【技术实现步骤摘要】
本专利技术属于微波遥感领域，更具体地，涉及一种基于星载多波束微波辐射计的亮温图像数据集生成方法。
技术介绍
1、星载多波束微波辐射计观测是获得大范围遥感数据的有效手段，在环境监测、自然资源管理、气候变化研究以及地质勘探等多个领域都有很重要的应用，其观测亮温图像存在分辨率不高、噪声大的问题。
2、神经网络由于具有极强的自适应学习、处理复杂数据以及加速图像处理的能力，较为适合解决上述问题。为了提升神经网络去除噪声、消除系统误差的效果，需要大量真实的观测亮温数据集来对神经网络模型进行训练，然而，目前基于星载多波束微波辐射计的亮温图像数据集较为缺乏，而模拟亮温图像多为随机生成，亮温图像海陆分布与实际观测亮温图像相差较大，观测噪声不够真实，同时未考虑系统误差（包括天线方向图不一致性、天线串扰和天线互耦等），难以满足神经网络模型训练的需要。因此，如何生成大量符合真实场景的亮温图像数据集，具有重要研究意义。
技术实现思路
1、针对现有技术的缺陷和改进需求，本专利技术提供了一种基于星载多波束微波辐射计的亮温图像数据集生成方法，其目的在于提供充足的、符合真实场景的亮温图像数据集，用于后续神经网络模型训练，减少系统误差和观测噪声给亮温图像带来的影响，从而提升模型处理效果，进而提升亮温图像分辨率。
2、为实现上述目的，按照本专利技术的一个方面，提供了一种基于星载多波束微波辐射计的亮温图像数据集生成方法，包括：s1，仿真获取不同运行轨道位置下，星载多波束微波辐射计可探测到的观测场景
3、更进一步地，所述修正参数为：
4、
5、其中，为转移矩阵，为偏移矩阵，所述修正参数包括和，、分别为点源亮温实验获取的第组亮温图像实验数据、相应的实验仪器仿真观测亮温图像，，为亮温图像实验数据总组数，为单位矩阵，的大小与和的大小一致，表示广义逆矩阵。
6、更进一步地，所述修正仪器观测亮温图像为：
7、
8、其中，为所述修正仪器观测亮温图像，为所述仪器仿真观测亮温图像。
9、更进一步地，所述s1具体包括：根据卫星的运行轨道位置，通过卫星坐标系到经纬度的坐标转换，计算对应的多波束辐射点的经纬度坐标；对于每一波束辐射点，根据其经纬度坐标所处二十面体斯奈德等面积网格中海洋陆地比例，设置其亮温数值；按照各波束辐射点的卫星坐标系坐标，对各波束辐射点的亮温数值进行组合，得到所述观测场景亮温图像。
10、更进一步地，所述亮温数值为：
11、
12、其中，为卫星在运行轨道位置 m处，第 n个波束辐射方向投影的亮温数值；、分别为第 n个波束辐射方向投影的天顶角、方位角；为所处二十面体斯奈德等面积网格中海洋的占比；为海洋恒定亮温；为陆地恒定亮温。
13、更进一步地，所述s2具体包括：利用插值函数对实测天线方向图数据进行插值，得到所述天线方向图插值函数；选取所述天线方向图插值函数正中心的9个值组成所述方向图卷积函数；对所述观测场景亮温图像和所述方向图卷积函数进行图像卷积处理，得到所述方向图加权亮温图像。
14、更进一步地，所述s3具体包括：生成尺寸与所述方向图加权亮温图像尺寸相同的随机高斯噪声，获取模糊半径与所述方向图加权亮温图像分辨率大小一致的高斯滤波器；利用所述高斯滤波器对所述随机高斯噪声进行滤波，生成所述随机观测噪声；将所述方向图加权亮温图像与所述随机观测噪声叠加，得到所述仪器仿真观测亮温图像。
15、更进一步地，所述随机高斯噪声、所述高斯滤波器和所述随机观测噪声分别为：
16、
17、
18、
19、其中，为所述随机高斯噪声，为噪声强度，为产生随机数的函数， h、 w分别为所述方向图加权亮温图像的宽、高，为所述高斯滤波器，为滤波器生成函数，用于表征为高斯类型；为模糊半径，大小与所述方向图加权亮温图像分辨率大小一致；为所述随机观测噪声，为图像滤波函数，表示图像大小通过复制外边界的值来扩展。
20、按照本专利技术的另一个方面，提供了一种基于星载多波束微波辐射计的亮温图像数据集生成系统，包括：处理器；存储器，其存储有计算机可执行程序，所述程序在被所述处理器执行时，使得所述处理器执行如上所述的基于星载多波束微波辐射计的亮温图像数据集生成方法。
21、总体而言，通过本专利技术所构思的以上技术方案，能够取得以下有益效果：
22、提供一种基于星载多波束微波辐射计的亮温图像数据集生成方法，利用海陆掩码和isea网格进行海陆划分，生成模拟的观测场景亮温图像，将多天线方向图信息和随机观测噪声添加到观测场景亮温图像，提高亮温图像的真实性。
23、为了进一步提高亮温图像的真实性和可靠性，进行点源亮温实验，通过实验数据与仿真数据计算得到修正参数，并用修正参数对仿真观测亮温图像进行修正，减少阵列天线间的串扰、阵列天线间的互耦等系统误差对图像的影响，使其更加贴近真实亮温观测图像。
24、生成的亮温图像数据集可以解决当前海陆观测亮温图像数据集缺少的问题，为后续神经网络模型的训练提供充足的、更真实的训练数据，提高神经网络模型训练精度，从而提升神经网络模型的处理效果。
本文档来自技高网...【技术保护点】
1.一种基于星载多波束微波辐射计的亮温图像数据集生成方法，其特征在于，包括：
2.如权利要求1所述的基于星载多波束微波辐射计的亮温图像数据集生成方法，其特征在于，所述修正参数为：
3.如权利要求2所述的基于星载多波束微波辐射计的亮温图像数据集生成方法，其特征在于，所述修正仪器观测亮温图像为：
4.如权利要求1所述的基于星载多波束微波辐射计的亮温图像数据集生成方法，其特征在于，所述S1具体包括：
5.如权利要求4所述的基于星载多波束微波辐射计的亮温图像数据集生成方法，其特征在于，所述亮温数值为：
6.如权利要求1所述的基于星载多波束微波辐射计的亮温图像数据集生成方法，其特征在于，所述S2具体包括：
7.如权利要求1-6任一项所述的基于星载多波束微波辐射计的亮温图像数据集生成方法，其特征在于，所述S3具体包括：
8.如权利要求7所述的基于星载多波束微波辐射计的亮温图像数据集生成方法，其特征在于，所述随机高斯噪声、所述高斯滤波器和所述随机观测噪声分别为：
9.一种基于星载多波束微波辐射计的亮
...【技术特征摘要】
1.一种基于星载多波束微波辐射计的亮温图像数据集生成方法，其特征在于，包括：
2.如权利要求1所述的基于星载多波束微波辐射计的亮温图像数据集生成方法，其特征在于，所述修正参数为：
3.如权利要求2所述的基于星载多波束微波辐射计的亮温图像数据集生成方法，其特征在于，所述修正仪器观测亮温图像为：
4.如权利要求1所述的基于星载多波束微波辐射计的亮温图像数据集生成方法，其特征在于，所述s1具体包括：
5.如权利要求4所述的基于星载多波束微波辐射计的亮温图像数据集生成方法，...
【专利技术属性】
技术研发人员：靳榕，梁爽，李一楠，窦昊锋，杨小娇，刘淑波，
申请(专利权)人：华中科技大学，
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。