【技术实现步骤摘要】
本专利技术涉及海洋工程的，尤其是涉及双极化sar图像海洋冰涡识别方法、装置和电子设备。
技术介绍
1、海洋涡旋是一种常见的海洋现象，在近海活动频繁，对海洋的物质、能量交换起着重要作用，是海洋科学研究的一个重要对象。在高纬度极区，由于海冰的存在，传统的利用高度计数据进行涡旋观测的方法很复杂，这使得这种数据类型几乎不适用于高纬度极区的冰涡旋探测。合成孔径雷达(synthetic aperture radar，sar)具有全天时、全天候、高分辨率、大覆盖范围的特点，为海洋涡旋研究提供了大量的图像数据。高分辨率sar图像可以分辨0.1~1 km尺度的海洋动力学，并且与天气和云无关。海面漂浮的示踪物显现机制的海洋涡旋，根据示踪物的类别可以分为两类，一类使用海面油膜示踪剂，另一类使用海面浮冰为示踪剂，两种示踪剂各有特点。其中，由于海面油膜可以实现海面滤波作用，减少后向散射面积，在sar图像呈现暗曲线条纹，因此被称为“黑涡”。而海面浮冰随着涡旋运行，导致浮冰聚集成环状或螺旋状的结构，这种浮冰显现机制的海洋涡旋简称为“冰涡”。近年来，一些研究已经实现了各种机器学习算法，用于从sar图像中检测涡旋。然而，大部分研究都集中低纬度无冰区的海洋黑涡识别上，亟需一种全新的高纬度海洋冰涡自动识别方法。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种双极化sar图像海洋冰涡识别方法、装置和电子设备，以提升高纬度极区海洋冰涡自动识别效率，从而扩展深度学习在海洋领域的应用。
2、双极化sar图
3、s1：获取双极化sar图像海洋冰涡数据，进行解码得到hh、hv双极化数据；
4、s2：hh、hv双极化数据预处理：首先进行轨道矫正、hh极化入射角矫正、hv极化热噪声去除、辐射定标、refine-lee滤波、分贝化处理；再进行百分比截断拉伸增强处理，得到图像增强后的，极化数据；
5、s3：双极化sar图像rgb假彩色合成和标准化处理：
6、首先，对所述、进行处理，得到两者的混合通道图层g；
7、其次，分别对、、g数据进行偏移量处理和标准化处理，最终得到红色通道图层、蓝色通道图层，绿色通道图层；
8、最后，将、，3个通道图层进行rgb合成，得到rgb假彩色合成图像；
9、s4：构建sar图像假彩色海洋冰涡样本库：采用随机水平翻转、旋转变换，平移变换等数据扩充方法，将所述rgb假彩色合成图像扩充生成样本库数据集；再通过人工目视方法对样本库数据集中的每张图像进行辨识，采用外接矩形对冰涡旋进行手工标注，标注内容为是否包含海洋冰涡；最后得到sar图像假彩色海洋冰涡样本库；
10、s5：基于yolov8框架建立海洋冰涡自动识别模型，海洋冰涡自动识别模型中的损失函数包括分类损失vfl loss（varifocal loss）和回归损失为ciou loss+dfl（distribution focal loss）；
11、s6：将步骤s4中所述的rgb假彩色sar图像海洋冰涡样本库，输入到步骤s5中所述的自动识别模型中进行训练；
12、s7：利用训练好的网络模型进行海洋冰涡自动识别，最终得到目标识别结果。
13、进一步的，所述步骤s1具体为：
14、所述双极化sar图像海洋冰涡数据：获取sentinel-1卫星sar载荷超宽幅ew模式多个不同时间段的hh、hv双极化海洋冰涡图像；通过人工目视的方法，在高纬度极区海冰边缘区域，筛选收集双极化sar图像海洋冰涡数据集；解码所述双极化sar图像海洋冰涡数据，得到hh、hv双极化数据。
15、进一步的，所述步骤s2中，所述hv极化热噪声去除具体为：
16、（1）通过公式（1）和公式（2）计算得到去除加性热噪声后的hv极化数据：
17、；
18、式中，为重构噪声场，即nesz，为噪声缩放系数，是增益系数，是esa提供的噪声矢量，为条带间功率平衡系数，为去噪后的值，为图像原始的值，n为子条带号；
19、（2）对步骤（1）中的可以利用大量hv极化数据通过加权最小二乘法求解得到，如公式（3）和公式（4）所示：
20、；
21、对步骤1）中的可通过公式（5）计算得到：
22、；
23、式中：和分别是不通过子条带线性模型的斜率和截距；是条带间边界处距离向的像元数，；
24、（3）去除噪声等效标准差
25、；
26、式中，为去噪后的值，即公式（2）计算得到；是nesd模型噪声标准差，s是给定15×15子窗口的的标准差；是的平均值，是最终除热噪声后的值；
27、最后，得到去除热噪声的hv图像。
28、进一步的，所述步骤s3具体为：
29、根据公式（7）和公式（8）进行偏移量处理：
30、；
31、将和极化图像按照公式（9）变换生成混合通道图像g：
32、；
33、标准化处理：对偏移量处理后的、、g数据进行标准化处理，其中，红色通道数据最小值为0.02，最大值为0.10；蓝色通道数据最小值为0，最大值为0.32；绿色通道g最小值为0，最大值为0.6.最后对标准化处理后的数据按照公式（10）进行gamma值为1.1的gamma校正
34、；
35、式中：和分别是各通道在gamma矫正前和矫正后的数据；
36、经过gamma校正处理后得到3个通道图层数据、、，将、、3个通道图层数据分别作为红色通道、蓝色通道、绿色通道进行rgb假彩色合成。
37、进一步的，所述步骤s5中，所述vfl loss函数公式如下：
38、；
39、q是label，正样本时候q为预测框和真值框交并比；
40、所述ciou损失函数的公式如下：
41、；
42、式中，是交并比，b和表示两个矩形框的中心点，表示两个矩形框之间的欧式距离，c表示两个矩形框闭合区域的对角线距离，v用于测量两个矩形框相对比例的一致性，α是权重系数。
43、进一步的，所述步骤s6中，按照样本库的70%，20%，10%随机分割为训练集p1、验证集p2和测试集p3训练集p1用于网络模型的训练，将训练集p1送入到所述步骤s105中建立的网络模型中进行训练得到最优权重模型用于双极化sar图像海洋冰涡自动识别。
44、双极化sar图像海洋冰涡识别装置，该装置包括：
45、双极化sar图像获取模块，用于获取高纬度极区海冰边缘区域的hh、hv双极化sar海洋冰涡图像；
46、sar图像预处理模块，用于实现sar海洋冰涡图像轨道矫正、hh极化入射角矫正、hv极化热噪声去除、辐射定标、refine-lee滤波、分贝化处理、极化图像增强，得到数据预处理后的双本文档来自技高网...
【技术保护点】
1.一种双极化SAR图像海洋冰涡识别方法，其特征在于，包括以下步骤：
2.如权利要求1所述的双极化SAR图像海洋冰涡识别方法，其特征在于，所述步骤S1具体为：获取Sentinel-1卫星SAR载荷超宽幅模式多个不同时间段的HH、HV双极化海洋冰涡图像；通过人工目视的方法，在高纬度极区海冰边缘区域，筛选收集双极化SAR图像海洋冰涡数据集；解码所述双极化SAR图像海洋冰涡数据，得到HH、HV双极化数据。
3.如权利要求1所述的双极化SAR图像海洋冰涡识别方法，其特征在于，所述步骤S2中，所述HV极化热噪声去除具体为：
4.如权利要求1所述的双极化SAR图像海洋冰涡识别方法，其特征在于，所述步骤S3具体为：
5.如权利要求1所述的双极化SAR图像海洋冰涡识别方法，其特征在于，所述步骤S5中，所述VFL LOSS公式如下：
6.如权利要求1所述的双极化SAR图像海洋冰涡识别方法，其特征在于，所述步骤S6中，按照样本库的70%，20%，10%随机分割为训练集P1、验证集P2和测试集P3训练集P1用于网络模型的训练，将训练集P1送入
7.一种双极化SAR图像海洋冰涡识别装置，其特征在于，所述装置包括：
8.一种电子设备，其特征在于，包括存储器以及处理器，所述存储器用于存储支持处理器执行权利要求1至6任一项所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
9.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，计算机程序被处理器运行时执行上述权利要求1至6任一项所述方法的步骤。
...【技术特征摘要】
1.一种双极化sar图像海洋冰涡识别方法，其特征在于，包括以下步骤：
2.如权利要求1所述的双极化sar图像海洋冰涡识别方法，其特征在于，所述步骤s1具体为：获取sentinel-1卫星sar载荷超宽幅模式多个不同时间段的hh、hv双极化海洋冰涡图像；通过人工目视的方法，在高纬度极区海冰边缘区域，筛选收集双极化sar图像海洋冰涡数据集；解码所述双极化sar图像海洋冰涡数据，得到hh、hv双极化数据。
3.如权利要求1所述的双极化sar图像海洋冰涡识别方法，其特征在于，所述步骤s2中，所述hv极化热噪声去除具体为：
4.如权利要求1所述的双极化sar图像海洋冰涡识别方法，其特征在于，所述步骤s3具体为：
5.如权利要求1所述的双极化sar图像海洋冰涡识别方法，其特征在于，所述步骤s5中，所述vfl lo...
【专利技术属性】
技术研发人员：吴进群，陈戈，马纯永，郑益勤，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。