一种卫星SAR图像内波区域自动检测方法

摘要

本发明提供一种卫星SAR图像内波区域自动检测方法，即一种无人工干预条件下，针对大范围海洋场景SAR图像，自动检测出海洋内波存在区域的方法。本发明面向SAR卫星星上处理，快速识别海洋内波存在区域同时排除海洋锋、海浪等虚警，内波区域检测率高于75％，可迅速为地面提供强内波存在区域信息，是SAR卫星星上处理系统内波区域检测基础算法，同时也可为内波地面处理提供参考。本方法在保证发现率性能的基础上尽量降低虚警，可实现在轨低虚警、低漏检、高效发现，自动检测内波区域。

说明书

技术领域

本发明属于卫星图片处理分析技术领域，具体涉及一种卫星SAR图像内波区域自动检测方法。

背景技术

海洋内波是指海洋内部的波动，存在于具有稳定海水密度跃层的海区，最大的振幅发生在海面以下，振幅为几米甚至几十米，波长为几百米到几十千米。内波导致等密度剖面的波动，使声速传播大小和方向发生改变，影响声呐探测效能，对潜艇隐蔽具有重要影响，同时，内波的存在给潜艇操纵带来挑战，大振幅内波会带动潜艇造成掉深或上抛。因此，海洋内波现象是对潜艇影响较大的海洋自然现象，尤其是大振幅内波对水下潜艇航行安全造成极大影响，及时掌握任务海区是否存在内波对潜艇指挥具有重要的指导意义。利用星载合成孔径雷达(SAR)能够较好地观测海洋内波，但由于SAR图像数据量大，传输速度慢，等待地面处理滞后时间长，因此，很有必要在星上对SAR图像中的内波区域进行识别，抽象成地理信息及时传输给地面，以便于后期的快速应用和响应。

以往的内波检测方法大多面向某一图像进行处理，例如人工选取SAR图像中某一内波剖线，分析其波长，并结合海区密度剖面反演内波振幅，这些方法大多需要人工干预，且需要除了卫星数据的其他数据辅助，更适合于SAR图像的地面精处理。

发明内容

本发明的目的是提供一种卫星SAR图像内波区域自动检测方法，即提供一种无人工干预条件下，针对大范围海洋场景SAR图像，自动检测出海洋内波存在区域的方法。本发明面向SAR卫星星上处理，快速识别海洋内波存在区域同时排除海洋锋、海浪等虚警，内波区域检测率高于75％，可迅速为地面提供强内波存在区域信息，是SAR卫星星上处理系统内波区域检测基础算法，同时也可为内波地面处理提供参考。

本发明所提供的卫星SAR图像内波区域自动检测方法，包括如下的步骤：

S1:剔除待检测卫星SAR图像的陆地区域和水深小于30m的区域，而对水深大于30m的海洋区域的SAR图像进行进一步处理；

S2:利用高斯窗对S1步骤处理后的SAR图像进行平滑以估计入射角变化引起的SAR图像灰度大尺度明暗变化，将输入SAR图像除以平滑图像从而校正不同距离单元入射角变化引起的SAR图像起伏；

作为实施例的一种具体记载，其中高斯窗的大小设定为5公里；

S3：采用各项同性的低频滤波对S2步骤处理后的SAR图像进行较小尺度随机海浪以及SAR图像噪声进行滤波处理；

其中低频滤波的截止空间波长取200m；

S4：将S3步骤处理后的SAR图像划分为若干子块，且子块之间有重叠；取从边缘开始的子块，形成待处理图像区块集{D1

S6:对待处理图像区块集的图像区块依次进行处理，利用傅里叶变换计算区块的SAR图像功率谱，并计算波数-功率谱；在海洋内波的波长范围内的归一化能量作为海洋内波谱特征；

作为实施例的一种具体记载，其中内波波长限定为600-2500米，对应波数为0.0025-0.0105，对波数为0.0025-0.0105范围内的归一化能量进行积分作为海洋内波谱特征。

S7:根据提取的海洋内波谱特征，对可能包含内波图像子块的区域进行粗检测，得到粗选内波图像子块集{D3

S8:对图像子块集{D3

所述的改进改进的Radon变换，包含有如下的步骤：

S81：对图像区块进行Radon变换，

S82：为去除对角线效应，计算原始图像均值，形成一幅与原始图像同样大小，灰度值为均值的均匀图像，并对该图像也进行Radon变换；

S83：用步骤S82中的Radon域系数对步骤S81得到的Radon系数值进行点除，从而得到归一化Radon系数值；

S84：设置阈值T，找出Radon域中大于阈值的峰值点所在位置，记录峰值点的直线方程，并将直线的倾角、截距信息存入二维数组中；

S85：根据步骤S84直线方程，在原图中画出直线，并且设定阈值T2，当直线两端灰度小于T2时截断。

S9:根据S8计算得到的局部特征线二维数组，对其进行编组，再对编组集中的局部特征线集的角度和相互距离进行计算，只保留倾斜偏差小于20度，截距之间距离为500米-2500米的局部特征线集，去掉其它特征线集，并计算得到最终保留特征线集的个数，若个数大于2则判定图像区块存在内波，否则判定无内波；

S10：图像区块集{D3

作为优选，在S4和S6步骤之间还添加有去除含大面积无效值的区块的步骤S5，实际应用中，处理的SAR图像往往是经过地理校正后的图像，图像边缘处有大量无效值。当含无效值的区域占到总区块的40％以上时，会影响处理的准确性，因此需要将这些区域去除。统计区块中无效值的数量和区块像素总数，当无效值总数大于40％时，从{D1

本发明的方法分为预处理、特征描述子及特征提取、特征鉴别三个关键阶段。在预处理阶段，首先利用一定大小的高斯窗对SAR图像进行平滑以估计入射角变化引起的SAR图像灰度大尺度明暗变化，其次结合随机海浪及SAR图像噪声特性，采用各项同性的低频滤波抑制随机海浪以及SAR图像噪声，同时最大程度保留海洋内波纹理特征。在特征描述子及特征提取阶段，采用密集窗口对全图扫描，提取海洋内波低层局部特征，并进一步提取局部高级特征。在特征鉴别阶段，对上一阶段提取的特征利用Radon域特征线斜率和相互距离，区分海洋内波、海浪、中尺度涡、海洋锋、浅海地形、目标尾迹、降雨现象等复杂海洋现象，提取出海洋内波。通过各阶段针对性策略的综合应用，本方法在保证发现率性能的基础上尽量降低虚警，可实现在轨低虚警、低漏检、高效发现，自动检测内波区域。

附图说明

图1：海洋内波自动检测处理流程图；

图2：包含陆地及内波区域的典型SAR图像场景陆地及浅海剔除；

图3：Radarsat2 2010年7月海南岛东部SAR图像及距离向非均匀辐射校正效果图；

图4：Radarsat2 2010年7月海南岛东部SAR图像及噪声海浪抑制效果图；

图5：SAR图像待检测区块划分图；

图6：内波与背景区功率谱特征图；

图7：图像子块区域局部特征线提取图；

图8：海洋内波SAR图像反差信号图；

图9：Radarsat2 2010年7月海南岛东部SAR图像内波区域检测结果图；

图10：海洋内波SAR仿真图像检测结果图；

图11：海洋内波实测数据自动检测处理结果图，其中(a)ENVISAT数据内波检测结果图，(b)高分3号数据内波检测结果图。

具体实施方式

本发明针对大范围海洋场景SAR图像中自动检测出海洋内波存在区域的应用需求，提出了一种在无人工干预的条件下海洋内波自动检测处理方法。本发明方法的流程图如图1所示。在图1中输入数据为经地距投影、辐射校正、网格均匀的多视SAR功率图像(带几何校正信息)，输出为带地理位置的区域海洋内波缩略图像。

如图1所示，输入数据为经地距投影、辐射校正、网格均匀的多视SAR功率图像(带几何校正信息)，输出为带地理位置的区域海洋内波缩略图像。

下面结合实施例和附图对本发明进行详细的描述。

实施例1：本发明方法的步骤

S1：剔除陆地及浅海区域

利用NGDC美国地球物理中心(U.S.National Geophysical Data Center)发布的ETOPO地形高程数据，将高程大于0的陆区域和水深小于30m区域在SAR图像中剔除，并将其值置为NaN(非有效数)，后续仅对水深大于30m的海洋区域SAR图像进行处理，对含陆地区域SAR图像进行陆地剔除和浅水(小于30m)剔除的效果见图2。

S2：基于距离向的非均匀性辐射校正

校正沿SAR观测的距离向由于每个距离单元的入射角不同引起的散射强度变化。首先利用一定大小的高斯窗对SAR图像进行平滑以估计入射角变化引起的SAR图像灰度大尺度明暗变化，高斯窗的大小初步设定为5公里。将输入SAR图像除以平滑图像从而校正不同距离单元入射角变化引起的SAR图像起伏，以Radarsat2 2010年7月海南岛东部SAR图像为例，进行距离向非均匀辐射校正效果图见图3。

利用高斯窗函数进行非均匀性辐射校正的步骤如下：

S21：对图像沿距离向求平均值，得到距离向均值向量M1；

S22：根据图像分辨率(图3的SAR图像分辨为12.5米)，计算距离向高斯窗大小(图3实例中，距离向高斯窗为400个象元)；

S23：对均值向量M1进行高斯平滑，估算距离向明暗变化；

S24:利用步骤S23结果沿距离向对图像进行校正，采用原像素除以S23计算得到校正值。

S25：计算原图像均值MM，将S24得到的图像校正值乘以MM得到距离向的非均匀性辐射校正图像。

S3：基于低通滤波的海浪及噪声抑制

较小尺度随机海浪以及SAR图像噪声抑制，采用高斯低通滤波器对较小尺度随机海浪以及SAR图像噪声进行滤波，高斯低通滤波的截止空间波长取200m滤波结果见图4。

S4：SAR图像分块

根据内波的特征尺度将待处理的SAR图像划分为若干子块，子块间无重叠，当到图像边缘无法取到20公里时，为防止漏检，取从边缘开始的子块，此时图像中间子块有一定重叠，初步设定子块大小20公里，子块间无重叠，对图4所示SAR图像进行图像分块的结果如图5所示，图4中方位向幅宽为80公里，距离向幅宽为86公里，因此方位向区块个数为4，距离向为5，距离向在图像边缘区域区块与中间区块有一定重叠，将分块的区块形成待处理区块集{D1

S5：去除含大面积无效值的区块。

实际应用中，处理的SAR图像往往是经过地理校正后的图像，图像边缘处有大量无效值。当含无效值的区域占到总区块的40％以上时，会影响处理的准确性，因此需要将这些区域去除。统计区块中无效值的数量和区块像素总数，当无效值总数大于40％时，从{D1

S6：图像区块SAR图像谱估计

对{D2

S61：对图像进行二维快速傅立叶变换，得到频谱为F(u,v)，

S62：对频谱进行平移，将频域的原点移到图像的中心，得到

S63：计算其功率谱

S64：将坐标原点移到图像的中心处，对二维功率谱上半部分图像的每一个点，求其所属扇区的波数k，将其值加到P(t,k)中，得到波数-功率谱P，

S65：低频阻断，二维功率谱中心区域，也就是波数-功率谱P的起始3个点对应的位置是低频能量所长区，将低频置零，从而减少图像能量及图像亮度的影响，

S66：对求得的波数-功率谱P进行归一化，即使得

式中u、v为频率分量，x、y为空间图像变量，且u＝0,1,2...,M-1，v＝0,1,2...,N-1M、N分别是图像的高和宽。

海洋内波的波长一般在数百米到公里级，根据海洋内波的波长范围，估计对应波数范围内的归一化能量作为海洋内波谱特征。

S7：基于谱特征的海洋内波粗检测

海洋背景功率谱与内波功率谱的差异分析如下：

海洋背景区波数-功率谱和含有内波区块的波数-功率谱有明显差异(图6)，在归一化功率谱中，对波数为0.0025-0.0105即对应波长为600-2500米的归一化能量进行积分，可粗略检测海洋内波与海洋背景的差异。设置阈值T对图像区块集M2进行一次处理，当波数为0.0025-0.0105积分值大于T时，得到第一次粗选内波图像子块集{D3

本实施例中通过对海洋内波区域和海洋背景区域的归一化功率谱进行统计，选取阈值为0.52。

S8：局部特征线提取

依次对筛选出的SAR图像子块区域集{D3

改进Radon变换检测直线特征并估计方向的步骤如下：

S81：对图像区块进行Radon变换。

S82：为去除对角线效应，计算原始图像均值，形成一幅与原始图像同样大小，灰度值为均值的均匀图像，并对该图像也进行Radon变换。

S83：用步骤S82中的Radon域系数对步骤S81得到的Radon系数值进行点除，从而得到归一化Radon系数值。

S84：Radon变换域中若存在直线，这直线法线方向投影积分值较大，设置阈值T，找出Radon域中大于阈值的峰值点所在位置，记录峰值点的直线方程，并将直线的倾角、截距信息存入二维数组中。

S85：根据步骤S84直线方程，在原图中画出直线，并且设定阈值T2，当直线两端灰度小于T2时截断。

S9：去虚警处理

根据S8计算得到的局部特征线二维数组，对其进行编组，再对编组集中的局部特征线集的角度和相互距离进行计算，只保留倾斜偏差小于20度，截距之间距离为500米-2500米的局部特征线集，去掉其它特征线集，并计算得到最终保留特征线集的个数，若个数大于2则判定图像区块存在内波，否则判定无内波；

通过S7的处理，通过海洋内波波长粗步检测海洋内波区块，但仍不能排除这些区块中可能会有其他海洋现象纹理或海浪的干扰。S8把经S7选出的区块进一步提取了其中的直线特征，需要通过这些特征进一步去除虚警。海洋内波在图像中一般体现为波长500-2000米，接近平行的2组以上的近平行纹理。根据这一特点，进一步去除虚警。

去虚警的步骤如下：

S91：根据S8计算得到的局部特征线二维数组，对其进行编组，倾斜偏差小于10度，且截距距离差小于100米的编为一组，认为实际是一条直线，得到局部特征线编组集{R

S92：计算局部特征线编组集{R

S93：计算S92得到的满足倾斜偏差和距离偏差的局部特征线集{R

S10：图像区块集{D3

S11：SAR图像海洋内波自动检测算法原型验证。

为充分验证SAR图像海洋内波自动检测算法原型，进行算法功能的演示，本算法方案对仿真数据、ENVISAT数据及高分3号数据，对海洋内波自动检测算法方案可行性进行验证，验证结果表明算法方案满足指标要求。

1)仿真数据验证

水下作战环境探测卫星背景预研安排了内波SAR探测仿真的研究内容，在该项目支持下对海洋内波进行了SAR探测仿真。

星上处理检测内波的使用要求能够对含有大振幅(的内波区域给出指示，一般的内波振幅越大，在图像上的内波信号越强。由于内波振幅特征在图像上难以体现与描述，故引入等效内波特征—反差信号强度，具体含义如下。

海洋内波在SAR图像上表现为具有一定空间分布的调制信号，内波在SAR图像上的强度由反差信号强度表示。如下图9所示。沿内波传播方向取SAR图像灰度截面，内波调制信号最大值与最小值的差(图像灰度由dB表示)即为内波反差信号强度。

对较弱和较强的两组内波在不同海况、波段、入射角条件下的SAR图像进行了仿真，反差信号强度如下表所示。表1中给出了L/C波段、VV极化、不同入射角以及不同海况条件下两组具有不同振幅的海洋内波微波反差信号分析结果。

表1：海洋内波微波反差信号强度仿真分析

图10是典型条件下仿真的海洋内波SAR图像检测结果图。

2)实测数据验证

海洋内波自动检测算法实测数据验证采用了ENVISAT卫星数据、高分3号卫星数据，发现场景包含海浪、海底地形、目标及尾迹海洋锋等复杂海洋现象。实测数据内波检测结果如图11所示。

通过对SAR内波仿真数据及实测数据验证分析，根据目视解译结果对比，统计发现结果如下表2所示。

表2：海洋内波自动检测结果统计表

从表2中可以得出仿真数据强内波检测率为85.6％，ENVISAT数据强内波检测率为76.5％，高分3号数据强内波检测率为77.3％，均优于75％。

通过S11对仿真和实测数据的测试可知，本发明方法能够快速识别海洋内波存在区域同时排除海洋锋、海浪等虚警，内波区域检测率高于75％，可迅速为地面提供强内波存在区域信息，是SAR卫星星上处理系统内波区域检测基础算法，同时也可为内波地面处理提供参考。