一种基于自适应缩减算子的导航雷达图像反演海面风向方法
【专利摘要】本发明公开了一种基于自适应缩减算子的导航雷达图像反演海面风向方法。包括以下几个步骤：采集N幅导航雷达图像形成一组导航雷达图像序列；对导航雷达图像进行中值滤波处理；对滤波后的导航雷达图像进行方位向归一化，固定每幅滤波后的导航雷达图像的方位向线数；对方位向归一化后的导航雷达图像进行全局低通滤波处理，得到包含风条纹的海面静态特征图像；根据海面静态特征图像，进行海面风向反演得到海面风向。本发明设计了一种自适应算法，可以根据缩减后图像计算得到的判定参数判断缩减分辨率与风条纹尺度是否适宜，提高了海面风向反演精度。
【专利说明】一种基于自适应缩减算子的导航雷达图像反演海面风向方 法
【技术领域】
[0001] 本发明属于海面风向遥感【技术领域】，尤其涉及一种基于自适应缩减算子的导航雷 达图像反演海面风向方法。
【背景技术】
[0002] 海面风场信息是海洋动力学重要参数，主要包含风向和风速信息两个方面，因此， 了解和掌握海面风向信息具有深远的意义。现有测量海面风向信息方法有站点式现场测 量和遥感测量两类。导航雷达是遥感测量手段的一种，因其具有不受光线影响、不受天气 影响、实时连续反馈、高分辨率和使用便捷等优点，成为现阶段获取海面风向信息的重要手 段。
[0003] 现阶段应用导航雷达图像获取海面风向的方法主要有两类：一类是基于导航雷达 回波强度和风向分布关系，另一类是基于风条纹反演海面风向。基于导航雷达回波强度和 风向分布关系获取海面风向需要360°全幅无遮挡的导航雷达图像，但无论岸基、塔基还是 航海导航雷达都是无法实现全幅无遮挡探测，因此，此方法在工程和实验中都是无法实现 的。风条纹是由海面风速分布不均匀导致的导航雷达回波图像中呈现出来的条纹特征，本 发明属于基于风条纹反演海面风向这类。见参考文献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] 风条纹具有尺度200?500m，频率接近静态或准静态，风条纹方向与风向平行 等特征。目前，国内外基于风条纹特征反演海面风向的算法主要有以下几种：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年中国海洋大学段 华敏应用光流法从小麦岛导航雷达数据中提取出了海面风场信息。2012年哈尔滨工程大学 的贾瑞才博士和2013年中国海洋大学的硕士生李金凤都对光流法进行了改进，用以提高 了风向反演精度。光流法要求在连续的图像上存在灰度一致的风条纹，但根据风条纹的成 因在同一序列图像中无法获得风条纹的移动，因此光流法在理论和实验中都证明是无法反 演海面风向的。见参考文献 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应用局部梯度法反演海面风向，首先要对海面静态特征图像进行 平滑和缩减三次得到风条纹图像，然后根据风条纹与风向平行这个特征，通过计算像元主 梯度方向，其垂直方向则是海面风向，具体步骤流程如图2所示；2003年Dankert应用局 部梯度法利用Ekofish2/4k平台数据，得到海面风向与参考风向标准差为14.24°。2005 年Dankert利用FIN0-I平台数据，得到海面风向与参考风向标准差为12.77°。2007 年Dankert利用FIN0-I平台更多数据，得到海面风向与参考风向标准差为12.77°，通 过实验和理论分析可知应用局部梯度法是可以从导航雷达图像中反演出海面风向的。 见参考文献 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] 传统局部梯度法对海面静态特征图像应用2X2缩减算子固定的缩减三次，图像 分辨率降低为原来的8倍，即得到固定的缩减分辨率。Dankert实验指出将图像分辨率缩减 为风条纹尺度的1/16?1/4时，才能计算出正确的风条纹的梯度，从而获得准确的海面风 向。但风条纹的尺度在200?500m之间，固定的缩减次数导致缩减分辨率不一定在与风条 纹合适的比例范围内，导致大量实验数据不可应用。分辨率与风条纹的比例是在一个范围 内，并且风条纹尺度会根据不同的海况而改变，很难寻找到与风条纹尺度合适的比例分辨 率，这样也会导致反演得到的海面风向精度降低。因此，传统的局部梯度法很难满足工程的 要求，需要设计一种可以根据不同风条纹尺度来调节缩减次数及分辨率大小的方法。
【发明内容】
[0007] 本发明的目的是提供一种具有高精度的，基于自适应缩减算子的导航雷达图像反 演海面风向方法。
[0008] -种基于自适应缩减算子的导航雷达图像反演海面风向方法，包括以下几个步 骤：
[0009] 步骤一：采集N幅导航雷达图像形成一组导航雷达图像序列；
[0010] 步骤二：对导航雷达图像进行中值滤波处理；
[0011] 步骤三：对滤波后的导航雷达图像进行方位向归一化，固定每幅滤波后的导航雷 达图像的方位向线数；
[0012] 步骤四：对方位向归一化后的导航雷达图像进行全局低通滤波处理，得到包含风 条纹的海面静态特征图像；
[0013] 步骤五：根据海面静态特征图像，进行海面风向反演得到海面风向。
[0014] 本发明一种基于自适应缩减算子的导航雷达图像反演海面风向方法，还可以包 括：
[0015] 1、对滤波后的导航雷达图像进行方位向归一化的方法为：
[0016] (1)读取极坐标下的每个滤波后的导航雷达图像的方位向线数和径向点数，方位 向线数为3600条，间隔角度为0. Γ，有N = 3600个角度值= 1，2,…N，径向点数为 220 个；
[0017] (2)建立方位向固定为1800条的新极坐标导航雷达图像，间隔角度为0.2°，有 Nnew = 1800个新的角度值，Θ」，j = 1，2,…Nnew，径向点数为220个；
[0018] (3)为新极坐标导航雷达图像赋灰度值，若= Θ j，或第一个Ω，Θ j，则将角度 值对应的方位向线的灰度值赋给新极坐标导航雷达图像的新角度值叫对应的方位向 线上；
[0019] 重复步骤（3)直到所有新极坐标导航雷达图像的所有方位向线都具有灰度值，得 到方位向归一化后的导航雷达图像。
[0020] 2、根据海面静态特征图像，进行海面风向反演得到海面风向的方法为：
[0021] (1)将极坐标下的海面静态特征图像插值为笛卡尔坐标下海面静态特征图像；
[0022] (2)将笛卡尔坐标下海面静态特征图像进行平滑处理，得到一次平滑图像；
[0023] 笛卡尔坐标下海面静态特征图像为：
[0024] fU" y』）i = 1，2,…Nx，j = 1，2,…Ny
[0025] 其中（Xi，y」）为沿x和y轴的笛卡尔坐标，Nx和N y为笛卡尔坐标下沿x和y轴所 取像元总数，
[0026] 一次平滑图像为：
[0027]
【权利要求】
1. 一种基于自适应缩减算子的导航雷达图像反演海面风向方法，其特征在于，包括以 下几个步骤： 步骤一：采集N幅导航雷达图像形成一组导航雷达图像序列； 步骤二：对导航雷达图像进行中值滤波处理； 步骤三：对滤波后的导航雷达图像进行方位向归一化，固定每幅滤波后的导航雷达图 像的方位向线数； 步骤四：对方位向归一化后的导航雷达图像进行全局低通滤波处理，得到包含风条纹 的海面静态特征图像； 步骤五：根据海面静态特征图像，进行海面风向反演得到海面风向。
2. 根据权利要求1所述的一种基于自适应缩减算子的导航雷达图像反演海面风向方 法，其特征在于：所述的对滤波后的导航雷达图像进行方位向归一化的方法为： (1) 读取极坐标下的每个滤波后的导航雷达图像的方位向线数和径向点数，方位向线 数为3600条，间隔角度为0. Γ，有N = 3600个角度值Ωρ i = 1，2，...N，径向点数为220 个； (2) 建立方位向固定为1800条的新极坐标导航雷达图像，间隔角度为0. 2°，有凡" = 1800个新的角度值，Θ」，j = 1，2,…Nnew，径向点数为220个； (3) 为新极坐标导航雷达图像赋灰度值，若Ω i = Θ」，或第一个Ω，Θ」，则将角度值Ω i 对应的方位向线的灰度值赋给新极坐标导航雷达图像的新角度值Θ』对应的方位向线上； (4) 重复步骤（3)直到所有新极坐标导航雷达图像的所有方位向线都具有灰度值，得 到方位向归一化后的导航雷达图像。
3. 根据权利要求1所述的一种基于自适应缩减算子的导航雷达图像反演海面风向方 法，其特征在于：所述根据海面静态特征图像，进行海面风向反演得到海面风向的方法为： (1) 将极坐标下的海面静态特征图像插值为笛卡尔坐标下海面静态特征图像； (2) 将笛卡尔坐标下海面静态特征图像进行平滑处理，得到一次平滑图像； 笛卡尔坐标下海面静态特征图像为： f (xi； yj) i = 1, 2,. . . Nx, j = 1, 2,. . . Ny 其中（Xi，y」）为沿X和y轴的笛卡尔坐标，Nx和Ny为笛卡尔坐标下沿X和y轴所取像 元总数，一次平滑图像为：
Ψ (m,n)f(xMnJyH1) i = 1, 2, . . . Nx~4, j = 1, 2, . . . Ny-4 ff(m，n)为二项式卷积核，r为二项式卷积核的阶数，（m，n)为二项式卷积核的坐标； (3) 应用自适应缩减算子对一次平滑图像进行缩减，得到缩减后图像； 缩减后图像为： F? = C" e*F 自适应算子CUK)为：
进一步得到：
其中，（χα，ye)为图像缩减后新生成的坐标，α = 1，2,. . . Νχ-4/2，β = 1，2,. . . Ny-4/2, Κ为缩减率，缩减后图像分辨率变为Κ* γ，γ为图像缩减前图像分辨率； (4) 将缩减后图像进行平滑处理，得到二次平滑图像； 二次平滑图像为：
其中，（xa,，ye,)二次平滑图像坐标，Ηκ为二项式卷积核，R为二项式卷积核阶数， (Μ，Ν)为二项式卷积核坐标，
(5) 对二次平滑图像应用优化Sobel梯度算子得到像元梯度方向直方图； 优化Sobel梯度算子为：
其中，Dx和Dy为优化Sobel算子分别沿X，y轴的梯度算子， 二次平滑图像每个像元点沿X和y轴的梯度值为： jGx=G*Dx 其中，Gx和Gy分别为所有像元点沿X轴和y轴的梯度方向，由Gx和G y得到每个像元点 的梯度方向Ge为：
对得到的所有像元的梯度方向进行直方图统计，得到像元梯度方向直方图； (6) 通过像元梯度方向直方图得到稳定系数，基于自适应算法确定最优缩减率K ; 从像元梯度方向直方图中选取从从?仏.,.的所有梯度方向，组成方向值数组GP =[G" G2, · · · Gp]， 稳定系数为：
其中，σ为GP的标准差，μ为GP的均值， 选取阈值为10,缩减率K的取值范围为：K = 2, 3,…8， 在缩减率Κ〈8,并且稳定系数小于阈值时，选取当前缩减率Κ作为最优缩减率 在缩减率Κ〈8,并且稳定系数大于阈值时，Κ = Κ+1，重复步骤（2)?步骤（6)， 在缩减率Κ = 8,并且稳定系数大于阈值时，选取稳定系数最小时对应的缩减率Κ作为 最优缩减率； (7) 求得对应最优缩减率Κ的主梯度方向； 将当前的对应最优缩减率Κ的像元梯度方向直方图中选取?6^,的所有梯度方 向，组成的新的方向值数组GM = [h，G2,. . . GJ，包含的梯度方向数量为m，对新的方向值数 组求平均值得到主梯度方向Gmain :
(8) 根据主梯度方向求得海面风向Wd : Wd = Gmain±90。 将计算出来的方向与风向标测得的风向所在象限比较，保留与其象限一致的方向去除 180°模糊的方向，从而获得准确的海面风向。
4.根据权利要求3所述的一种基于自适应缩减算子的导航雷达图像反演海面风向方 法，其特征在于：所述的将极坐标下的海面静态特征图像插值为笛卡尔坐标下海面静态特 征图像方法为： (1) 在极坐标下的海面静态特征图像中选取扇形区域； (2) 得到扇形区域中像元点的极坐标（r，Θ)对应的笛卡尔坐标（x，y): (3) 建立与扇形区域相对应的笛卡尔坐标下的矩形区域，矩形区域的笛卡尔坐标为 (Xi^i)，找到与矩形区域的笛卡尔坐标（by)距离最近的扇形区域的笛卡尔坐标（x，y)， 将扇形区域的笛卡尔坐标（x，y)对应的极坐标（r，θ)的像元灰度值赋给矩形区域的笛卡 尔坐标（ Xi，yi)，得到笛卡尔坐标下海面静态特征图像。
【文档编号】G01S13/95GK104297753SQ201410557744
【公开日】2015年1月21日 申请日期:2014年10月20日 优先权日:2014年10月20日
【发明者】卢志忠, 王慧, 黄玉, 张长青, 吕杰, 张坤, 杨江红, 王璐 申请人:哈尔滨工程大学