VR虚拟现实利用偏振SAR图像测量海洋表面波坡和波谱Word文档格式.docx
- 文档编号:22135106
- 上传时间:2023-02-02
- 格式:DOCX
- 页数:15
- 大小:32.59KB
VR虚拟现实利用偏振SAR图像测量海洋表面波坡和波谱Word文档格式.docx
《VR虚拟现实利用偏振SAR图像测量海洋表面波坡和波谱Word文档格式.docx》由会员分享,可在线阅读,更多相关《VR虚拟现实利用偏振SAR图像测量海洋表面波坡和波谱Word文档格式.docx(15页珍藏版)》请在冰豆网上搜索。
我们对传统的基于强度对比的测量方法和运用新的极化合成雷达方法对海洋谱的测量结果做了比较。
另外,我们也把使用新方法的测量结果和NOAA国家数据浮标中心发布的原位浮标做了对比。
这些浮标是一些3-m的的铁饼浮标,它用来测量非定向海浪谱与频率的关系,还可以测量水面5米以上的风速以及风向。
本文的最后即附录A中,我们阐述了当使用真实孔径雷达(RAR)对海洋波进行测量得到的数据是一种特例情况。
因为在方向角方向上使用线偏振RAR测量所有的目标得到的调制传递函数都接近零,而在同样的条件下利用极化RAR测量却可以得到很大的调制传递函数。
所以我们得到一个结论:
在方向角方向上,不能使用极化RAR传感器测量波参数。
2.利用线偏振SAR测量海洋参数
1982年Vesecky和Stewart提出了一种新的算法,它是一种基于SAR图像的边缘特征与光学图像相匹配的算法,它最初被用来测量海洋的表面波、浅海的水下地形、内波、实时边界、光滑波,和舰船的尾流等。
基于这些应用,1986年Monaldo和Beal提出了通过海洋特征对SAR图像强度进行调制,进而使图像的特征可见。
1981年Alpers和Rufenach提出了对海洋表面波进行测量时,主要的调制机制有倾斜调制、流体调制、速度聚束。
1978年,Valenzuela提出倾斜调制是由于本地入射角的改变引起的。
本地入射角的变化又是由表面波坡的变化引起的,对于在距离方向上的波动而言倾斜调制影响最大。
1975年Keller&
和Wright提出流体调制是由于大尺度和小尺度的表面波之间流体动力学相互作用的结果。
当入射角度适中时,流体调制是引起后向离子散射的最主要原因。
1979年Alpers和Rufenach提出:
对于SAR成像系统,速度聚束是唯一调制过程,速度聚束效应是散射方向角变化引起的,而散射波面的运动导致了散射方向角的变化。
研究发现,速度聚束效应对方向角方向的波动影响最大。
.
在过去的几年,为了定量地恢复通过SRA得到的海洋表面波图像的信息,研究人员做了大量的努力(Plant&
Zurk,1997)。
人们开展了几次SAR探测任务,比如ERS1&
2和RADARSAT1&
2,我们从这些探测中获得了一些数据。
这些数据可以被用来从SAR图像信息中估计表面波波谱。
大体上来说,波的高度和波坡频谱可以整体地定量的描述海洋表面波浪的属性(Hasselmannetal.,1985)。
多年以来,为了从SAR图像频谱恢复出海洋波频谱,人们改进了很多技术(Hasselmann&
Hasselmann,1991,Kasilingam&
Shi,1997Lyzenga,1988.)。
在线性技术方面,主要有:
Lyzenga(1988)提出了线性调制传递函数,这个线性调制传递函数把图像的频谱和波的频谱联系了起来。
这个线性调制传递函数MTF是由三个最初的调制传递函数推导而来的。
利用调制传递函数,我们可以恢复SAR图像频谱,但因为这个方法是线性的,而人们已经证明真实条件下对海洋波的SAR图像调制是非线性的,因而它不能解释任何非线性的调制机制。
随着海面状况的复杂,非线性因素也会增多。
在这样的条件下,线性方法不能对海洋波的频谱进行精确评估。
因此,线性传递函数方法使用会有很大的限制,所以它只能作为一个定性的指标。
要对海洋波频谱进行更精确的估计需要使用非线性反演技术(Kasilingam&
Shi,1997和Lyzenga,1988)。
人们已经发展了若干个从SAR图像频谱中恢复海洋波谱的非线性反演算法。
这些算法大部分基于对1991年Hasselmann技术的改进。
此算法最初是用迭代法从图像频谱中估计波谱。
最初的思路是用一个类似于Lyzenga于1988年提出的的线性传递函数算法对初始值进行估算。
在早期的SAR图像模型中,这些初始值作为输入,并且采用迭代算法实现对原始图像频谱的修正。
这种算法的精确度是不确定的,精确度的大小取决于具体的SAR图像模型。
1996年,人们基于波谱和图像频谱的联系对Hasselmann算法进行了改进,改进的算法实现了非线性传递函数解的收敛性。
但是,求解这种非线性的传递函数需要进行反复的迭代。
1995年Engen和Johnsen以及在2000年Lehner等人都提出了对这种算法的改进算法。
改进的算法利用了同一场景的不同外观的海浪图像之间有交叉谱的思想。
改进算法的最大好处是它解决了波动方向上180°
模糊问题。
另外,这种算法也降低了SAR频谱的散斑效果,但这种算法需要知道海浪场的先验信息,此算法近些年也被Dowd等人做了改进。
在上述提及的恢复海洋频谱的方法中,速度聚束这种非线性效应可能会完全摧毁波结构(Engen&
Johnsen,1995andHasselmann&
Hasselmann,1991.)。
速度聚束是海洋表面散射体运动的结构,表现为SAR图像的聚束或膨胀。
在方向角方向上,散射体的位移可能会摧毁SAR图像的波结构。
在不同的幅度/速度比下,人们对SAR图像进行了模拟,模拟的目的是为了研究速度聚束效应对测量海洋斜坡的反演算法的影响。
当(R/V)的值被增至很大时,速度聚束产生的影响将破坏波的结构,影响对波坡的测量。
产生这一现象的原因是速度聚束调制会随着(R/V)增大而增大。
人们对给定条件下雷达成像的过程进行了模拟,结果发现当速度聚束调制较小时,波的斜坡结构被保留了下来。
因此,我们得到结论:
要使速度聚束效应对波坡估计产生较大影响,那么(R/V)的值必须远大于100s。
本次研究处理的数据来自瓜拉纳河和旧金山湾,瓜拉纳河有最长的波动,所以对它的研究能得到最理想的结果,机载合成雷达得到的结果显示:
瓜拉纳河的R/V比是59s,而旧金山湾的R/V比是55s。
R/V的这个比值也就表示虽然速度聚束效应存在,但它对波坡的测量结果不会造成太大的影响。
但是,对于星载SAR成像的应用程序来说,这样的(R/V)比率可能产生大于数以百计的影响,速度聚束效应的存在限制了该方法的应用,尤其是在外海。
3.1.利用定位角测量方向角变化率
1996年Schuler提出通过测量偏振信号中取向角的变化情况,我们就可以确定方向角面的变化率的变化。
这是因为,取向角的转变大部分是由方向角的变化率和入射角的变化引起的,而它受幅度变化的影响很小。
它们之间的关系被lee在1998年和pottier在1998年分别提出。
如下公式
(1):
(1)
这里的θ,tanω,tanγ,和φ分别是取向角的值,方向角的变化率,距离方向的斜率,雷达的视角。
根据公式
(1),如果雷达的视角和距离方向上的变化率是确定的,那么从取向角的改变就可以估计出方向角的变化率。
垂直方向上的变化率可以利用局部入射角的值和每个像素的参数估计出来。
方向角的变化率tanω和距离方向的变化率tanγ提供了对应每个像素的波坡的完整信息。
:
(2)
海洋波通过机载合成雷达成像后图像的大小是确定的,图像大小为:
(6.6×
8.2m)。
波浪的平均的倾斜角很小(第一个波浪碎波的倾角大约7°
左右),在雷达的视角φ,距离方向的变化率tanγ的值在很大范围内变化时,公式
(1)的分母可以用sinφ的值近似。
在这种近似下,海洋方向角方向的变化率tanω可以写成如下公式
(2)
公式
(2)的重要性在于它给出了极化SAR可测量的参数和海洋表面物真实波坡的直接联系。
海洋波坡的大小仅仅取决于公式
(1)中雷达视角的值和公式
(2)中取向角的值。
对于海洋波来说,主要的散射机制是(Bragg)散射。
lee等人在1998年通过实验发现,通过极化SAR方法测量取向角的值,其精度可以<
1°
。
为了使复杂的数据看起来简单明了,人们采用一个散射矩阵来代替极化合成雷达的单视复杂数据。
也可以利用斯托克斯矩阵、协方差矩阵或者相关性矩阵代替多视数据或空间平均数据。
取向角的改变会引起这些矩阵的旋转,因为取向角的信息已经嵌入到极化合成雷达数据中,为估计方向角变化引发的取向角的变化情况,人们已经发展了很多算法。
这些算法中“最大极化信号”算法和“圆偏振”算法是最有效的。
Lee等人在2000年和2001年给出了对这些算法完整的说明、取向角和垂直方向斜坡变化率的关系以及雷达参数。
3.2.用圆偏振算法对取向角的测量
分别利用最大极化信号法和圆偏振算法对采集到的图像进行处理,结果发现,当使用圆偏振算法时,海洋图像的能见度得到了很大的提高,除了能见度得到提高之外,圆偏振算法比最大信号算法更有效。
因此,在本次研究中,对取向角的估计所采用的算法为圆偏振算法。
Lee在2000年提出了最精确的圆偏振算法,它涉及了右传输,右接收(RR)和左传输,左接收(LL)条款,如下式(3):
(3)
基于线偏振的算法也有类似的公式,但是这些参量(HH,VV,HV,VH)涉及到水平和垂直方向的传输或接收组件。
圆偏振的参量和线偏振参量的关系如公式(4):
(4)
把公式(4)带入公式(3)得到等式(5):
(5)
此公式的有效范围为|θ|≤π/4.
等式(5)给出了取向角θ的值取决于线偏振的三个相关矩阵。
这个算法被Lee等人在2000年成功的证明。
在早期的一些研究中,人们对波动间相互作用造成精确度下降的问题进行了研究。
schuler等人在2003年预测了小波的不对称性,后来他们在研究中发现,通过改变取向角的值,小波斜率的非对称性能可以被精确的预测。
另外,他们还发现圆偏振测量方法灵敏度高。
4.用取向角测量海洋波谱
本文研究的数据是美国国家航空和宇宙航行局/喷气推进实验室/机载合成孔径雷达(NASA/JPL/AIRSAR)在位于临近瓜拉纳和瓜拉纳河附近的加州北部沿海地区采集得到的。
采集的图像成像与长波波段。
这个数据集被用来估计利用取向角能否探测方向角方向的海洋波谱。
表一给出了瓜拉纳河的AIRSAR数据集。
雷达成像面的尺寸为:
距离方向8.2m、方向角方向6.6m。
基于取向角算法的输入为3ⅹ3的矩阵。
表一选择的测量地点是加州北部沿海地区,是一幅长波段,VV偏振,伪彩色编码的图像。
主要波长为157米的波浪通过成像系统,风速和波流动方向的夹角是306°
,这是美国海军研究实验室得到的波谱估计结果,如图4。
图二是展示了对于单一平均倾角的雷达分辨单元的散射结构图。
图3a展示了对偏振取向角的调整引起的研究区域海浪波方向角的变化,图3b给出了取向角的统计直方图。
图4给出了当波的传播方向沿方位方向时,它的取向角的频谱与波数的关系。
图中的白圈分别对应海洋波波长是50,100,150和200米的情况。
图中标有为:
“波的方向为306°
”描述的是占主导地位的157米波的情况°
图5a-b给出了波谱强度和波数关系图,(a)图是波动引起取向角改变的情况,(b)图是线偏振强度变化的情况。
两幅图都在波谱主导波峰最大值方向取值。
但(a)图中主导波峰比(b)图中主导波峰有更大的信噪比。
Table1.
AIRSARdataacquisitionparameters机载合成雷达的采集数据
Image
GualalaRiver
SanFrancisco
Radarband
L-band
P-band
Incidenceangle,near-faredgesofimage,°
22.9–60.3°
23.2–61.1°
Altitude,m
9009
7974
Platformvelocity,m/s
215.6
213.9
Trackangle,°
65.9°
270°
Date[mm/dd/yy]
7/15/94
4/17/88
Scenecenter
38.833°
N
37.755°
Latitude/longitude,°
122.583°
W
122.453°
Resolutioncelldimension,m
Range6.6m,Azimuth8.2m
Slantrangetovelocityratio,R/Vratio
59
55
Fig.1.
.图1是一幅长波段,VV偏振,伪彩色编码的图像。
它是加州北部沿海水域(瓜拉纳河数据集)的海洋波通过成像系统后的图像。
Fig.2
图二是单一平均倾角的雷达分辨单元的散射结构图。
在来自瓜拉纳河的数据中,成像面的尺寸为:
6.6m(距离方向)ⅹ8.2m(方位方向)
Fig.3.
图3(a)为取向角θ变化的图像(b)为取向角的分布情况的直方图
Fig.4.
图4给出了当波的传播方向沿方向角方向时,取向角的频谱与波数的关系。
“波的传播方向为306°
”描述的是占主波长为157米的情况。
Fig.5.
5a-b给出了波谱强度和波数关系图,(a)图是波动引起取向角改变的情况,(b)图是线偏振强度变化的情况。
两幅图都是在主波传播方向为306°
的情况下取得的。
最后,利用平均入射角和公式
(2),我们可以把本次研究测量到的取向角转换成方向角方向波坡。
利用这些数据,就可以估计方向角方向波坡的均方根值,表二给出了这些值。
Table2.表二
NorthernCalifornia:
Gualalacoastalresults加州北部:
瓜拉纳海岸的测量结果
Parameter
Insitumeasurementinstrument
Orientationanglemethod
Alphaanglemethod
BodegaBay,CA,3mDiscusBuoy46013
PointArena,CA,WindStation
Dominantwaveperiod,s
10.0
N/A
10.03fromdominantwavenumber
10.2fromdominantwavenumber
Dominantwavelength,m
156fromperiod,depth
157fromwavespectra
162fromwavespectra
Dominantwavedirection,°
320est.fromwinddirection
284est.fromwinddirection
306fromwavespectra
RMSslopesazimuthdirection,°
1.58
RMSslopesrangedirection,°
1.36
Estimateofwaveheight,m
2.4significantwaveheight
2.16est.fromrmsslope,wavenumber
1.92est.fromrmsslopewavenumber
Date:
7/15/94.日期:
数据开始测量时间(UTC):
20:
04:
44(BB,PA),20:
02:
98(AIRSAR).
风速:
1.0m/s(BB),2.9m/s(PA),Mean=1.95m/s.
风向:
320°
(BB),284°
(PA),Mean=302°
浮标:
“BodegaBay”(46013)=BB.
地点:
38.23N123.33W.
水深:
122.5m.
风站:
“PointArena”(PTAC-1)=PA.
位置:
38.96N,123.74W.
探测器位置:
38°
39.6′N,123°
35.8′W.
5.二进制海洋散射模型:
取向角平均值的测量
在章节3.2中,等式(5)给出了取向角是三个偏振相关矩阵T的函数。
我们认为当波面微元之间有小夹角时才会发生散射。
平面波只有一个单一的倾角,这样的截面会减弱方向角斜率的分布。
这一章节,对于单视或多视图像,我们取一个雷达可探测的最小微面,微面间的轻微夹角会造成入射波的散射。
我们把微面的倾斜角定义为θs,这一章节我们会在微面上讨论散射角斜率的分布函数p(ϕ),而不是仅仅讨论平均斜率。
对于单视或多视探测,处理后的相关矩阵被定义为(6)式:
(6)
本章节我们将估计如果采用更符合海洋实际的复合曲面或者双尺度面(Keller&
Wright,1975和Valenzuela,1978)来描述微元面的后向散射,那么T矩阵的一些准则将作出怎样的调整。
现在我们仿效cloude1999年提出的方法。
复合曲面有彼此存在小角度的“微面”组成。
这些“微面”在方位方向上倾角的的分布函数为p(ϕ)。
(7)
其中,S是雷达分辨单元内微元表面上方向角倾角的平均值。
θs是取向角分布的平均值,根据公式
(2)由方向角分布产生的取向角的分布和实际的波面倾角分布线性相关。
而实际波面倾角的平均值又等于雷达分辨单元内微元表面上方向角倾角的平均值。
lee等人2001年已经计算了对影响相关矩阵的因素有两点:
(1)θs的方位倾角平均偏差,
(2)方向角倾角的分布p(ϕ)。
他们之间的关系lee等人在2001年进行了计算,如下公式(8)
(8)
这里的sinc(x)=sin(x)/x。
并且
公式(8)反映出,除了A=|SHH+SVV|2是卷不变的,其他参量由于受倾角分布(β)和(θs)的偏差的影响都发生了变化。
在相应的表达式的方向角分母项除外的所有其他条款|SHH-SVV|2>
被修改。
关于取向角的表达式,除了分母项〈|SHH−SVV|2〉没有修改,其他参数都被修改。
(9)
如果把相关矩阵的参量带入公式(9),避免使用虚数,我们可以得到下面的公式(10)(11)(12)(13)。
(10)
(11)
(12)
(13)
公式(4)的重要性在于它指出了当圆偏振方法估计取向角θ时,我们只需要知道波浪引起的取向角分布的平均值θs,而不需要知道其本身的详细分布,并且它的值和β无关。
当然,根据公式
(2),方向角倾角的分布p(ϕ)和取向角的分布线性相关。
公式(13)的结果表明这个模型的预测不依赖p(ϕ),除了显示方向角倾角的均值时刻测量的。
公式(13)的推导使用了tan(s)≅(sinφ)·
tanθs。
新的结果令人振奋,因为圆偏振测量方法的使用没有因为波面方向角分布而受到限制。
圆偏振测量方法估计了取向角的总平均值。
因为偏振校准错误,通道串音,相位误差,,通道不平衡等影响,取向角测量的退化更容易发生。
这些偏振SAR系统错误己经被喷气推进实验室/机载合成雷达的研究人员尽可能发现并改正。
6.使用参数测量距离方向的斜坡
.第二种测量方法需要遥感波在传播方向有显著的分量。
由于斜坡模型和流体动力模型,测量设备要比现有的设备对灰度更敏感。
在距离方向上,利用Cloude–Pottier偏振分解定理的“α”参数测量法,可以实现极化合成雷达对海洋斜坡的测量。
6.1.Cloude–Pottier偏振分解定理和“α”参数测量法
在1996年Cloude&
Pottier和1999年Cloude等人提出了基于熵、各向异性和偏振分解的Cloude–Pottie定理,此定理引入了新的参数描述3×
3的平均相干矩阵<
|T|>
的特征向量。
形式如公式(14)
(14)
这里的[U3]为:
(15)α参数的平均值为:
(16)
这里的Pi为:
(17)
α参数和三个特征向量有关,P是特征值的取值概率。
本文中,为了讨论简单,我们认为α和的值相等。
对于海洋回波,α的平均值受第一个特征向量的影响最大。
.基于Cloude–Pottier偏振散射分解定理的α参数测量法在定向测量中,有令人满意的结果。
(1)式表明了α参数在方向角方向是卷不变的,
(2)式说明了在距离方向它对本地入射角φ的波诱导调制非常敏感。
因此,α参数测量法能很好的测量行波,而不适合测量方向角方向波动的海浪。
6.2用α参数测量距离方向的波动是可行的
基于小微扰散射模型(SPM),利用α参数测量方法可以对行波范围进行估计。
当波面之间的角度很小时,散射模型可以认为是布拉格散射。
散射矩阵的形式如(18)
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- VR 虚拟现实 利用 偏振 SAR 图像 测量 海洋 表面波 波谱