方法包括以下步骤：
[0059]
s101.通过高斯滤波器平滑第二图像；
[0060]
s102.基于一阶偏导数的有限差分，计算sar图像梯度的幅值和方向；
[0061]
s103.对sar图像梯度的幅值进行非极大值抑制；
[0062]
s104.通过减少平滑后的第二图像的假边缘数量，采用阈值化法进行边缘确定，获取坐标集合。
[0063]
进一步地，在获取坐标集合的过程中，对经过边缘检测的第二图像，进行矢量化处理，分离出特征曲线，通过提取曲线坐标数据，构建坐标集合。
[0064]
进一步地，在构建坐标集合的过程中，根据边缘追踪法，获取曲线坐标数据。
[0065]
一种中尺度涡特征参数的反演系统,包括：
[0066]
图像采集模块，用于采集海洋sar图像，通过辐射校正、明暗趋势处理的方式对海洋sar图像进行预处理，获得第一图像；
[0067]
第一滤波处理模块，用于对第一图像进行一次滤波处理，获得中尺度涡特征增强的第二图像，并获取第二图像的sar图像梯度；
[0068]
第二滤波处理模块，基于形态学滤波处理，对第二图像进行二次滤波处理后，根据sar图像梯度，通过边缘检测的方法，获取第二图像的每条边缘线的坐标集合；
[0069]
反演模块，基于坐标集合，通过hough变换检测算子，构建中尺度涡特征参数反演模型，其中，中尺度涡特征参数反演模型用于通过拟合中尺度涡现象呈现的椭圆位置，判断椭圆中心，获取涡的中心，并根据坐标集合，对中尺度涡特征参数进行反演。
[0070]
进一步地，反演系统还包括，
[0071]
数据存储模块，用于存储反演系统的系统数据；
[0072]
通信模块，用于反演系统进行数据交互；
[0073]
系统控制模块，用于实现反演系统的各模块间的逻辑控制；
[0074]
显示模块，用于显示sar图像以及sar图像的中尺度涡特征参数。
[0075]
实施例1：根据中尺度涡在sar图像上的特点，利用数字图像处理的方法反演中尺度涡，具体流程如下：
[0076]
(1)sar图像预处理
[0077]
sar图像成像时由于入射角的不同，会在使图像呈现一侧明一侧暗的现象，除了可以在成像处理时对其进行辐射校正外，在sar图像后处理过程中也可根据图像明暗趋势对其进行处理，使得图像在整体上明暗分布均匀。
[0078]
(2)中尺度涡roi区域确定
[0079]
中尺度涡roi(感兴趣区域)的确定是中尺度涡参数反演的难点，包括了判断roi区域的有无和roi区域的确定，以便于缩小目标范围，排除其他海洋现象干扰，反演中尺度涡特征参数。由于中尺度涡图像结构复杂，通过图像处理的方法判断是否存在中尺度涡区域，及中尺度涡区域的大致范围是很难做到的，因此在本阶段采取人工干预的方法确定roi区域。
[0080]
(3)中尺度涡特征增强
[0081]
sar中尺度涡图像中存在着斑点噪声和海浪杂波的干扰，对中尺度涡参数的提取造成干扰，因此必须对sar图像进行滤波处理，尽可能地滤除斑点噪声和海浪杂波，同时突出中尺度涡特征。在过去的几十年中，提出了许多sar图像斑点滤波方法，主要分为两大类，第一类是在成像过程中的斑点消除方法，另一类是在成像后通过滤波进行斑点消除。成像
过程中的斑点消除最经典的是多视处理，多视处理的方法是以降低图像分辨率为代价的，因此绝大多数斑点滤波方法是在成像之后进行的。早期的方法主要是基于傅立叶变换，进一步的工作则是将kalman滤波和bayesian滤波扩展到二维，这两种滤波方法都需要信号的统计模型，由于自然地物不可能由单一统计模型来描述，因此又逐渐发展出了基于局部统计参数的滤波器。
[0082]
contourlet是由curvelet发展而来的一种新的分析工具，该变换满足各向异性尺度关系，有很好的方向性，能准确地将图像中的边缘轮廓信息捕捉到不同尺度、不同方向的子带中。从近几年的国内外文献来看，contourlet已在图像处理领域得到了较好的应用，本项目将contourlet变换引入到图像增强领域，由于contourlet变换缺乏平移不变性，在进行阈值处理时会产生伪吉布斯现象，因此本项目提出了一种基于平移不变contourlet变换的中尺度现象图像增强新方法。
[0083]
离散contourlet变换总体上由两步组成。首先，将传统的laplacian拉普拉斯金字塔方法应用于多级分解，laplacian拉普拉斯金字塔分解类似于小波变换的多分辨分析，将空间v0进行逐级二剖分为一系列子空间v
j0
和{w
j
}，v
j0
是尺度为的近似子空间，w
j
为其正交补空间，包含了分辨率为2
j
‑1时信号的细节信息。于是二维平方可积空间可以表示为：
[0084]
其中l2(r2)为二维平方可积空间，
⊕
为空间求积。j0为低频尺度，j为多尺度分解的尺度级。
[0085]
在分解的第一步产生一个原始图像的一个低通采样逼近与低通预测图像之间的一个残差图像，对得到的低通图像继续分解得到下一层的低通逼近和差值图像，如此逐步滤波最终得到一个低通图像和多级高通图像。由于拉普拉斯金字塔滤波器对高通图像不进行采样，每个金字塔的层中只生成一个带通的图像，因此可以有效的避免频率混迭现象。
[0086]
lp与dfb结合形成了双层滤波器组结构，也称塔形方向滤波器组pdfb，由于pdfb实质上是以轮廓段的方式逼近原始图像，因此也称为离散contourlet变换。如图2所示是离散contourlet变换示意图。原始像经pdfb结构分解，得到一个低通图像和分布于多尺度、多方向上的高频分量。随着l的增大，方向数呈指数增多。
[0087]
本发明通过对海洋背景的模拟和分析，得到了海浪杂波主频率及在contourlet变换域中的能量分布特征，通过在contourlet域的滤波，降低斑点噪声和海浪杂波对中尺度现象信号的影响，最终达到图像增强的目的。
[0088]
(4)图像梯度计算
[0089]
利用二维梯度计算方法计算sar图像梯度。
[0090]
(5)形态学滤波处理
[0091]
由于中尺度涡的弱边缘特性，图像分割得到的中尺度涡区域具有很大的不确定性，需要形态学滤波进行平滑。形态学处理通常定义为原始图像膨胀的结果减去原始图像腐蚀的结果，代数形式为：
[0092]
其中，f原始图像数据；g为结构元素，为膨胀运算，θ为腐蚀运算。
[0093]
若形态学梯度算子以数字差分的形式给出，则简单的理解为单位距离内的最大差值，
[0094]
△
g表示结构元素尺寸区域内图像的灰度最大值与最小值的差值；
△
d表示计算梯度时定义的距离。因此，此算子不仅可以作为一个边缘检测算子来提取中尺度涡的形态特
征，还在抗噪的稳健性、连续性与对比度上都有一定的优势。
[0095]
(6)边缘检测
[0096]
对于经过数学形态滤波后的图像，采用canny算子进行边缘检测。canny算子是一种最优的阶梯形边缘的检测算法，该算法基于以下原理：必须满足两个条件，一是能有效抑制噪声，二是必须尽量精确确定边界；根据对信号噪声比和定位乘积进行测度，得到最优化逼近算子；属于先平滑后求导的方法。canny边缘检测的算法分四步：首先用高斯滤波器平滑图像；其次采用一阶偏导数的有限差分来计算梯度的幅值和方向；第三对梯度幅值进行非极大值抑制；最后减少假边缘的数量，采用阈值化法来进行边缘确定。
[0097]
经特征提取后，原始影像转化为隐含有涡旋边界信息的二值影像，还需要对这些影像进行矢量化，分离出具体特征曲线，获取曲线坐标数据。具体采用边缘追踪法，该算法首先检测出二值图像中的所有节点，然后从每个节点出发，按照一定原则进行邻域像元的搜索，对不同方向的优先级别不同，并在一定边界限度下进行线段追踪，最终获取到图像中每条边缘线的坐标集合。
[0098]
(7)涡中心检测
[0099]
中尺度涡特征检测提取的方法有许多，由于海洋遥感图像成像过程的复杂性和图像本身的复杂性，基于图像等灰度值连通区域难以提取涡的检测特征，而直接利用hough变换圆检测算子，可以进行涡检测的方法进行遥感图像的边缘检测。由于涡形态的复杂性，其检测的边缘曲线一般并不是一个规则的圆，只能是粗略意义上近似为一个圆或椭圆。可根据涡边缘的位置，通过hough变换检测算子拟合中尺度涡现象呈现的椭圆位置，并判断椭圆中心，将其作为涡的中心。涡中心检测的前提是，sar图像能够完整地反映整个中尺度涡，若sar只对涡部分区域成像，则很难反演涡的中心。
[0100]
图3给出了中尺度涡特征参数反演软件模块的部分界面。
[0101]
仿真数据数据反演试验
[0102]
由于缺乏高分辨率实测海洋中尺度涡流场数据，海洋中尺度涡流场采用以卫星融合数据为基准，根据文献查到的流速梯度范围进行仿真。海洋中尺度涡流场流速资料基于nasa网站发布的海表流场多卫星融合数据，该数据的空间分辨率为25公里，选取日本海以东黑潮延伸区域中尺度涡，该区域为典型的海洋中尺度涡区域。由国外文献资料查明，中尺度涡流场梯度在10
‑5(1/s)至10
‑4(1/s)量级之间，根据卫星数据流速资料和文献报道的中尺度涡流场梯度资料仿真了强、中、弱三类中尺度涡流场，并在此基础上进行后续的仿真，得到sar仿真图像，利用中尺度涡反演模型反演中尺度涡参数。
[0103]
图5是一景中尺度涡仿真sar图像，其海表流场分布如图4所示。中尺度涡流速梯度最大值约为1
×
10
‑4(1/s)，属于强中尺度涡，仿真的sar参数为l波段、vv极化、中心入射角约为48
°
，几何分辨率方位向40m，距离向20m，辐射分辨率约为1.12db,海面风速为5m/s。
[0104]
根据中尺度涡反演模型对三级海况l波段vv极化sar仿真图像进行中尺度涡参数反演，如图6所示。
[0105]
图8是一景中尺度涡仿真sar图像，中尺度涡流速梯度最大值约为5
×
10
‑5(1/s)，其海表流场分布如图7所示。仿真的sar参数为l波段、vv极化、中心入射角约为48
°
，几何分辨率100m，辐射分辨率为1.12db,海面风速为5m/s。
[0106]
根据中尺度涡反演模型对中等强度，二级海况l波段vv极化sar中尺度涡仿真图像
进行中尺度涡参数反演，如图9所示。
[0107]
表1
[0108][0109]
将中尺度涡反演结果与输入的流场数据进行比较，得到以上两个例子中，中尺度涡的检测位置偏差和中心偏差如表1所示。
[0110]
通过本发明的方法对航空sar观测数据进行反演试验以及对其他同类卫星数据进行反演试验后均证明本技术所述方法的适用性。
[0111]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0112]
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，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：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，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精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。