雷达图像（共6篇）
雷达图像 篇1
摘要：通过对影响地物目标的后向散射系数因素的分析,结合影响雷达图像色调的表面粗糙度、复介电常数、波长、入射角、极化方式、亚表面粗糙度和体散射、角反射器等主要因素,对雷达图像灰度的变化情况进行阐述。
关键词：雷达图像,后向散射系数,表面粗糙度,影响因素
引言
雷达图像实质上是一张地面目标对雷达发射信号散射的回波强度分布图，图像灰度及灰度空间变化所构成的纹理就是从雷达图像中提取信息的主要依据。雷达图像的灰度是地物目标后向散射回波强度的表现形式，目标的散射特性对雷达图像的形成及解译有重要的影响。因而,地面目标散射特性的研究是成像雷达微波遥感的重要研究内容之一。地物目标后向散射通常以雷达后向散射截面积σ或是后向散射系数σ0来表示，根据理论分析和大量实验结果，影响后向散射系数σ0的有关因素之间的定性解释：
λ—波长；θ—入射角；P—极化方式；—地物目标的参考方位角；ε—复介电常数；Γ1—表面粗糙度；Γ2—次表面粗糙度；V—体散射系数
下面主要分析影响地物目标后向散射系数σ0的以上7个主要因素。
1. 影响地物目标后向散射系数σ0主要因素分析
1.1 表面粗糙度的影响
这里表面粗糙度指的是小尺度的粗糙度，即尺度比分辨单元的尺寸要小得多的地面表面粗糙度，分为光滑表面、稍粗糙表面和十分粗糙表面三种情况。
完全光滑的表面产生镜面反射，其反射规律遵循斯涅尔定律，即反射角等于入射角，几乎没有回波信号，只有当雷达波束垂直于这类地物表面时，才能收到很强的回波。稍粗糙表面产生漫反射，各个方向均有反射能量的分布，雷达天线已经可以接收到少部分能量，图像出现回波信号但较弱。十分粗糙表面发生各向同性散射，即向各个方向比较均匀的反射能量，无镜面反射，此时雷达天线接收回波的强度比较强。
1.2 复介电常数的影响
物质的电性影响物质与电磁波能量之间的相互作用的程度，用复介电常数表示。复介电常数越高，对雷达波的反射作用越强，穿透作用越小。复介电常数相对于单位体积的液态水含量呈线性变化。地物含水量越高，雷达波穿透力减小，反射能量越大，图像变亮。
1.3 波长的影响
波长通过目标的表面有效粗糙度和复介电常数两方面影响回波信号。对同一实物表面粗糙度，波长不同，其有效粗糙度不同，对雷达波束的作用不同，直接影响地物目标对电磁波的散射方向分布，因而影响到回波能量的大小。波长不同目标的介电常数也不同。介电常数不同则影响到地物目标的反射能力大小和电磁波穿透力的大小。实际情况表明，当波长为1cm时，大多数表面被认为是粗糙面，而当波长为1m时，则很少有显得粗糙的。波长1m时，对湿润土壤的穿透能力为0.3m，而对干燥的土壤则有1m或1m以上。
1.4 入射角的影响
入射角的减小即目标表面有效粗糙的增加，散射回波面积大小也随之增大，图像亮度也会随之发生变化（非常粗糙面除外），非常粗糙的表面产生各向同性散射，无论对怎样的波长和入射角都是同一性质。
σ0（θ）曲线按入射角分为垂直入射区，平直区和近切向入射区三部分，如图1所示。确定三个区域的θv和θt因粗糙度而异。
一般在陆地上空，雷达波束的入射角都在平直区范围内，曲线的曲率变化不大，回波强度变化不大，相应的灰度变化不大，入射角非影响回波的主要因素。
对于大尺度粗糙度表面，即对山地等斜坡地形而言，当山坡朝向雷达波束时，σ0（θ）就会处于近垂直入射区，图像色调变亮。而背向雷达波束的坡面，σ0（θ）就会处于近切向入射区，图像色调变暗。其斜坡效应如图2所示。
1.5 极化方式的影响
当雷达成像系统发射的水平（或垂直）极化波（电磁波）与地表相互作用时，会使电磁波的极化方向产生不同程度的旋转，形成水平HH和垂直HV两个分量，可用不同极化的天线去接收，就形成两种极化方式的图像。
地面粗糙时：回波与入射角无关，地表散射各向同性，HH和VV的信号测量基本没差别。表面光滑时：回波和极化有一定程度的相关关系，水平极化可以低至15dB，比同表面垂直极化测量结果小。近垂直入射区时，两种极化的电场矢量都在水平面内，H H和H V（或V V和V H）的差别趋于消失，水面适用于此类情况。城区的房屋建筑H H比V V回波大，有时高出10d B，交叉极化比同极化低8-25d B，因此在比较同极化图像和交叉极化图像的灰度时应注意。
1.6 亚表面粗糙度和体散射的影响
当电磁波穿透地物时，第二层介质的表面粗糙度即亚表面粗糙度和第一层介质和第二层介质的体散射才会产生作用。体散射是当雷达波束穿透地物时，由于地物内物质的不均匀性，和不连续的空间位置分布，如树干、树叶、叶面等分布的随机性，引起体内散射的各向同性。如果地物内部物质是均匀的，则不会产生体散射，而只会表现出表面散射信息。
1.7 角反射器效应的影响
当地物目标具有两个相互垂直的光滑表面或有三个互相垂直的光滑表面时就是所谓的角反射器。如图3所示。
当雷达波遇到角反射器时，由于角反射器每个表面的镜面反射，使波束会回转180度向来波方向传播，这使得各条射线返回去的时候方向相同，相位也相同，故信号相互增强，回波信号极强。在两面角雷达图像上出现相应于两平面交线的一条亮线，在三面角图像上形成相应于三个面交点的一个亮点。
对于角反射器，两面角轴线与雷达波束所在平面的夹角称为指向角。当指向角为900时，回波最强，但三面角无指向角的明显效应，无论雷达波束方向如何，其回波总是比较强的。
2. 结束语
影像反映的信息更多是地表自然状况，雷达影像比光学遥感对地物纹理的反映更为细密，层次更丰富。分析影响地物目标图像特征的诸要素，对于图像的解译和目标识别是非常重要的。只有对图像信息作出正确的分析和判断，才能更好地在科研、生产等各方面的应用中发挥作用。
参考文献
[1]舒宁.微波遥感原理(修订版).武汉:武汉大学出版社.2003
[2]潘习哲.星载SAR图像处理.北京:科学出版社.1996
[3]郭华东.雷达图像分析及地质应用.北京:科学出版社.1991
导航雷达图像显示的多线程编程 篇2
导航雷达是船舶航行的重要导航工具之一,其数据传输处理有数据量大、实时性高的特点。从雷达回波信号的处理到雷达图像的显示也应满足雷达系统高速、大容量、实时的要求。随着信号处理技术和显示终端技术的发展以及对导航雷达的要求的不断提升,雷达分辨率越来越高,数据的处理越来越复杂,雷达图像的显示也越来越清晰。传统雷达数据采集处理系统是采用雷达采集卡形式插在PC机的PCI扩展槽内,利用PC平台进行数据处理及雷达图像显示[1],也有利用嵌入式平台进行数据采集处理[2,3]。不同的硬件环境下,雷达图像显示的软件编写也不相同,本文提出了一种基于SoPC(System on Personal Computer)[4]硬件系统结构的软件编写方法,利用Windows操作系统的API函数进行多线程编程,并采用DirectDraw[5]进行雷达图像显示界面的生成。
1 雷达图像显示的特点
雷达图像在导航时起着重要的作用。导航时对雷达图像显示的要求也比较高,需要雷达图像满足稳定性高、刷新速度快、分辨率高、能够进行多种切换操作等要求。还需要雷达图像能够提供给操作者足够多的信息以便操作人员能够有效迅速地对航行环境做出判断,并做出正确的选择。一般与其他需要显示二维或三维的图像系统不同[6],导航雷达图像只需显示径向一维图像信息。
1.1 雷达图像显示的内容
常见的雷达图像显示界面包括:圆形雷达图像和文字显示两部分。雷达图像一般位于左侧,而文字显示部分主要位于屏幕右侧以屏幕的四个边角位置。图像上主要显示以下信息:目标定位信息和本船信息,图像清晰度调整功能菜单,图像切换预警操作功能菜单,雷达图像增强功能菜单等。
目标定位信息显示在雷达圆的右下脚,信息包括光标捕获的目标点的量程(RNG),方位(BRG),真方位(T),经度(Lon)和纬度(Lat)。图像清晰度调整功能菜单包括增益、海浪抑制、雨雪抑制、调谐等。雷达图像切换预警操作功能主要是在雷达图像圆上的操作,包括:量程、距标圈、偏心操作功能、首线、脉冲宽度、活动距标圈(VRM)、电子方位线(EBL)、测距功能、显示方式切换、报警区及报警应答功能、展宽功能、日夜切换功能、中英文切换功能、杂波抑制功能、矢量时间、航迹时间等。雷达图像增强功能菜单主要是APPAR功能和AIS功能[7],以上两功能主要靠GPS信号进行操作,可以进行功能强大的辅助导航。
1.2 雷达图像显示任务的划分
以上雷达图像显示内容,根据其来源可分为三种:雷达原始视频信号数据,人工设定的辅助定位信号(距标圈、偏心、电子方位线等),读自船舶上的辅助导航设备数据。雷达视频信号在显示界面上显示时用一条方位线不断地扫描刷新;而人工设定的辅助定位信号线用绘图软件实现,并具有开关功能,用来进行局部查看定位;辅助导航设备包括电罗经、GPS等,当显示界面上鼠标停在雷达圆的某一点上时,显示该点的经纬度。雷达视频信号数据和辅助导航设备数据需要实时读取,并不断的刷新显示,所以在编写线程函数时需要考虑代码的执行效率,保证雷达图像的实时性。
2 多线程编程的实现
在确定雷达图像显示内容和显示任务后,开始考虑在特定的硬件平台上编写整个雷达系统代码,包括从开机到显示到关机的整个过程进程和线程的设置。
2.1 系统的硬件平台
本雷达图像实现系统基于SoPC的硬件平台实现,雷达中放板信号经FPGA预处理后,通过PCI接口及PCI9054芯片[8]连接到电脑主板,最后经CPU处理后输出到显示器。SoPC平台与电脑主板类似,属于工控主板,故系统完全兼容Windows的操作系统系统及API函数,所以采用了Windows下的多线程编程,软件编写环境是Microsoft Visual C++ 6.0。
2.2 显示系统程序的多线程设置
雷达开机后,进行硬件初始化,然后由BIOS引导加载系统代码,主进程取得CPU的控制权,设置分配内存空间及数据缓存区域,然后开始接收处理雷达视频信号数据显示图像,最后到释放内存空间关机。由于系统只显示雷达图像,故只需设置一个主进程。
projc=GetCurrentProcess();
SetPriorityClass(projc,REALTIME_PRIORITY_CLASS);
当使用CreateProcess调用时,系统将创建一个进程。根据硬件的启动到关机的任务过程和雷达显示任务划分,设置主进程的各个线程。分别是初始化线程,开始线程,量程设置线程,窗口显示操作线程,关机线程等5个线程。
初始化线程创建及属性设置如下:
Init=CreateThread((LPSECURITY_ATTRIBUTES)NULL,0,(LPTHREAD_START_ROUTINE)initf,(LPVOID)NULL,CREATE_SUSPENDED,&iqq);
SetThreadPriority(Init,THREAD_PRIORITY_IDLE);
ResumeThread(Init);
首先调用CreateThread函数创建初始化线程,然后设置线程优先级,最后激活线程运行。初始化线程中的线程函数initf执行系统的硬件的初始化,包括PCI90,PCI总线,操作面板上按钮(增益、调谐、雨、雪等),DMA,串口,选择开关通道总线等的初始化。
开始线程的创建如下:
Start=CreateThread((LPSECURITY_ATTRIBUTES)NULL,0,(LPTHREAD_START_ROUTINE)startf,(LPVOID)NULL,CREATE_SUSPENDED,&iqq);
SetThreadPriority(Start,THREAD_PRIORITY_IDLE);
ResumeThread(Start);
开始线程函数执行时主要通过PCI总线以DMA方式接收雷达实时预处理数据,并打开雷达天线马达开始扫描及通知窗口线程开始显示图像及数据。
量程设置线程创建如下:
Range=CreateThread((LPSECURITY_ATTRIBUTES)NULL,0,(LPTHREAD_START_ROUTINE)rangef,(LPVOID)NULL,CREATE_SUSPENDED,&iqq);
SetThreadPriority(Range,THREAD_PRIORITY_IDLE);
ResumeThread(Range);
量程线程主要任务是完成量程的设定,距标圈和活动距标圈开关显示,偏心功能操作等。
窗口操作线程创建如下:
Window=CreateThread((LPSECURITY_ATTRIBUTES)NULL,0,(LPTHREAD_START_ROUTINE)windowf,(LPVOID)NULL,CREATE_SUSPEN DED,&iqq);
SetThreadPriority(Window,THREAD_PRIORITY_IDLE);
ResumeThread(Window);
窗口操作线程主要创建雷达图像显示窗口,并对窗口内需要显示的图像及数据进行实时显示。
关机线程创建如下:
Shut=CreateThread((LPSECURITY_ATTRIBUTES)NULL,0,(LPTHREAD_START_ROUTINE)shutf,(LPVOID)NULL,CREATE_SUSPENDED,&iqq);
SetThreadPriority(Shut,THREAD_PRIORITY_IDLE);
ResumeThread(Shut);
关机线程中执行操作与初始化线程中相反,初始线程中的硬件都需要在关机线程中关闭,如天线雷达停转,DMA、串口、选择开关通道总线、PCI设备等的关闭。
各个线程之间进行通行时,需要对线程进行同步,防止两个线程同时对一个数据进行操作。线程同步方式有多种,可采用创建事件对象的方式同步。先在以上5个线程创建前创建事件对象如下:
pevinit=CreateEvent(NULL,TRUE,FALSE,"ppinit");
如需要执行量程设置线程前需要执行如下代码:
WaitForSingleObject(pevinit,0xFFFFFFFF);
ResetEvent(pevinit);
以保证初始化线程执行完毕才执行量程设置线程。其他线程间的同步都可以采用此种方法。
一般采用CreateThread创建线程,用CloseHandle关闭线程,并在程序中调用C标准库将导致线程内存泄露。因为C标准库存在大量全局变量,最好采用BeginThread与EndThread函数对实现。但本文在线程操作时未调用C标准库,不易引起内存泄露的问题。线程是根据雷达显示任务的划分来创建,不同的划分需要创建相应的线程,也可以通过创建新的线程来增加相应的显示任务。
3 结 语
雷达图像显示系统是一个多任务系统,本文结合常见的SoPC硬件平台,设计了雷达图像显示系统的多线程实现方法,显示的是常见的伪彩色动态显示图像[9],经运行表明能够满足数据量不是很大的船舶导航需要。上述线程同步以及线程之间共享数据的方式,CPU的效率不高,影响了系统的实时性。实时性要求更高的场合,可以采用实时嵌入式平台[10]。本文研究的多线程编写方法对其他平台的雷达图像显示系统有一定的借鉴意义。
摘要：设计了导航雷达图像在SoPC硬件平台上显示的软件系统,根据雷达图像显示任务和系统的运行工程对代码的任务进行划分,雷达图像显示任务包括雷达圆和文字数据两部分,划分后的代码任务包括硬件初始化、开始数据接收处理、量程设置、窗口显示、关机等5个任务,对应划分后的任务采用了Windows下的多线程方法编写雷达图像显示的软件系统。经过在SoPC硬件平台上调试运行,效果显示能够满足导航雷达图像显示的各项要求。
关键词：导航雷达,图像显示,数据采集,PCI总线,SoPC,多线程
参考文献
[1]王江生,师振荣.PCI数据采集卡在雷达监视系统中的应用[J].导弹试验技术,2003(1):29-38.
[2]何超.基于DSP嵌入式数字船舶导航雷达信号处理系统的设计与实现[D].成都:电子科技大学,2007.
[3]闫保中,胡习林,刘文正,等.基于FPGA的雷达图像采集卡的设计[J].应用技术,2008(10):45-48.
[4]林锐,陈明义.基于SoPC的视频卡的设计与实现[J].信息通信,2010(2):30-32.
[5]于川.雷达数字化显示系统设计及实现[D].大连:大连海事大学,2007.
[6]侯焕,韩磊,林忠宇.VTK技术在雷达图像可视化中的研究与应用[J].现代电子技术,2010,33(6):122-124.
[7]刘巧明,戴海智.探讨AIS在保障水上交通安全中的作用[J].珠江水运,2010(7):40-41.
[8]马超,皮亦鸣.基于PCI9054的PCI接口数据通信系统[J].中国科技论文在线,2008(1):70-73.
[9]王永磊,韩壮志,何强,等.某型侦察雷达时频图伪彩色处理和动态显示[J].现代电子技术,2010,33(3):33-36.
雷达图像 篇3
关键词：拉格朗日力学,图像预测,图像追踪,天气雷达,临近预报
0 引言
多普勒天气雷达(以下简称雷达)是现代气象业务研究及应用中不可或缺的重要工具,基于雷达回波及图像的追踪与外推是短时临近预报的关键性技术,也是长期以来的难点问题。准确而及时的雷达外推预报,可以为局地龙卷风、雷暴、短时强降水等极端灾害性天气提供预警,以便做好防御措施,最大限度保障人民及生命财产安全。
近半个世纪以来,很多学者在基于雷达资料的预报领域作出了大量卓有成效的贡献,并逐步形成了一系列较为通行的方法。例如,TREC算法通过逐区域寻求相邻时刻雷达反射率的最大相关,跟踪整个回波区域的移动,并且假设回波具有一致的移动方向[1]。CTREC算法则利用交叉相关分析,跟踪反射率因子大于一定阈值区域的移动,进而推算回波的发展[2]。TITAN是由美国国家大气研究中心(NCAR)研发的一套风暴识别、跟踪、分析和预报系统,其利用雷达一次完整体扫所构成的三维结构数据对强回波中心进行识别追踪[3,4]。SCIT算法则更加侧重对雷暴单体的有效追踪和预测[5,6,7]。近年来,又有一些学者试从图形图像学中的光流技术入手,通过分析雷达回波时序图像中的光流场特征进行回波强度和位置的外推预测[8,9,10,11]。此外,还有基于神经网络、模式匹配等多种方法[12,13,14]。
总体来说,这些方法的共同之处是需要分析相邻时刻雷达图像(或基数据)中区域的相似性,而该相似性的度量,如最大相关法,虽然可以计算出最匹配的位置,但匹配和外推结果往往表现出发散性或多个最优解。并且,基于窗口平移的模板匹配算法无法适应区域图像的旋转和变形等情况。
为了克服相关性度量算法所遇到的问题,本文考虑对位移场的分析加以分层,也就是每个特征运动被认为是确定在相对粗糙的空间分辨率下的平稳变化趋势的总和,然后衍生为更高的空间分辨率下的小幅度局部修正,并对此过程进行多次迭代。对于位移场的分析,将充分考虑雷达回波所指示风暴的动力学特征,运用拉格朗日力学相关理论构建预测模型。该方法的研究意义在于进一步提高中小尺度、强对流天气事件的预测能力,且相对于光流等一些大运算量算法,本方法运算规模更小,进而能够更好地满足短临预报业务高时效性的要求。
1 理论与方法基础
1.1 雷达回波外推预测
大量研究表明,合理的外推预测算法可以为降水、雷暴、冰雹等对流天气的预报提供重要支撑[15,16,17]。基于外推预报的一般性描述为:
其中,pt(x,y)表示任一位置的回波强度,U和V分别表示回波在水平和垂直方向上的偏移量,由U和V共同组成回波移动的速度矢量。g表示一个函数,用来计算单位时间间隔后回波强度的变化。根据式(1),Δpt(x,y)反映了任一点(x,y)在t时刻回波强度的变化情况,U和V反映了回波移动的方向和速度。此外,函数g代表一个拉格朗日动力学过程,在此过程中雷达回波的强度是由其沿回波路径移动时在拉格朗日坐标系统中的历史变化推导出的,也就是用当前回波演变的趋势预测回波未来的位置和强度。
究其趋势预测的方法,多年来诸多学者作出很多研究,本文主要从拉格朗日力学角度进行分析,提出一种雷达回波图像追踪预测的方法。
1.2 拉格朗日力学
拉格朗日力学是由Joseph Lagrange[18,19]最早提出的一种力学分析方法。由于该方法引用了广义坐标的概念,使得对力学相关问题的研究更具普适性。
在雷达回波图像预测研究中,如何准确得到回波运动矢量是预测需要解决的关键问题。在不考虑天气系统的非线性变化时,拉格朗日力学模型能够满足构建回波发展演变过程的算法要求,式(1)可以改写为:
有研究表明,对整个回波图像采用统一的U和V所构成的位移矢量,可适用于对大尺度天气系统的预测分析,如对卫星图像的外推预测和云导风的分析[20]。但对于局地强对流天气系统,预测结果往往与实际偏差较大。因此,这也是本文将重点阐述解决的问题。
2 雷达图像追踪预测
2.1 基于拉格朗日力学的追踪算法
在上述理论基础上,根据大气运动演变发展的规律及其在雷达回波图像上的表征特点,构建基于拉格朗日力学的追踪算法模型,如式(3)所示。
其中,Pt+nΔt表示距离当前时刻t,n个等时间间隔后,当前格点(xt,yt)移动到(xt+nΔt,yt+nΔt)的回波强度值。Pt表示当前时刻位于(xt,yt)的网格的回波强度值。可以看出,通过该模型可以找到在过去时间内随时间步长Δt增加的每个网格点移动的位置及其回波强度。例如,Pt-Δt(xt-Δt,yt-Δt)在t-Δt时刻与Pt(xt,yt)在t时刻网格点位置是相对应的。函数f1和f2分别表征一个拉格朗日动力学过程,其中f1用于计算每个网格点随时间变化的位移矢量,n表示所预测的步长数,而每个步长的大小往往与已知图像的时间间隔相一致,以多普勒CINRAD-SA雷达以例,其VCP-21模式下的体扫时间间隔为6分钟。Δ(xt,yt)则表示网格点在单位时间间隔内的移动矢量。
该模型假定所预测的回波图像是当前和过去若干个回波图像以固定时间间隔而变化的函数。f2表征一个用于估测单位时间间隔前后回波图像各相应网格点回波强度值变化率的函数,即回波的演变趋势。在不断生消、发展的对流系统中,ΔP可以为正,也可以为负数。
式(4)~式(6)进一步表明了函数f1和f2,即回波移动矢量及回波强度的计算方法。
其中,Vt-1表示pt-2Δt(xt-2Δt,yt-2Δt)移动到pt-Δt(xt-Δt,yt-Δt)的速度矢量,同理,Vt也为一个速度矢量。由于从t开始的前3个时刻各网络点的速度矢量是可以计算出的,因此,函数f1可以通过Vt和Vt-1建立线性关系求得。考虑到Vt的解本身可能存在误差,因此,式(6)采用最近3个时刻求得的两个位移矢量的算术平均值。VP是Vt-Δt和Vt,即某一像素在t-Δ2t与t-Δt时刻,以及在t-Δt与t时刻移动矢量的平均值。因此,由t、t-Δt、t-2Δt三个连续时刻已知的回波图像,便可以推算出未来任一时刻每个网格点的回波强度及移动位置。
由该方法预测出的回波强度场还可为雷达降水预测、风暴影响路径分析等气象业务提供基础支撑。
2.2 中心极值滤波
为了降低雷达杂波对位移矢量计算的不良影响,本节提出采用一种滤波器对雷达基数据进行滤波处理。其基本思想是:逐网格分析回波强度特征,如果某格点的值大于周边最相邻一圈(共8个网格)的最大值,或者该值小于周边最相邻一圈的最小值,则将当前网格点回波强度值用上述8个网格的最大值或最小值替代。
如图1所示,位于当前中心点的数值39大于其最邻近一圈8个网格的最大值。因此,使用数值23替换当前网格的39。
从图像上看,该滤波方法可显著降低图像中的椒盐噪声,从实际效果上看,该方法可以有效过滤单点的杂波奇异值,较传统的均值滤波和中值滤波更好地保留了回波细节[21,22],特别是回波中梯度变化较大的边缘区域。
2.3 分层外推预测算法
由于天气系统复杂多变,特别是尺度较小的局地强对流,其生命周期短的只有几分钟到几十分钟,由于其空间尺度小,生消速度快,因此,包括基于拉格朗日力学在内的各种线性关系外推算法,其预测准确性都存在一定的局限性。为了改善这一问题,本节提出采用分层的外推预测方法。该思想最早由Bellerby等[20]提出,并研究应用于卫星图像的云顶平流场分析中。
该算法的关键流程为:先将当前雷达回波图像逐级抽稀,降低图像的分辨率,以模糊回波细节,由此粗略估算出回波主体的移动趋势;然后再反向逐级提高图像分辨率,在较粗的移动趋势基础上,细化和订正位移矢量的细节。从而产生一个在空间上连续和平滑的且不受模板边界不连续性影响的矢量场。计算方法如式(7)所示:
对于每一级抽稀计算,都是将当前一级各网格点的回波强度值经由公式(7)计算,并往复迭代。其中P表示某一点的回波强度,L和L-1代表抽稀的层级,在本文下述实验中,采用的最高层级为4。
在计算两个相邻时刻图像中回波的位移时,可以借鉴交叉相关法,计算方法如式(8),在每个选定的匹配窗口遍历出最大相关矩阵的位置,从而输出位移矢量。
式(8)中,P和P’分别表示相邻两个时刻(如t-Δt与t)的回波,(x,y)表示图像中的某一点,X和Y表示匹配窗口的大小。
再将两幅回波图像之间的网格还原或内插到其先前空间分辨率的两倍,重复上述匹配。该迭代过程还考虑到了由非矩形网格代表的局部扭曲,结合这些局部扭曲,使外推预测算法能够适应旋转、扩展、缩小等回波图像形态上的变化。如此插值和匹配计算,迭代直到网格分辨率达到原始雷达图像分辨率。
3 实验与结果分析
3.1 实验数据说明
为检验所述方法的预测效果,本实验数据使用2016年6月南京地区多普勒天气雷达的基数据文件。该雷达使用VCP-21体扫模式,探测周期为6分钟。实验选用1.5°和2.4°仰角的基本折射率数值。为方便计算,实验前将原始数据由极坐标系统转换为平面直接坐标系统,数据的图像分辨率为920×920。为减少样本数量,从全部7199个基数据文件中筛选出以230库长为半径,其覆盖区域内具有大面积强回波的数据文件,共计880个。
3.2 实验结果分析
为检验雷达回波图像预测的准确性,使用与预测同一时刻的雷达实际探测数据作比对分析,计算过程采用交叉相关检验法。
首先以自然日为单位,统计逐日样本数据中每份预测结果与实况交叉检验的相关系数的平均值,如图2所示。
图2中3种图案标记分别表示预测6分钟、30分钟和60分钟的检验结果,每个值代表当日所有样本检验结果的平均值。横坐标为2016年6月的逐个日期,纵坐标为相关系数,其中横坐标4、5、9、10等日期没有标记图案,原因是这些日期的当日为晴天或少云,体现在雷达上没有强的大面积回波,因此没有列入样本数据进行分析。从图2中还可以看出,本方法预测未来6分钟的结果与实况相比,相关系数超过87%,平均达到93%以上,而随着预测时效的延长,预测准确率逐步下降,在未来60分钟的预测中,全月平均相关系数为70%左右。
进一步统计分析每次预测准确率的稳定性。以6月19日全天样本数据为例,统计每批样本所预测6、12、18至60分钟结果分别与实况交叉相关检验的情况,如图3所示。
图3中,每个柱状条的顶端和底端分别表示检验的相关系数的最大值和最小值,柱状条中间的黑色方形表示相关系数的均值。可以看出,随着预测时效的增长,其预测准确率的个体差异也随之增大。在前6分钟的预测中,该差异约为3%,30分钟时约为8%,而到预测60分钟时,差异进一步增大到20%。结果与强对流天气系统具有生命史短、突发性强,水气生消发展变化快的特点是相一致的。
4 结语
由于天气系统复杂多变,特别是对于中小尺度的对流系统,其生消、发展时间短、变化快,如何进行准确、有效的预报是提升当今短时临近预报的关键环节之一。考虑到大气中水气等物质的移动变化应遵循一般力学规律,而拉格朗日力学正是表征和计算动力学问题的普适性方法,因此,本文的预测动力模型建立在拉格朗日力学关系基础之上。又由于天气系统的变化表现在雷达图像上,其回波图形具有相当的不确定性,因此,本文提出采用分层的位移场分析方法,先假定位移矢量是在相对粗糙的空间分辨率下的平稳变化趋势的总和,然后在更高空间分辨率下作小幅度局部修正,并如此进行多次迭代。为了减少低仰角杂波对实验结果的影响,提出采用中心极值滤波对实验数据进行处理。结合上述理论构建起基于拉格朗日力学的追踪预测模型及算法流程,以雷达基本反射率因子作为输入场,追踪和预测回波在空间和时间上的位移矢量,并由此预测未来一段时间雷达回波的位置和强度。
雷达图像 篇4
SAR图像仿真是一种利用计算机仿真的手段获取SAR数据的技术, 由于它具有可靠、无破坏性、安全经济、研制周期短、不受气象条件和地域限制等优点, 已受到世界各国的广泛关注。不断拓展的SAR应用需求对SAR系统的性能提出了更高的要求。高性能SAR系统构成日益复杂, 研制周期变长, 生产成本上升, 技术风险加大, 这使SAR成像系统的仿真技术显得日益重要。本文利用三维视景仿真开发工具Multigen Creator和Vega[1]的雷达仿真模块——RadarWorks开发出SAR成像仿真系统。
1 SAR成像原理及视景仿真软件介绍
机载SAR[2]成像是通过沿航线不断发射和接收电磁波来完成的, 每一个沿航线发送和接收电磁波的位置都被看作是大天线阵中的一个元素, 通过合成产生一个大天线阵。它依靠脉冲压缩技术, 利用发射宽带脉冲和飞行平台运动形成的多普勒带宽, 分别取得距离向和方位向的高成像分辨率, 提高空间分辨率, 获得观测对象的清晰图像。
Creator[1,3]软件是美国Multigen-Paradigm公司针对可视化仿真行业应用特点推出的实时可视化三维建模软件系统, 它可以用来对战场仿真、娱乐、城市仿真、训练模拟器和计算可视化等领域的视景数据库进行产生、编辑和查看。Vega是美国Multigen-Paradigm公司推出的先进的软件环境, 主要用于虚拟现实技术中的实时场景生成、声音仿真及科学计算可视化等领域, 它支持快速复杂的视觉仿真程序, 能为用户提供一种处理复杂仿真事件的便携手段。Vega包括友好的图形环境界面LynX、完整的C语言应用程序接口API、丰富的相关实用库函数和一批可选的功能模块, 能够满足多种特殊的仿真要求。
2 基于Vega的雷达图像仿真系统
2.1 RadarWork仿真原理
作为Vega的一个模块, RadarWorks可根据场景和雷达的物理特性模拟特定的雷达显示。雷达反射面值 (RCS) 信息是精确生成雷达仿真图像的基础。RadarWorks首先根据场景中纹理的材料构成, 从材料文件中获取各种材料的平均后向散射系数及其方差。它们都是频率、极化方式、入射角的函数。然后再结合场景的几何信息和雷达参数查找材料数据库和文化特征数据库获取RCS值, 生成场景的RCS图。RCS图接着被作为雷达模型的输入。RadarWorks根据用户定义的雷达参数建立相应的雷达模型, 接受RCS图输入进行处理, 并模拟实际雷达的各种效果, 最终生成逼真的雷达显示图像。
2.2 仿真系统开发流程
用Multigen Creator和Vega开发[4,5]SAR成像仿真系统, 主要包括以下4个步骤:
(1) Multigen Creator建模。建立SAR所要成像的地表场景的三维模型, 包括自然景物和重要的人造目标。这一步要充分考虑SAR成像性能评估的实际需求, 建立各种不同特性的场景, 如草地、高山、水源、森林、公路、楼房, 以充分测试SAR对不同物理特性目标的成像能力。为达到高的逼真度, 还要给三维模型贴上恰当的纹理, 最终生成FLT模型文件供Vega调用。用Creator建模是一项极其繁琐、费时的工作, 为提高开发速度本文利用Vega自带的地形文件“town.flt”建立了一个场景。
(2) 纹理材料映射。用Vega的纹理材料生成器 (texture material maper, TMM) [6,7]指定各种RGB纹理的材料构成, 为RCS信息的计算建立物理特性库, 生成TMM文件。
(3) Vega基本模块和RadarWorks模块设置。在Vega的图形用户界面Lynx中设置各输入文件的路径[8], 把Creator建立的各种FLT模型文件添加到场景中, 设置系统的初始化参数等之后, 设定各个模型的放置位置、运动方式、视点位置、视点方式、特殊效果。由于大气参数如介电常数对雷达的成像效果也有较大的影响, 因此在Vega 的“Environments”和“Environment Effects”模块[9]中必须详细设置气候条件、天气状况、大气湿度、大气温度、季节、时间、地理位置等。其他的性能参数用常见参数, 作为仿真开始时的默认参数, 当然在本文设计的仿真控制面板中可根据实际所要模拟的SAR的参数进行修改。各个模块设置完毕最终生成应用程序定义文件 (ADF) 。
(4) 视景驱动。Vega是一个类库, 它以C语言的API形式出现, 每个Vega类都是一个完整的控制结构[10]。在Vega中几乎每一项内容都是以类来完成的。在这一步中利用Vega的API函数编写仿真控制程序并启动, 载入ADF文件, 通过人机交互界面修改SAR参数, 进入主仿真循环。RadarWorks实时计算各种参数, 生成模拟的SAR图像, 并接收键盘输入实时更改仿真参数。
2.3 仿真结果
Radarworks模块的关键参数设置如下:
飞机速度:500 km/h;工作频带:X波段 (8～12 GHz) ;极化方式:VV;最小显示 (RCS) :-30 dBsm;最大显示 (RCS) :30 dBsm;高度补偿:0;SAR模式:条带; 斜视角:90°;分辨率计算方法:线性指定;分辨率:2 pixel/m。
C++仿真程序编辑如下:
仿真计算结果如图1, 图2所示, 其中图1为Creator所建立模型的仿真成像区域, 图2为SAR成像结果。
从图1, 图2可以看出, 基于物理机制的雷达模拟成像模块RadarWorks能很好地模拟SAR成像。从图中的SAR成像的仿真图像可以看到图中的1个像素或多个像素比附近的其他像素更亮, 这被看作噪声。这是由于在一个频率上高反射的物体在另一个频率上反射就很少。采用多视技术改变雷达频率取平均能最小化这种噪声。Vega的RadarWorks模块提供了一种频率跳动的开关去模拟这种效果。
3 结 语
SAR雷达视景仿真现已成为仿真软件系统不可缺少的部分, 其具有目标识别能力强, 全天候作战能力以及抗干扰能力强的特点, 本文分析了SAR成像仿真机理, 提出了一种实时SAR图像产生方法, 并给出了仿真结果。这种方法可以灵活地调节载机、雷达参数, 可以根据实际需求方便地产生各种人造目标的回波数据。该项技术具有广泛的应用前景。
参考文献
[1]龚卓荣.Vega程序设计[M].北京:国防工业出版社, 2002.
[2]周明俊, 陆军, 常青, 等.基于Radbase和Vega的SAR图像仿真系统[J].现代雷达, 2009, 31 (3) :20-23.
[3]李军, 王绍棣, 常建刚, 等.基于Vega的视景驱动软件的分析与设计[J].系统仿真学报, 2003, 15 (3) :397-411.
[4]MGPI.Vega programmer′s guide[M].Version 3.7.[S.l.]:MultiGen-Paradigm Inc., 1998.
[5]MGPI.Mtingultigen Creator User′s Guide[M].version 2.6.[S.l.]:MultiGen-Paradigm Inc., 1999.
[6]杜健, 尹勇, 金一垂.MFC框架下基于vega的视景驱动程序的开发[C].第四届全国虚拟现实与可视化学术会议论文集, 2004.
[7]HORRELL J M, INGGS M R.Satellite and airborne SARsimulator[C]//Proceeding of the 1993 IEEE South AfricanSymposium.[S.l.]:IEEE, 1993.
[8]宋志明, 康凤举.Vega开发环境的扩展研究[J].系统仿真学报, 2004, 16 (1) :178-179.
[9]贾建科, 张麟兮, 赵军仓.合成孔径雷达 (SAR) 实时成像仿真研究[J].计算机仿真, 2006, 23 (11) :15-18.
图像处理在雷达成像显示中的应用 篇5
ISAR成像技术从20世纪80年代以来有了很大的发展。随着电子技术的发展,雷达带宽的增大,ISAR成像技术在分辨力、实时性等方面都有了长足进步。随着ISAR成像分辨力的提高,ISAR图像已经具备识别目标类型和特征的能力。鉴于ISAR像的观察需求,应能够对所成的原始图像进行图像编辑,并将处理后的图像进行显示。
1 ISAR雷达成像显示过程
当雷达在动目标指示模式(Marine Moving Target Indication,MMTI)下工作的时候,持续地对海上的运动目标进行检测,一旦发现目标,即可将雷达切换到宽带ISAR模式,并发射宽带信号,依据目标位置调整波束,对其进行观测,根据MMTI提供的目标位置参数,设置宽带ISAR的回波采集窗口,对海上动目标进行ISAR成像,形成目标不同状态下的二维灰度图像[1,2]。ISAR图像形成后,通过对图像的旋转、放大、显示门限选择等,可以改变图像的显示效果,从而为图像识别提供基本条件。ISAR雷达成像显示的整个工作流程如图1所示。
2 图像存储及显示
ISAR图像显示软件获得完整的ISAR像数据后,首先根据数据包序号从小到大的顺序,把数据包里面的数据存储到一块连续的内存中。然后根据报文中包含的ISAR像基本信息保存为位图文件(BMP),并调用通用的绘图方式将图形绘制显示,图2为一幅原始的ISAR像显示效果。
3 图像处理技术
3.1 图像翻转
ISAR图像的翻转主要用于将原始的ISAR像进行水平和垂直翻转,从而达到观察或者识别目的,由于ISAR像存储结构的特殊性,对图像进行翻转操作其实就是将其所对应的二维数组进行翻转操作,图3为原始图像垂直翻转的前后对比效果。
3.2 图像旋转
ISAR图像的旋转主要用于将原始的ISAR像按照一定角度进行左旋或者右旋,从而达到观察或者识别目的,图4为原始图像右旋180°的前后对比效果。
3.3 显示门限设置
ISAR图像的显示门限设置可以将低于某个幅度的显示值进行过滤,从而达到去除背景噪声,增强目标显示效果的目的,图5为原始图像设置显示门限的前后对比效果。
3.4 局部放大
通过将ISAR图像局部放大,可以仔细观察ISAR的细节,从而有助于ISAR像的识别,图6为原始图像局部放大的前后对比效果。
4 结语
本文提出了ISAR像几种显示处理方式,通过对保存的ISAR像数据进行翻转、旋转、显示门限设定以及局部放大等图像处理,从多角度对ISAR像进行观察,从而对目标大小、属性等进行更准确的判断,有助于作战时的目标识别。
摘要：随着逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)二维成像识别技术的发展,采用ISAR像进行目标识别获得越来越广泛的应用。ISAR成像的显示效果要求直观、准确、不失真,显示方式要求具有一定的灵活性,譬如能够对ISAR进行翻转、旋转、门限以及局部放大等多种操作。文章针对ISAR像的显示需要,给出了几种图像编辑技术,从而使得ISAR像的显示能够更好地满足要求。
关键词：雷达成像,图像处理,图像显示
参考文献
[1]孙龙,江凯,陈仁元,等.岸基ISAR系统设计与试验验证[J].空军预警学院学报,2016(1):5-8.
雷达图像 篇6
随着高分辨率雷达的普及, 雷达图像的像素越来越多, 需要的存储量也越来越大[1]。因此, 如何更好地压缩雷达图像对于信息的传输与存储起着至关重要的作用。传统的二维图像压缩标准有JPEG、TIF等, 然而这些算法是基于离散余弦变换 (DCT) 的[2], 性能无法进一步提高。小波变换具有良好的时频局部化性能, 能有效克服傅立叶变换在处理非平稳的复杂图像信号时所存在的局限性, 因而在图像压缩领域受到越来越广泛的重视[3]。借助小波变换, 可以把图像信号分解成许多具有不同空间分辨率、频率特性和方向特征的子带信号, 实现低频长时特征和高频短时特征的同时处理, 更适合于人类视觉系统 (HVS) 和数据压缩的要求[4]。1993年, Shapiro根据图像的小波变换在不同级之间的相似性, 提出了嵌入零树小波 (EZW) 的方法, 取得了良好的效果。1996年, Said和Pearlman根据EZW的基本思想, 提出了多级树集合分裂算法 (SPIHT) , 它采用了空间方向树更有效地表示小波系数的零树结果, 使编码的复杂度进一步降低且压缩效率更高[5]。
本文同时采用EZW与SPIHT对雷达图像进行压缩, 并通过实验比较了EZW与SPIHT的性能, 结果显示了在同样的压缩率下SPIHT具有更高的峰值信噪比。
1小波介绍
1.1小波的发展
如图1所示, 信号处理中最常用的方法是傅里叶变换, 它能够得到信号的频谱图。然而, 傅里叶变换的基准信号是一个时域无限长的e-jω信号, 对应在频域是一个δ脉冲。因此傅里叶变换仅有频域分辨率, 缺乏时域分辨率。
为了改善信号分析的时域分辨率, 一般通过短时傅里叶变换 (STFT) 技术, 也称加窗傅里叶变换。这种情况可以认为是时域分辨率与频域分辨率的折中。STFT能够同时提供时域与频域信息, 但是, 信息的精度与窗口大小有关。一旦窗口大小设置好, 则无法再次改变。
小波变换 (WT) 可以认为是一种可变长度的加窗技术, 它能够提供任意精度的时域与频域信息, 被称作“数学放大镜”[6]。
1.2 二维小波变换
图2给出了二维小波变换的示意图, 这里给定一幅图像, 对其进行小波分解, 得到4幅子图{cA1, cH1, cV1, cD1}, 分别对应图像的近似子图、横向细节、纵向细节与对角细节。cA1作为下一次二维小波变换的图像, 继续分解, 得到{cA2, cH2, cV2, cD2}, 如此反复至所需要的级别。
2 压缩算法
2.1 零树概念
图3显示了一幅图像经过3级小波分解之后形成的子带关系, 可见如果某层有一个元素不重要, 则它的下一级对应的元素 (子孙后代) 也不重要, 称这样的结果是一颗零树。这种零树的概念就是EZW、SPIHT编码算法的基础。
2.2 EZW简介
零树是基于小波系数相关性的一种假设:如果在低分辨率高频子带上的小波系数相对于阈值T是无意义的, 则位于同方向的同空间位置的高分辨率子带上的小波系数相对于T也应该是无意义的。把满足这种假设的系数用树状结构表示出来就是零树。零树矢量对恢复图像质量的贡献很小。若一个零树矢量同时能量满足小于给定的能量阈值, 就可以认为是非重要类, 不再对其进行编码, 将其中每一个分量置为0, 并用一个位标记, 而其他矢量均视作重要的, 标记为1, 进行较大码书尺寸的矢量量化, 以减少量化误差。采用能量阈值和零树矢量的双重标准, 既充分利用了子带相关性, 又有效地保护了图像的重要信息[7]。
2.3 SPIHT简介
SPIHT算法采用空间方向树更有效地表示小波系数的零树结构。首先定义三个序列:不显著系数队列LIP、显著系数队列LSP、不显著集合队列LIS。
编码过程分为排序和细化两个部分。排序过程中空间方向树上的节点分类, 分别将其坐标信息存入LIS、LIP、LSP三个列表中。LIS保存未扫描的树根节点坐标, LIP保存小波系数的绝对值小于当前阈值的坐标, LSP保存小波系数绝对值大于当前阈值的坐标。细化过程是对LSP中的每一个表项c (i, j) 进行的, 对于阈值Ti, 输出
3 实验
实验在主频2 GHz, 内存1 G的IBM P4电脑上实现, 采用的软件平台是Matlab 2009b, 并借助Wavelet工具箱。选取3幅雷达图像[9]示于图4。
对图4所示的雷达图像同时进行EZW与SPIHT编码, 采用不同的迭代次数, 并记录下相应的每像素字节数 (bpp) 与峰值信噪比 (psnr) [10], 绘出对应的曲线如图5所示。可见, SPIHT的bpp与psnr曲线在EZW曲线的左上方, 这表示了相同的压缩率下, SPIHT恢复的图像质量更高;或者相同的恢复图像质量下, SPIHT的压缩率更小。
4 结论
本文比较了EZW与SPIHT两种基于小波的图像压缩方案, 通过对3幅高分辨率雷达图像的不同迭代次数表明, SPIHT整体上优于EZW算法。因此, 未来可以考虑采用SPIHT方法实现雷达图像库的压缩。
参考文献
[1]张煜东, 吴乐南, 王水花, 等.一种基于神经网络的遥感图像压缩编码.南京信息工程大学学报.2009;1 (1) :82—88
[2]姚敏, 赵敏.改进的高效EZW遥感图像压缩方法研究.电子科技大学学报, 2009, 38 (4) :525—528
[3]张煜东, 吴乐南, 吴含前.工程优化问题中神经网络与进化算法的比较.计算机工程与应用.2009;45 (3) :1—6
[4]张煜东, 吴乐南.一种新的空间掩盖效应的拟合公式.中国光学与应用光学.2008;1 (1) :70—74
[5]董鹏曙, 张朝伟, 金加根.高分辨率雷达图像压缩编码算法及实现.系统工程与电子技术.2009;31 (1) :54—56
[6]张煜东, 吴乐南.一种改进的Grover量子搜索算法.信号处理, 2009;25 (2) :256—259
[7]Tohumoglu G, Sezgin KE.ECG signal compression by multi-iteration EZW coding for different wavelets and thresholds.Computers in Biolo-gy and Medicine, 2007;37 (2) :173—182
[8]Jyotheswar J, Mahapatra S.Efficient FPGA implementation of DWT and modified SPIHT for lossless image compression.Journal of Sys-tems Architecture, 2007;53 (7) :369—378
[9]龚淑蕾, 张煜东, 沈士喆, 等.一种极化合成孔径雷达图像分类的混合方法.东南大学学报.2009, 39 (s1) :294—298