一种存在强度差异的非同源合成孔径雷达海冰漂移探测方法技术

本发明专利技术提供一种存在强度差异的非同源合成孔径雷达海冰漂移探测方法。包括：获取非同源SAR图像，并对非同源SAR图像进行预处理，获取更多分布均匀的控制点；利用深度学习网络提取区域特征，并对提取的特征进行匹配；基于去除错误匹配的方法，剔除错误点；计算获得海冰漂移矢量场。本发明专利技术能够实现海冰漂移的全自动探测，并利用非同源SAR高空间分辨率和高时间分辨率的优势，得到高分辨率的、准实时海冰漂移场，满足从海量SAR数据中实现高分辨率的海冰漂移自动探测需求。冰漂移自动探测需求。冰漂移自动探测需求。

【技术实现步骤摘要】
一种存在强度差异的非同源合成孔径雷达海冰漂移探测方法


[0001]本专利技术涉及非同源SAR图像海冰漂移
，具体而言，尤其涉及一种存在强度差异的非同源合成孔径雷达海冰漂移探测方法。

技术介绍

[0002]目前海冰漂移强烈影响海上运输以及作业平台活动，导致其需求激增，这要求近实时的高分辨率的海冰漂移跟踪。进行近实时全天候的海冰漂移跟踪，需建立短时间间隔且分辨率较高的遥感图像序列。SAR具有全天时全天候工作的优势。而同源星载SAR由于较长的过境周期，限制了海冰漂移跟踪的时间精度，因此利用非同源SAR构建短时间间隔的图像序列，进行高精度海冰漂移跟踪将成为一种趋势。随着卫星技术的发展，Advanced SAR(ASAR)，RADARSAT
‑
2，European Remote Sensing 1(ERS
‑
1)SAR，GAOFEN
‑
3这些卫星的发射，SAR数据越来越多，为我们提供了非同源数据的保证。
[0003]实现海冰漂移跟踪的关键是图像配准，而与地物特征(例如建筑物，城市广场等)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种存在强度差异的非同源合成孔径雷达海冰漂移探测方法，其特征在于，包括：获取非同源SAR图像，并对非同源SAR图像进行预处理，获取更多分布均匀的控制点；利用深度学习网络提取区域特征，并对提取的特征进行匹配；基于去除错误匹配的方法，剔除错误点；计算获得海冰漂移矢量场。2.根据权利要求1所述的存在强度差异的非同源合成孔径雷达海冰漂移探测方法，其特征在于，所述获取非同源SAR图像，并对非同源SAR图像进行预处理，获取更多分布均匀的控制点，包括：计算非同源SAR图像的方差矩阵，方差矩阵的每个元素从窗口w
×
w计算，计算公式如下：其中，w是窗口大小，a
ij
是窗口内的像素值，是窗口内的平均像素值，生成的方差矩阵作为控制点的候选项；对方差矩阵中的元素进行两次筛选获得最终的控制点。3.根据权利要求2所述的存在强度差异的非同源合成孔径雷达海冰漂移探测方法，其特征在于，所述对方差矩阵中的元素进行两次筛选获得最终的控制点，具体包括：第一次筛选是遍历定义周边(2R+1)区域的局部极大值点，其中R为预先设定的参数，在该次筛选后，还会出现不存在最大值的区域；第二次筛选是为第一次筛选后出现的不存在最大值的区域添加方差点，获得一个相对分布均匀的控制点。4.根据权利要求1所述的存在强度差异的非同源合成孔径雷达海冰漂移探测方法，其特征在于，所述利用深度学习网络提取区域特征，并对提取的特征进行匹配，包括：获取训练样本，分别在一对非同源SAR图像以上述控制点获取匹配的特征点的坐标为中心点，截取图像块组成训练样本；将获取的训练样本输入至深度学习网络获得训练模型，深度学习网络包括特征网络模块、特征融合模块以及决策模块。5.根据权利要求4所述的存在强度差异的非同源合成孔径雷达海冰漂移探测方法，其特征在于，在所述深度学习网络中：所述特征网络模块，包括7个卷积层，每层分别对应设置有一定数量的过滤器，两个分支独立训练，且每个卷积层的步幅值设为1；所述特征融合模块，将特征通过连接层两两融合，通过两层3

【专利技术属性】
技术研发人员：郭浩，门鹏，安居白，李冠宇，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：