CN110208806B - 一种航海雷达图像降雨识别方法 - Google Patents
一种航海雷达图像降雨识别方法 Download PDFInfo
- Publication number
- CN110208806B CN110208806B CN201910480544.5A CN201910480544A CN110208806B CN 110208806 B CN110208806 B CN 110208806B CN 201910480544 A CN201910480544 A CN 201910480544A CN 110208806 B CN110208806 B CN 110208806B
- Authority
- CN
- China
- Prior art keywords
- rainfall
- radar image
- radar
- echo difference
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
- G01S13/956—Radar or analogous systems specially adapted for specific applications for meteorological use mounted on ship or other platform
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Ocean & Marine Engineering (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供的是一种航海雷达图像降雨识别方法。确定检测阈值;读取雷达文件得到原始雷达图像,去除同频干扰;在待检测雷达图像的笛卡尔框区域范围内,用在空间上相距待计算点半个主波长距离的像素点来计算此点的回波差异值,求得雷达图像中笛卡尔框区域的回波差异值均值;通过回波差异值均值与检测阈值的比较,识别出降雨雷达图像和非降雨雷达图像。本发明利用航海雷达图像的纹理特性进行降雨识别,可用于雷达图像所显示的所有海域。本发明在笛卡尔框区域内根据海浪主波长信息动态选取测量点间距计算待求像素点的回波差异值,避免了因选取距离过近导致用于计算的像素点与待求点的距离落入雷达的径向分辨距离之内,提高了降雨识别的准确率。
Description
技术领域
本发明涉及的是一种航海雷达图像降雨识别的方法。
背景技术
海浪是与人类最为密切的海洋现象,海浪的监测在保障航行安全、预防海洋灾害等方面有着巨大的意义。航海雷达可以测量海浪的波长[1][2]、波高、波向、波周期等参数。雨是一种自然降水现象,降雨会对雷达发射的电磁波进行反射和折射作用,同时电磁波经过雨的吸收后,能量也会减少。另外,雨还会改变海面的粗糙度,这些都会造成反演海浪参数的误差。因而识别出受降雨影响的雷达图像有着很好的现实意义。见参考文献[1-2](魏来,管长龙.基于波面起伏相关性估计海浪波长的新方法[J].中国海洋大学学报(自然科学版),2018,48(09):1-5.李孟国.用波浪弥散关系确定波长的方法[J].中国港湾建设,2002(06):33-34.)
目前很多专家对识别航海雷达的降雨图像的方向都有所研究。2010年,唐艳红利用回波强度、差异系数的特性来识别降雨图像,分别统计了多幅降雨图像和非降雨图像的回波均值和差异系数,发现降雨和非降雨时回波强度和差异系数有明显差别[3]。郑亚能、杨雪林对此识别方法进行了进一步研究,并采用改进的中值滤波进行降雨处理[4][5]。2012年,Jang M K等设计了用于海洋雷达***的滤波器来抑制雨杂波,提高了目标检测性能[6]。并且Lund等人利用进行海面风场反演时,发现在降雨时雷达图像的回波强度较未降雨时显著增大,并且零强度百分比较未降雨时减小,提出用零强度百分比来识别雷达降雨图像的方法[7]。同年,沈继红、李英等基于X波段导航雷达图像提出一种利用质量控制、三维表面粗糙度评定参数和信噪比的降雨识别方法,能反映图像纹理特征,有效识别降雨图像[8]。2015年向拓对零强度百分比的概念以及具体统计方式进行了详细阐述,并且考虑了海况变化对统计结果造成的影响,重点分析了遮挡区内零强度百分比的统计结果[9]。见参考文献[3-9](唐艳红.基于航海雷达的海浪遥测关键技术研究[D].哈尔滨工程大学,2010郑亚能.X波段航海雷达图像预处理器的研究与设计[D].哈尔滨工程大学硕士学位论文.2010:1-3杨雪林.雷达原始图像噪声预处理软件的设计与实现[D].哈尔滨工程大学硕士学位论文.2013:21-24Jang M K,Cho C S.Target Detection of Marine Radars UsingMatrix Bank filters[C]Microwave Conference.2012Lund B,Graber H C,RomeiserR.Wind Retrieval From Shipborne Nautical X-Band Radar Data[J].Geoscience andRemote Sensing IEEE Transactions on.2012,50(10):3800-3811P.沈继红,李英,戴运桃等.X-band雷达图像中降雨干扰的识别与抑制[J].光学精密工程.2012,20(8):1846-1853页向拓.雷达测波仪图像去噪技术研究及软件设计[D].哈尔滨工程大学硕士学位论文.2015:1-3,31-40页)
当前,检测雷达图像是否受到降雨的干扰一般通过雷达图像的回波强度均值、方差、零强度百分比等参数及其组合的传统方法来实现。2017年,Huang Weimin提出了一种与上述方法皆不相同的方法,此方法利用回波差异性对X波段雷达图像进行降雨识别,其中表征回波差异性的参数是回波差异值,回波差异值定义为当前值与其他值差值的平方和与比较次数之比的平方根,用以衡量周围值与当前值的偏差,通过空间上距离最近的3×3的矩形来计算此点的回波差异值,然后根据阈值来判断是否为降雨图像[10][11]。该方法缺点是采用了固定的最近距离像素点进行差异值计算,由于用于计算的像素点与待求点的距离落入雷达的径向分辨距离之内,得到的差异值较小,会导致降雨检测性能较差。因此,现有方法识别降雨和非降雨雷达图像的准确率较低。见参考文献[10-11](Huang W,Liu Y,GillE.Texture-Analysis-Incorporated Wind Parameters Extraction from Rain-Contaminated X-Band Nautical Radar Images[J].Remote Sensing,2017,9(2):166PGourley,J.J.;Tabary,P.;Chatelet,J.P.D.A fuzzy logic algorithm for theseparation of precipitating from nonprecipitating echoes using polarimetricradar observations.J.Atmos.Ocean.Technol.2007,24,1439–1451.)。
发明内容
本发明的目的在于提供一种可以有效区分航海雷达区别降雨与非降雨图像的航海雷达图像降雨识别方法。
本发明的目的是这样实现的:
步骤1,确定检测阈值K;
步骤2,读取雷达文件得到原始雷达图像,去除同频干扰;
步骤3,在待检测雷达图像的笛卡尔框区域范围内,用在空间上相距待计算点半个主波长距离的像素点来计算此点的回波差异值,求得雷达图像中笛卡尔框区域的回波差异值均值;
步骤4,通过回波差异值均值与检测阈值K的比较,识别出降雨雷达图像和非降雨雷达图像。
本发明还可以包括:
1.步骤1具体包括以下步骤:
步骤1.1,离线状态下利用雷达图像处理程序对雷达文件进行加载,记录雷达图像的采集时间、方位、径向距离、回波强度,以及实测的海浪主波长信息,并且同步记录采集时刻对应的雨量计测的降雨量;
步骤1.2,利用滤波算法去除待检测的雷达图像的同频干扰;
步骤1.3,在待检测雷达图像的笛卡尔框区域范围内,根据海浪的主波波长参数求出参与回波差异值计算的像素点数n,这些参与计算的像素点距待计算点的距离均为半个主波长,进而计算出此像素点的回波差异值;
步骤1.4,作出笛卡尔区域中的回波差异值均值与降雨和非降雨雷达图像的散点关系图,确定降雨情况下的最大回波差异值均值与非降雨情况下的最小回波差异值均值,取两者的平均值作为检测阈值K。
2.步骤2具体包括以下步骤:
步骤2.1,利用雷达图像处理程序对雷达文件进行加载,记录雷达图像的采集时间、方位、径向距离、回波强度,以及实测的海浪主波长。
步骤2.2,利用选定的滤波算法对雷达原始图像进行同频干扰抑制处理。
3.步骤3具体包括以下步骤:
步骤3.1,选取雷达图像中检测区域,即笛卡尔框的区域;
步骤3.2,在待检测雷达图像的笛卡尔框区域范围内,根据海浪的主波波长参数求出参与回波差异值计算的像素点数n,这些参与计算的像素点距待计算点的距离均为半个主波长,进而计算出此像素点的回波差异值。
4.参与回波差异值计算的像素点数n的计算公式:
n=(2*round(M/P)+1)*4-4
式中:
M-----海浪波峰与波谷之间的径向距离,即半个主波长的距离,
P-----雷达图像的距离分辨率,
回波差异值的计算公式:
其中:Ix,y-----位置在(x,y)的像素点的图像强度值,
Ii-----与位置在(x,y)的像素点距半个主波长的像素点的强度值,
n-----需要比较的像素点的总数,
Tx,y-----位置在(x,y)处像素点的回波差异值。
5.步骤4具体包括以下步骤:
步骤4.1,当雷达图像笛卡尔框区域的回波差异值均值小于或等于检测阈值K时,雷达图像判定为降雨图像;
步骤4.2,当雷达图像笛卡尔框区域的回波差异值均值大于检测阈值K时,雷达图像判定为非降雨图像。
针对Huang Weimin提出的方法中存在的缺陷,本发明提出了一种基于主波长参数判定最优计算间距计算航海雷达图像回波差异性并进行降雨识别的改进方法。考虑到待检测区域的回波主要由海浪产生,当两个像素点相距半个海浪主波长的长度时,理论上海浪回波强度的差异值最大,因此本发明提出的改进方法将根据实测的海浪主波长参数动态选取计算点间距来计算回波差异值,使用在空间上相距待计算点半个主波长距离的像素点来计算此点的回波差异值,进而对雷达图像中待检测区域的所有像素点回波差异值作均值,得到最终的回波差异值均值,在不降雨条件下改进算法计算的回波差异值较大。最后,将计算的回波差异值均值与离线试验得到的检测阈值K进行比较,根据比较大小来判定雷达图像是否受到了降雨影响。检测阈值K是基于大量实验数据进行统计得到的。利用实测数据进行了实验验证,通过计算降雨图像识别的准确率,验证了该算法的有效性。
与现有技术相比,利用本发明所提出的降雨雷达图像识别方法,其优点在于:
(1)本发明利用航海雷达图像的纹理特性进行降雨识别,可以应用在雷达图像所显示的所有海域。
(2)本发明在笛卡尔框区域内根据海浪主波长信息动态选取测量点间距来计算待求像素点的回波差异值,避免了因选取距离过近导致用于计算的像素点与待求点的距离落入雷达的径向分辨距离之内,提高了降雨识别的准确率。
附图说明
图1极坐标系下的未降雨的整幅雷达原始图像。
图2极坐标系下的降雨较小的整幅雷达原始图像。
图3极坐标系下的降雨较大的整幅雷达原始图像。
图4极坐标系下的未降雨的雷达原始图像海浪检测区域。
图5极坐标系下的降雨较小的雷达原始图像海浪检测区域。
图6极坐标系下的降雨较大的雷达原始图像海浪检测区域。
图7空间像元点距离定义示意图。
图8不同降雨强度下多幅雷达图像检测区域的回波差异值关系图。
图9不同降雨强度下多幅雷达图像检测区域的回波差异值散点图。
图10本发明实施方式流程图。
具体实施方式
下面将结合附图对本发明提出的基于海浪主波长参数计算回波差异性的航海雷达图像降雨识别改进方法作进一步的详细说明。实施方式流程图见图10,具体可以分为以下几步,第一步为确定检测阈值K,第二步为待检测雷达图像读取并去除同频干扰,第三步为回波差异值均值的提取,第四步为降雨雷达图像识别。
本发明所使用的是X波段导航雷达,在短脉冲下进行数据采集,监测范围为4.5km之内,径向分辨率为23m,角度分辨率为1度,每幅图像的采集时间约为2.7s,规定以32幅图像作为一个时间序列进行存储,单幅雷达图像的总线数为2048条,每根线上有600个点,距离分辨率为7.5m,方向分辨率约为0.18度。雨量数据来源于国家***平潭县海洋观测站的雨量计,降雨量以分钟为单位进行记录,权值为0.1mm,降雨量不足0.1mm时记为0.
结合附图1~10,本发明具体实施步骤为:
第一步,对实验得到数据进行统计以确定阈值K。阈值K的确定包括以下步骤:
步骤1.1,离线开展观测试验,读取不同降雨情况下的256幅雷达原始图像,对读取的雷达图像进行去除同频干扰的处理,从附图1,2,3可以观测到不同降雨强度下雷达图像在极坐标系下的变化,随着降雨强度的增加,雷达图像上海浪的纹理信息会越来越模糊;附图4,5,6显示的是雷达图像的海浪检测区域在不同降雨情况下的变化,方位向范围为120°至190°、径向范围为80至600点的区域即是海浪检测区域。从海浪检测区域中选取部分区域在笛卡尔坐标系下进行处理,作为实验的检测区域,即距离雷达天线前方1000m左右,方位向范围为135°至147°、径向范围为80至208点的区域。当降雨强度的较大时,雷达图像的检测区域上的海浪的纹理信息会变的很模糊。
步骤1.2,已知海浪的主波长,统计每幅雷达图像检测区域的回波差异值均值。得到上述步骤1.1中不同降雨情况下的回波差异值均值。附图7表示了空间像素点的距离示意图,其中在中心的绿色点是待计算点,黑色的圆是以绿色点为原点,半个主波长的距离为半径所得到的,蓝色点是参与计算绿色点回波差异值的像素点。
其具体方法为:
1.2.1、参与回波差异值计算的像素点数n的计算公式:
n=(2*round(M/P)+1)*4-4 (3)
式中:
M-----波峰与波谷之间的径向距离即半个主波长的距离
P-----雷达图像的距离分辨率,本例为7.5m
1.2.2、回波差异值的计算公式:
式中:Ix,y-----位置在(x,y)的像素点的图像强度值,取值范围在0~8192之间
Ii-----与位置在(x,y)处像素点相距半个主波长的像素点强度值
N-----需要比较的像素点的总数
Tx,y-----位置在(x,y)处像素点的回波差异值
本发明所用雷达图像的检测区域处的部分由128*128个像素点所构成,区域距离雷达天线前方1000m左右,方位向为135度,径向的像素点范围为80点到208点。
1.2.3、重复1.2.1、1.2.2的步骤得到256幅的雷达图像检测区域的回波差异值均值.
步骤1.3,统计每幅雷达图像对应时间点的降雨量情况。
步骤1.4,作256幅降雨和非降雨的雷达图像中检测区域对应的回波差异值均值的关系图。如附图8。图中前64幅雷达图像是受到降雨影响较小的,中间96幅雷达图像是未受到降雨影响的,后面96幅雷达图像是受到大雨影响的。可以看出,无雨时雷达图像回波差异值较大,而受到雨影响时回波差异值较小,可以看出无雨时雷达图像回波差异值均值较大,而受到雨影响时回波差异值均值较小。其中黄色的线条为本发明提出的方法测试的结果,而黑色的线条为文献10所述方法的结果,可以看到本方法的差异性效果远远大于原方法,可以更好的识别出来降雨图像。再进一步选取了300幅降雨和非降雨雷达图像,300幅雷达图像受到降雨影响的程度是从小到大进行排列的,通过散点图的方式表示其回波差异值均值与降雨强度的关系,见附图9,当无降雨时,雷达图像的检测区域的回波差异值较大,当有降雨时,雷达图像的检测区域的回波差异值较小。本用例将正确率参数设置为90%,将降雨情况下的最大回波差异值均值694与非降雨情况下的最小回波差异值均值712的平均值703作为检测阈值K,经验证该阈值满足正确率参数要求。
第二步,待检测雷达图像读取并去除同频干扰。利用雷达图像处理软件加载待检验识别的雷达图像,利用中值滤波的方法对其进行同频干扰抑制,具体方法为将每一像素点的回波强度值以该点3×3邻域窗口内其余8个像元点回波强度的中值代替。取其方位向135°至147°,径向80至208点的扇形区域,这样就可以去除同频的影响。
第三步,待检测雷达图像回波差异值均值的提取。回波差异值定义为当前值与其他值差值的平方和与比较次数之比的平方根,用以衡量周围值与当前值的偏差。即
按照上述确定阈值K时步骤1.2.1和1.2.2中计算检测区域的回波差异值的方法计算待检测的雷达图像的回波差异值均值。
第四步为降雨雷达图像识别。若回波差异值均值小于或等于703,则将其认定为降雨图像,若回波差异值均值高于703则认定为降雨雷达图像,此阈值允许有10%的误判率。
本发明的算法性能验证是基于国家***平潭县海洋观测站的测量数据实施的。实验测试时,雷达的监测范围为4.5km之内,每幅图像的采集时间约为2.7s,规定以32幅图像作为一个时间序列进行存储,雷达图像的总线数为2048条,每根线上有600个点,距离分辨率为7.5m,方向分辨率为0.18度。雨量数据来源于国家***平潭县海洋观测站的雨量计,降雨量以分钟为单位进行记录,权值为0.1mm,降雨量不足0.1mm时记为0.
降雨强度等级划分标准如表一所示:
表一 降雨强度等级划分标准
为了更好的进行分析,选取700幅雷达图像进行测试。其中有200幅是未受到降雨影响的雷达图像,500幅是受到降雨影响的雷达图像。降雨图像的识别结果为,识别正确率达到了89.8%。
本发明所提出的基于主波长参与的回波差异性的航海雷达图像降雨识别方法提高了降雨识别的准确率,该方法克服了海况对雷达回波的影响因素,还充分利用了雷达图像的参数特性,使得降雨图像与非降雨图像的区别更加明显,准确率提高。
Claims (5)
1.一种航海雷达图像降雨识别方法,其特征是:
步骤1,确定检测阈值K;
步骤1.1,离线状态下利用雷达图像处理程序对雷达文件进行加载,记录雷达图像的采集时间、方位、径向距离、回波强度,以及实测的海浪主波长信息,并且同步记录采集时刻对应的雨量计测的降雨量;
步骤1.2,利用滤波算法去除待检测的雷达图像的同频干扰;
步骤1.3,在待检测雷达图像的笛卡尔框区域范围内,根据海浪的主波波长参数求出参与回波差异值计算的像素点数n,这些参与计算的像素点距待计算点的距离均为半个主波长,进而计算出此像素点的回波差异值;
步骤1.4,作出笛卡尔区域中的回波差异值均值与降雨和非降雨雷达图像的散点关系图,确定降雨情况下的最大回波差异值均值与非降雨情况下的最小回波差异值均值,取两者的平均值作为检测阈值K;
步骤2,读取雷达文件得到原始雷达图像,去除同频干扰;
步骤3,在待检测雷达图像的笛卡尔框区域范围内,用在空间上相距待计算点半个主波长距离的像素点来计算此点的回波差异值,求得雷达图像中笛卡尔框区域的回波差异值均值;
步骤4,通过回波差异值均值与检测阈值K的比较,识别出降雨雷达图像和非降雨雷达图像。
2.根据权利要求1所述的航海雷达图像降雨识别方法,其特征是步骤2具体包括以下步骤:
步骤2.1,利用雷达图像处理程序对雷达文件进行加载,记录雷达图像的采集时间、方位、径向距离、回波强度,以及实测的海浪主波长;
步骤2.2,利用选定的滤波算法对雷达原始图像进行同频干扰抑制处理。
3.根据权利要求1所述的航海雷达图像降雨识别方法,其特征是步骤3具体包括以下步骤:
步骤3.1,选取雷达图像中检测区域,即笛卡尔框的区域;
步骤3.2,在待检测雷达图像的笛卡尔框区域范围内,根据海浪的主波波长参数求出参与回波差异值计算的像素点数n,这些参与计算的像素点距待计算点的距离均为半个主波长,进而计算出此像素点的回波差异值。
5.根据权利要求1所述的航海雷达图像降雨识别方法,其特征是步骤4具体包括以下步骤:
步骤4.1,当雷达图像笛卡尔框区域的回波差异值均值小于或等于检测阈值K时,雷达图像判定为降雨图像;
步骤4.2,当雷达图像笛卡尔框区域的回波差异值均值大于检测阈值K时,雷达图像判定为非降雨图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910480544.5A CN110208806B (zh) | 2019-06-04 | 2019-06-04 | 一种航海雷达图像降雨识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910480544.5A CN110208806B (zh) | 2019-06-04 | 2019-06-04 | 一种航海雷达图像降雨识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110208806A CN110208806A (zh) | 2019-09-06 |
CN110208806B true CN110208806B (zh) | 2022-12-13 |
Family
ID=67790641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910480544.5A Active CN110208806B (zh) | 2019-06-04 | 2019-06-04 | 一种航海雷达图像降雨识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110208806B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047641A (zh) * | 2019-12-30 | 2020-04-21 | 上海眼控科技股份有限公司 | 标记方法、装置、计算机设备和存储介质 |
CN111161303A (zh) * | 2019-12-30 | 2020-05-15 | 上海眼控科技股份有限公司 | 标记方法、装置、计算机设备和存储介质 |
CN111369642B (zh) * | 2020-03-13 | 2023-11-10 | 华云敏视达雷达(北京)有限公司 | 一种雷达径向数据显示绘制方法和*** |
CN111624606B (zh) * | 2020-05-27 | 2022-06-21 | 哈尔滨工程大学 | 一种雷达图像降雨识别方法 |
CN114910913A (zh) * | 2022-05-27 | 2022-08-16 | 哈尔滨工程大学 | 一种利用雷达图像检测降雨的方法 |
CN116503268B (zh) * | 2023-03-21 | 2024-03-29 | 中国人民解放军海军大连舰艇学院 | 一种用于雷达回波图像的质量改进方法 |
CN116400352B (zh) * | 2023-03-21 | 2024-05-28 | 大连理工大学 | 一种基于相关性分析的雷达回波图像海浪纹理检测方法 |
CN117991198B (zh) * | 2024-04-07 | 2024-06-11 | 成都远望科技有限责任公司 | 一种单发双收顶扫云雷达同频干扰识别方法及装置 |
CN118033548B (zh) * | 2024-04-12 | 2024-06-18 | 成都远望科技有限责任公司 | 一种双发双收顶扫云雷达同频干扰识别方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4881077A (en) * | 1984-04-14 | 1989-11-14 | Licentia Patent-Verwaltungs-Gmbh | Radar arrangement |
CA2100107A1 (fr) * | 1992-07-09 | 1994-01-10 | Guy Badoche-Jacquet | Procede et dispositif pour l'evaluation des precipitations sur une zone de terrain |
WO2006122712A1 (de) * | 2005-05-19 | 2006-11-23 | Selex Sistemi Integrati Gmbh | Verfahren und vorrichtung zum korrigieren von wetterdaten sowie computerprogrammprodukt |
CN102621531A (zh) * | 2012-04-12 | 2012-08-01 | 哈尔滨工程大学 | 一种基于x波段雷达图像的降雨干扰抑制方法 |
CN105319537A (zh) * | 2015-10-16 | 2016-02-10 | 哈尔滨工程大学 | 基于空间相关性的航海雷达同频干扰抑制方法 |
CN108089186A (zh) * | 2018-01-08 | 2018-05-29 | 哈尔滨工程大学 | 基于航海雷达图像遮挡区多特性参数组合的雨强等级反演方法 |
CN108318881A (zh) * | 2018-01-08 | 2018-07-24 | 哈尔滨工程大学 | 基于k参数的航海雷达图像降雨识别方法 |
WO2018196245A1 (zh) * | 2017-04-28 | 2018-11-01 | 华讯方舟科技有限公司 | 一种近景微波成像方法及*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6920233B2 (en) * | 2001-02-20 | 2005-07-19 | Massachusetts Institute Of Technology | Method and apparatus for short-term prediction of convective weather |
US7728760B2 (en) * | 2008-07-30 | 2010-06-01 | University Corporation For Atmospheric Research | Method for generating a representation of an atmospheric vortex kinematic structure |
-
2019
- 2019-06-04 CN CN201910480544.5A patent/CN110208806B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4881077A (en) * | 1984-04-14 | 1989-11-14 | Licentia Patent-Verwaltungs-Gmbh | Radar arrangement |
CA2100107A1 (fr) * | 1992-07-09 | 1994-01-10 | Guy Badoche-Jacquet | Procede et dispositif pour l'evaluation des precipitations sur une zone de terrain |
WO2006122712A1 (de) * | 2005-05-19 | 2006-11-23 | Selex Sistemi Integrati Gmbh | Verfahren und vorrichtung zum korrigieren von wetterdaten sowie computerprogrammprodukt |
CN102621531A (zh) * | 2012-04-12 | 2012-08-01 | 哈尔滨工程大学 | 一种基于x波段雷达图像的降雨干扰抑制方法 |
CN105319537A (zh) * | 2015-10-16 | 2016-02-10 | 哈尔滨工程大学 | 基于空间相关性的航海雷达同频干扰抑制方法 |
WO2018196245A1 (zh) * | 2017-04-28 | 2018-11-01 | 华讯方舟科技有限公司 | 一种近景微波成像方法及*** |
CN108089186A (zh) * | 2018-01-08 | 2018-05-29 | 哈尔滨工程大学 | 基于航海雷达图像遮挡区多特性参数组合的雨强等级反演方法 |
CN108318881A (zh) * | 2018-01-08 | 2018-07-24 | 哈尔滨工程大学 | 基于k参数的航海雷达图像降雨识别方法 |
Non-Patent Citations (6)
Title |
---|
A Fuzzy Logic Algorithm for the Separation of Precipitating from;Jonathan J.;《American Meteorological Society》;20070801;全文 * |
GPM/DPR雷达与CINRAD雷达降水探测对比;刘晓阳;《应用气象学报》;20181115;全文 * |
Texture-Analysis-Incorporated Wind Parameters Extraction from Rain-Contaminated X-Band Nautical Radar Images;Weimin Huang;《Remote SensingVolume》;20171231;166 * |
X-band雷达图像中降雨干扰的识别与抑制;沈继红等;《光学精密工程》;20120815(第08期);全文 * |
刘晓阳.GPM/DPR雷达与CINRAD雷达降水探测对比.《应用气象学报》.2018, * |
基于航海雷达的降雨识别技术研究及软件设计;张飞;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20180315;I136-1433 * |
Also Published As
Publication number | Publication date |
---|---|
CN110208806A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110208806B (zh) | 一种航海雷达图像降雨识别方法 | |
CN101930072B (zh) | 基于多特征融合的红外弱小运动目标航迹起始方法 | |
GB2610449A (en) | Efficient high-resolution non-destructive detecting method based on convolutional neural network | |
CN110208807B (zh) | 一种基于航海雷达图像检测区域差异性参数的雨强等级反演方法 | |
CN109490874A (zh) | 确定雷达目标作为位置地标的适合性的方法 | |
CN110907907A (zh) | 一种海杂波多普勒谱特性分析对比方法 | |
CN106646469B (zh) | 基于变异系数法的sar船只检测优化方法 | |
CN110261857A (zh) | 一种天气雷达空间插值方法 | |
CN108318881A (zh) | 基于k参数的航海雷达图像降雨识别方法 | |
Lu et al. | Research on rainfall identification based on the echo differential value from X-band navigation radar image | |
CN112034454A (zh) | 一种基于mimo雷达的桥梁自振振型获取方法 | |
KR101616481B1 (ko) | 정량적 강우량 추정을 위한 이착 에코 완화방법 | |
CN116973864A (zh) | 一种用于船载雷达在运动条件下对目标进行rcs测量并实现目标分类的方法 | |
CN108469614B (zh) | 基于未定标极化雷达影像的角反射器探测方法 | |
CN116047524A (zh) | 一种双偏振天气雷达数据质量实时评估方法及*** | |
CN108008374B (zh) | 基于能量中值的海面大型目标检测方法 | |
CN107728121B (zh) | 一种基于可变窗的局部拟合优度检验方法 | |
CN115184884A (zh) | 合成孔径雷达角反射器散射特性估计新方法 | |
CN115205683A (zh) | 一种红外小目标检测方法 | |
Wang et al. | Seafloor classification based on deep-sea multibeam data—Application to the southwest Indian Ridge at 50.47° E | |
CN117452342B (zh) | 一种基于极化特征的箔条干扰检测方法 | |
CN116400352B (zh) | 一种基于相关性分析的雷达回波图像海浪纹理检测方法 | |
CN113450308B (zh) | 一种雷达降雨检测方法、装置、计算机设备和存储介质 | |
Yeung et al. | Development of a localized radar-rain gauge co-kriging QPE scheme for potential use in quality control of real-time rainfall data | |
CN113009470B (zh) | 一种目标态势特征数据的处理方法、***、装置及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |