CN102565772B - 基于sar子孔径序列图像的海洋动态信息提取方法 - Google Patents

Abstract

本发明公开了一种基于SAR子孔径序列图像的海洋动态信息提取方法，涉及SAR技术，包括：(A)对SAR回波数据进行子孔径成像处理，得到子孔径序列图像；(B)对每个子孔径图像进行特征提取和网格划分后，对每两个相邻子孔径图像进行一次海面动态信息提取，得到每个网格的特征运动速度Vx(S，T)，Vy(S，T)；(C)再对多次提取的结果进行平均，减小误差和噪声，得海洋动态信息。本发明方法，简单、易行，适用范围广，可准确地提取海面的动态信息。

Description

基于SAR子孔径序列图像的海洋动态信息提取方法

技术领域

本发明涉及合成孔径雷达(SAR)技术领域，是一种基于SAR子孔径序列图像的海洋动态信息提取方法。

背景技术

合成孔径雷达(SAR)是20世纪50年代末发展起来的一种主动微波遥感手段，与其他遥感手段相比，有探测范围大、分辨率高、全天时、全天候、分辨率不随斜距变化等优势，在很多领域都得到了大量成功的应用。尤其在对海洋这样探测范围大、云雾干扰大的区域进行遥感探测时，SAR更是一个不可或缺的重要遥感手段。世界上第一个星载SAR——SeaSAT就是应用于海洋遥感的，后来陆续发射的多颗SAR卫星，包括ERS-1/2，RADARSAT-1/2，EnviSAT等都有大量成功的海洋遥感应用。我国正在规划的“海洋三号”卫星预计也将装备SAR载荷。

海洋场景最大的特点就在于它的复杂的动态特性，它既包含周期小至秒级的小尺度波浪振动，也包括周期长达几十分钟甚至数小时的内波、洋流等等。海洋遥感的一个重要目的就是提取海洋的动态信息。目前的SAR海洋遥感信息处理通常都是基于单幅SAR图像进行人工或机器检测和信息提取，形象的说就是用“照相机”而不是用“摄像机”来获取动态信息。基于单幅图像来提取目标动态信息需要对目标特性有很好的先验知识而且提取的动态信息还是比较有限，如测区的海面风速、水下地形环境、海水分层结构等。另一方面，经典的SAR成像理论是要求目标在合成孔径时间内不变的，而海洋很多动态信息的时变周期往往比合成孔径时间还短，目前海洋SAR数据的信号处理方法往往直接套用固定目标的SAR处理方法，这样很容易丢失一些快变信息。SAR的合成孔径时间取决于方位向天线长度、平台速度和电磁波长，随着SAR分辨率指标的不断提高，合成孔径时间也不断提高，例如目前机载SAR米级分辨率的L波段SAR的合成孔径时间已经长达30秒甚至更长，如果直接采用固定目标的SAR信号处理方法就会丢失时变周期小于30秒的动态信息，这已经不能满足数百米波长的波浪成像的要求了(深水海域500波长波浪振动周期约为18秒)。这也是机载L波段SAR图像虽然额定分辨率可以达到米量级甚至更高，但却往往无法看到百米以内波长波浪的主要原因。因此直接套用陆地目标的SAR信息处理方法来处理海洋动态目标，会丢失很多海面动态信息。

发明内容

本发明的目的是公开一种基于SAR子孔径序列图像的海洋动态信息提取方法，不用进行复杂的目标特性建模，而准确地提取海面的动态信息。

为达到上述目的，本发明的技术解决方案是：

一种基于SAR子孔径序列图像的海洋动态信息提取方法，其包括步骤：

(A)对SAR回波数据进行子孔径成像处理，得到子孔径序列图像；

(B)对每个子孔径图像进行斑点噪声抑制、特征增强和网格划分后，对每两个相邻子孔径图像进行一次海面动态信息提取，得到每个网格的特征运动速度Vx(S，T)，Vy(S，T)；假设有N个子孔径图像，则有N-1个运动速度提取结果。

(C)再对N-1个运动速度提取的结果进行平均，减小误差和噪声，得海洋动态信息。

所述的海洋动态信息提取方法，其所述步骤(A)，其处理流程如下：

1)SAR原始信号经前期处理后，转换到方位向频域；

2)对方位向频域进行子孔径分割，得多数个子孔径，为：子孔径1、子孔径2……、子孔径N；

3)对步骤2)进行后续SAR成像处理，得多数个子孔径序列图像，为：子孔径图像1、子孔径图像2……、子孔径图像N。

所述的海洋动态信息提取方法，其所述每个子孔径图像对应的频宽为：

$\mathrm{\ΔF}=\frac{2v}{\mathrm{DN}}$

其中，v为雷达飞行速度，D为天线方位向长度，N为子孔径个数。

所述的海洋动态信息提取方法，其所述相邻子孔径图像之间的间隔时间为：

$\mathrm{\ΔT}=\frac{\mathrm{\λ}{R}_0}{\mathrm{DvN}}$

其中，R₀为目标在合成孔径时间内的最近斜距，λ为波长。

所述的海洋动态信息提取方法，其所述步骤(B)中，对每个子孔径图像首先采用多视的方法对SAR图像斑点噪声进行抑制，然后根据目标特性进行特征增强，抑制海面背景中的无用信息，其中，特征增强所采用的方法需根据所关注的目标特性进行选择：(1)对内波、海浪的线状特征，采用小波域非线性增强、曲波域非线性增强的方法进行特征增强；(2)对强点目标舰船，采用灰度非线性增强方法进行强点增强，增强图像中的有用特征，抑制无关信息和噪声；然后对图像进行网格划分。

所述的海洋动态信息提取方法，其所述网格的大小需与关注的目标类型相适合，对于内波的大尺度特征网格为1km²左右，对于流场、波浪的中尺度特征网格为0.01km²左右，对于舰船小尺度特征网格为100m²左右。

所述的海洋动态信息提取方法，其所述步骤(B)中，对每两个相邻子孔径图像进行一次海面动态信息提取，包括：

(1)对每个网格到相邻子孔径图像中对应位置网格进行特征匹配，由于子孔径图像间隔时间短，图像间特征相关度很高，但位移很小，因此采用频域相位相关法的方法进行亚像元的高精度平移估计；

具体计算方法如下：

首先将两个网格图像进行二维傅里叶变换后进行共轭相乘，并求解缠相位：

其中F₁(u，v)、F₂(u，v)分别为第一和第二网格图像的二维傅里叶变换，u、V分别为二维频率，∠·表示求相位运算，unwrap(·)表示相位解缠运算；

则两个图像在x和y方向的平移量采用如下公式计算：

$\left[\begin{array}{c}\frac{a}{N_x}\\ \frac{b}{N_y}\end{array}\right]=\frac{1}{2\mathrm{\π}}{B}_n^{-1}{A}_n\mathrm{\Φ}\left(n\right)$

其中，a、b为网格图像2相对于网格图像1在x和y方向的位移量；N_x、N_y为网格图像在x和y方向的点数，

n为一整数并满足1≤n≤N_y；

n遍历1到N_y得到N_y组位移量a、b，对这N组位移量进行平均，减少相位噪声的干扰；

(2)各网格的位移量除以子孔径图像时间间隔，得到每个网格中特征运动的速度：

$V_x(S,T)=\frac{a{\mathrm{\δ}}_x}{\mathrm{\ΔT}},$ $V_y(S,T)=\frac{b{\mathrm{\δ}}_y}{\mathrm{\ΔT}}$

其中，Vx、Vy分别为x、y方向速度，δ_x、δ_y为图像x、y方向像素分辨率，S，T分别为x、y方向的网格序号。

本发明方法，简单、易行，适用范围广，可准确地提取海面的动态信息。

附图说明

图1为合成孔径雷达(SAR)成像原理示意图；

图2为本发明的基于SAR子孔径序列图像的海洋动态信息提取方法采用子孔径成像形成SAR图像序列的原理示意图；

图3为本发明方法中的子孔径图像生成的信号处理流程示意图；

图4为本发明方法中的动态信息提取流程示意图；

图5为本发明的基于SAR子孔径序列图像的海洋动态信息提取方法流程图。

具体实施方式

要获取场景中的动态信息，最佳的方法就是获得同一场景在不同时刻的图像序列，通过序列图像的对比和处理可以明确图像中什么东西是动的什么东西是静止的，运动速度等信息也可以更准确地提取，而不用进行复杂的目标特性建模。目前常规的SAR图像判读和处理基本上都是基于单幅图像的，形象地说SAR目前都是“照像机”而不是“摄像机”，这就大大限制了SAR在海洋动态信息提取方面的能力和应用。

但是经过信号处理是可以将SAR从“照相机”变成“摄像机”的。SAR的原理可以理解为通过平台飞行和雷达按均匀时间间隔采样，雷达的天线中心在空间中就形成了一个虚拟的大阵列，每个采样点就构成了虚拟阵列中的一个“阵元”，SAR成像的过程就是对虚拟大阵列的各个“阵元”进行相位加权相加，形成不同的虚拟“窄方向图”，从而实现对方位向的高分辨成像，其原理示意图如下所示：

图1中各个实线三角形代表天线在每个采样位置的天线方向图，而虚线代表虚拟阵列形成的不同方向的窄天线方向图。

如果将虚拟的大阵列在飞行方向分为多个小阵列，每个小阵列各自形成虚拟方向图实现对方位向成像。由于各个小阵列对同一个目标成像，这样各个小阵列所得到的图像就存在时间差。这就是采用子孔径成像形成SAR图像序列的原理，图2是两个子孔径成像示意图。

如图2所示，地面上的每个目标都可以被子孔径1或者子孔径2观测到，但是两者的观测时间有一定差异，时间差为雷达从子孔径1的中心到子孔径2的中心所经历的时间。通过比较各个子孔径图像间的差异就可以提取出海面的动态信息。

图5为本发明的基于SAR子孔径序列图像的海洋动态信息提取方法流程图，包括：

1、子孔径图像的生成方法：

由于SAR信号的方位向多普勒瞬时频率与天线方位向视角有近似的对应关系，因此通过将SAR信号方位向多普勒频谱进行分割可以很方便地实现子孔径序列成像。合成孔径雷达与目标间距离可以表示为：

$R\left(t\right)=\sqrt{R_0^2+{(\mathrm{vt}-X_0)}^2}---\left(1\right)$

其中R₀为目标在合成孔径时间内的最近斜距，v为雷达飞行速度，t为方位向时间，X₀为目标方位向位置。一般情况R₀＞＞vt-X₀则瞬时多普勒频率可以表示为：

$f\left(t\right)=-\frac{2\∂R\left(t\right)}{\mathrm{\λ}\∂t}\≈-\frac{2v(\mathrm{vt}-X_0)}{\mathrm{\λ}{R}_0}---\left(2\right)$

其中λ为波长。

从(2)可以看出目标的瞬时多普勒频率与雷达和目标的相对方位位置(vt-X₀)成正比。因此通过对SAR方位向多普勒频谱进行分割可以很方便实现子孔径的分割。由于RD、CS、ωK等主流SAR成像算法都有将信号变换到方位向频域的步骤，因此在频域进行子孔径分割的步骤不会给成像带来太多额外的运算量。

如果将孔径分为N份，则进行进行方位向频域分割时每个子孔径图像对应的频宽为：

$\mathrm{\ΔF}=\frac{2v}{\mathrm{DN}}---\left(3\right)$

其中D为天线方位向长度，N为子孔径个数。这样对应的相邻子孔径图像之间的间隔时间为：

$\mathrm{\ΔT}=\frac{\mathrm{\λ}{R}_0}{\mathrm{DvN}}---\left(4\right)$

子孔径图像生成的信号处理流程如图3所示。

2、海洋动态信息提取方法

首先对所有子孔径图像进行多视处理，抑制斑点噪声。然后针对应用所关注目标的特性，对各个子孔径图像进行特征增强。例如关注内波、海浪等线状特征的可以用小波域非线性增强、曲波域非线性增强等方法，关注舰船等强目标的可以采用采用灰度非线性增强方法进行强点增强，增强图像中的有用特征，抑制无关信息和噪声。然后对第一幅图像中含有目标特征区域进行网格划分。网格的大小需要视具体应用所关注的目标类型而定，例如内波等大尺度目标网格可以为1km²右，流场等中尺度目标网格可以为0.01km²左右，舰船等小尺度目标网格可以为100m²左右。然后对每个网格到相邻子孔径图像中对应位置附近进行特征匹配，由于子孔径图像间隔时间短，图像间特征相关度很高，但位移很小，因此采用频域相位相关法的方法进行亚像元的高精度平移估计。

具体计算方法如下：

首先将两个网格图像进行二维傅里叶变换后进行共轭相乘，并求解缠相位：

其中F₁(u，v)、F₂(u，v)分别为第一和第二网格图像的二维傅里叶变换，u、v分别为二维频率，∠·表示求相位运算，unwrap(·)表示相位解缠运算。

则两个图像在x和y方向的平移量可以采用如下公式计算

$\left[\begin{array}{c}\frac{a}{N_x}\\ \frac{b}{N_y}\end{array}\right]=\frac{1}{2\mathrm{\π}}{B}_n^{-1}{A}_n\mathrm{\Φ}\left(n\right)$

其中a、b为网格图像2相对于网格图像1在x和y方向的位移量。N_x、N_y为网格图像在x和y方向的点数，n为一整数并满足1≤n≤N_y。

n遍历1到N_y可以得到N_y组位移量a、b，对这N组位移量进行平均，减少相位噪声的干扰。

各网格的位移量除以子孔径图像时间间隔就可以得到每个网格中特征运动的速度：

$V_x(S,T)=\frac{m{\mathrm{\δ}}_x}{\mathrm{\ΔT}},V_y(S,T)=\frac{n{\mathrm{\δ}}_y}{\mathrm{\ΔT}}---\left(6\right)$

其中Vx、Vy分别为x、y方向速度，δ_x、δ_y为图像x、y方向像素分辨率，S，T分别为x、y方向的网格序号。

每两个相邻子孔径图像做一次特征匹配后，共得到N-1次匹配结果。对N-1次匹配结果进行平均，可以使得运算结果的误差和噪声更小。

动态信息提取的流程图如图4所示。

实施步骤：

1.根据应用要求确定子孔径图像间的时间间隔，然后根据公式(4)计算要分割的子孔径数目。

2.按照图3所示的流程图进行子孔径成像处理，得到同一场景的子孔径序列图像。

3.按照应用要求对图像进行滤波和特征提取等预处理和网格划分。

4.按照图4所示流程图对每两个相邻子孔径图像进行一次海面动态信息提取，得到每个网格的特征运动速度Vx(S，T)，Vy(S，T)。再对N-1次结果进行平均。

Claims (7)

1.一种基于SAR子孔径序列图像的海洋动态信息提取方法，其特征在于：包括步骤：

(A)对SAR回波数据进行子孔径成像处理，得到子孔径序列图像；

(B)对每个子孔径图像进行斑点噪声抑制、特征增强和网格划分后，对每两个相邻子孔径图像进行一次海面动态信息提取，得到每个网格的特征运动速度Vx(S，T)，Vy(S，T)；假设有N个子孔径图像，则有N-1个运动速度提取结果；

(C)再对N-1个运动速度提取的结果进行平均，减小误差和噪声，得海洋动态信息。

2.如权利要求1所述的海洋动态信息提取方法，其特征在于：所述步骤(A)，其处理流程如下：

1)SAR原始信号经前期处理后，转换到方位向频域；

2)对方位向频域进行子孔径分割，得多数个子孔径，为：子孔径1、子孔径2......、子孔径N；

3)对步骤2)进行后续SAR成像处理，得多数个子孔径序列图像，为：子孔径图像1、子孔径图像2......、子孔径图像N。

3.如权利要求1或2所述的海洋动态信息提取方法，其特征在于：所述每个子孔径图像对应的频宽为：

$\mathrm{\ΔF}=\frac{2v}{\mathrm{DN}}$

其中，v为雷达飞行速度，D为天线方位向长度，N为子孔径个数。

4.如权利要求3所述的海洋动态信息提取方法，其特征在于：所述相邻子孔径图像之间的间隔时间为：

$\mathrm{\ΔT}=\frac{{\mathrm{\λR}}_0}{\mathrm{DvN}}$

其中，R₀为目标在合成孔径时间内的最近斜距，λ为波长。

5.如权利要求1所述的海洋动态信息提取方法，其特征在于：所述步骤(B)中，对每个子孔径图像首先采用多视的方法对SAR图像斑点噪声进行抑制，然后根据目标特性进行特征增强，抑制海面背景中的无用信息，其中，特征增强所采用的方法需根据所关注的目标特性进行选择：(1)对内波、海浪的线状特征，采用小波域非线性增强、曲波域非线性增强的方法进行特征增强；(2)对强点目标舰船，采用灰度非线性增强方法进行强点增强，增强图像中的有用特征，抑制无关信息和噪声；然后对图像进行网格划分。

6.如权利要求5所述的海洋动态信息提取方法，其特征在于：所述网格的大小需与关注的目标类型相适合，对于内波的大尺度特征网格为1km²左右，对于流场、波浪的中尺度特征网格为0.01km²左右，对于舰船小尺度特征网格为100m²左右。

7.如权利要求4所述的海洋动态信息提取方法，其特征在于：所述步骤(B)中，对每两个相邻子孔径图像进行一次海面动态信息提取，包括：

(1)对每个网格到相邻子孔径图像中对应位置网格进行特征匹配，由于子孔径图像间隔时间短，图像间特征相关度很高，但位移很小，因此采用频域相位相关法的方法进行亚像元的高精度平移估计；

具体计算方法如下：

首先将两个网格图像进行二维傅里叶变换后进行共轭相乘，并求解缠相位：

其中F₁(u，v)、F₂(u，v)分别为第一和第二网格图像的二维傅里叶变换，u、v分别为二维频率，∠·表示求相位运算，unwrap(·)表示相位解缠运算；

则两个图像在x和y方向的平移量采用如下公式计算：

$\left[\begin{array}{c}\frac{a}{N_x}\\ \frac{b}{N_y}\end{array}\right]=\frac{1}{2\mathrm{\π}}{B}_n^{-1}{A}_n\mathrm{\Φ}\left(n\right)$

其中，a、b为网格图像2相对于网格图像1在x和y方向的位移量；N_x、N_y为网格图像在x和y方向的点数，

n为一整数并满足1≤n≤N_y； $A_n=\begin{array}{c}\left[\begin{array}{cccc}0& 1& \…& N_x-1\\ n& n& \…& n\end{array}\right]\end{array},$

n遍历1到N_y得到N_y组位移量a、b，对这N组位移量进行平均，减少相位噪声的干扰；

(2)各网格的位移量除以子孔径图像时间间隔，得到每个网格中特征运动的速度：

$V_x(S,T)=\frac{{\mathrm{a\δ}}_x}{\mathrm{\ΔT}},$ $V_y(S,T)=\frac{{\mathrm{b\δ}}_y}{\mathrm{\ΔT}}$

其中，Vx、Vy分别为x、y方向速度，δ_x、δ_y为图像x、y方向像素分辨率，S，T分别为x、y方向的网格序号。

Images