海洋作为蓝色国土，是我们赖以生存和发展的空间。海洋中的舰船监测关系到海洋主权与权益维护，海冰、内波、海浪等则对海上航运、海上作业、海洋工程存在严重威胁，海上溢油会造成巨大经济损失与环境污染，为了能更好地利用和保护海洋，需要对海洋中的目标和环境动力要素进行可靠有效的监测。合成孔径雷达(Synthetic Aperture Radar, SAR)由于其全天时全天候的工作能力而成为了海洋监测的主要手段，星载SAR发射成功后的30多年间，已经在海洋领域得到了广泛的应用。
极化合成孔径雷达(PolSAR)是雷达理论和技术发展的新技术，美国JPL实验室在1985研制出第1部机载极化SAR系统，开创了极化成像雷达研究的新纪元。随着极化SAR理论和技术的同步发展，国外相继发射了Radarsat-2, TerraSAR-X, Cosmo-SkyMed, ALOS-2等搭载了极化SAR系统的卫星，这些SAR卫星在对地观测中发挥了重要作用[1,2,3,4,5]。
近几年，我国的极化SAR理论与应用研究在多个科研项目的支持下取得了较大进展。自主的高分辨率极化SAR卫星也已发射，即将建成高分辨率SAR对地观测系统。未来极化数据的获取将更加便捷，极化SAR也将在目标检测、类型识别、参数估计、定量反演中发挥更加重要的作用。
本文首先概述了极化SAR的基本理论，然后主要以张杰团队在海冰、舰船、溢油、海浪、内波、风场、海底地形的极化SAR监测工作为例，论述了极化SAR在海洋监测中的重要作用和发展潜力，最后，对极化SAR未来的发展方向做了展望，以期得到进一步开展极化SAR海洋监测研究的启示。
2 极化SAR基本理论雷达通过发射电磁波和接收散射回波来获取目标信息。电磁波在与其传播方向垂直平面上的分量的时空变化轨迹称为极化。极化SAR系统中，为了能够定量计算和分析地物的电磁散射特性，常用一个复矩阵(称之为极化散射矩阵，Sinclair矩阵)，来描述地物的电磁散射过程[6]，利用散射矩阵可以进一步推导出分布式目标的相干矩阵和协方差矩阵来描述目标或环境的电磁散射特性[7]。
一般而言，极化SAR系统包含双极化和全极化两种模式。双极化系统发射水平或垂直方向的电磁波，同时接收水平和垂直方向的电磁波，能获取HH/HV或VV/VH两个通道的数据；全极化系统发射水平和垂直方向的电磁波，同时接收水平和垂直方向的电磁波，能获取HH, HV, VV, VH 4通道的数据。
简缩极化SAR系统是双极化SAR与全极化SAR系统的折中，与全极化SAR系统相比，系统设计复杂度低，成像范围大，与双极化SAR系统相比，简缩极化SAR系统发射和接收信号组合更丰富[8]。简缩极化SAR系统只发射一个方向的电磁波，接收两个方向的回波信号，有3种常用的简缩极化模式。p/4模式[9]：系统发射45°方向的线极化波，接收水平和垂直回波信号；双圆极化(Dual Circular Polarization, DCP)模式[10]：系统发射圆极化波，同时接收左圆和右圆极化波。混合(Circular-Transmit-and-Linear-Receive, CTLR)模式[11, 12]，系统发射圆极化波，接收一组水平和垂直回波信号。简缩极化的最大优势能够重构大幅宽的全极化数据，更适于大范围的海洋监测。
无论是双极化、全极化、还是简缩极化SAR，都可以获得多通道数据，相比于单极化SAR单一的灰度图像，极化SAR通过通道组合得到伪彩色图像，在海洋监视的目标解译中更具有优势。
极化信息与目标尺度、形状、结构、取向和材料等目标属性存在着本质的内在联系。利用极化数据提供的散射矩阵和相干矩阵和协方差矩阵，可进一步提取SAR图像中地物目标的散射特征[13,14,15]，如熵、alpha角、各向异性度等。对于舰船、海冰、海上平台等海洋目标监测来说，极化SAR丰富的散射信息和极化特征有助于海上目标的几何细节刻画和散射特性分析，从而实现目标的检测、分类和识别。
对于海洋动力环境要素，极化SAR对不同海况条件下的不同尺度的海浪、海流、海面风场的敏感程度不同，且只用单极化SAR进行海浪、海流、海面风场等海洋动力环境要素的反演时，一般都会存在180°的方向模糊，如果缺少现场数据，则无法确定其真实传播方向。极化SAR不仅能够利用影像的幅度信息，其通道间的相对相位信息有助于消除方向上的模糊。
因此，极化信息的使用增加了SAR信息的维度，更有利于目标的有效识别和动力要素的准确提取。
3 极化SAR海上目标监测应用 3.1 舰船监测在单极化SAR船只目标检测研究中，Rey[16]最早提出利用K分布海杂波模型结合恒虚警率(Constant False Alarm Rate, CFAR)的检测方法。后来，Novak[17]发展了利用高斯模型的双参数CFAR的方法。随着SAR图像分辨率不断提高，舰船由低分辨率SAR图像中的点目标扩展为面目标，而且高分辨率SAR中海杂波的分布也表现出了新的特性。Xing[18]提出了基于α稳态分布与EXS-C-CFAR算法相结合的方法，该方法能够有效地减少漏检，且很好地保留了舰船轮廓信息。背景窗中可能存在船只会干扰海杂波的统计；Tao等人提出了基于截断统计的方法解决背景窗口中可能存在的船只对海杂波统计的影响[19]。
与单极化SAR相比，极化SAR提供了丰富的散射信息，雷达发射的电磁波与船只目标的相互作用以二次散射为主，而与海面的相互作用以Bragg散射为主，根据船只与海洋极化散射特性的异同就可以实现目标检测。Sugimoto等人结合Yamaguchi分解理论和CFAR方法达到了船只检测的目的[20]，R. Touzi利用RS-2全极化数据证明极化度极差可以检测出HV极化下难以用肉眼观察到的小目标[21]，Wei等人将船只的SAPN值作为迭代准则，利用Wishart距离分类器进行了船海分割[22]。张杰团队开展了全极化与双极化SAR船只监测的工作，对于全极化SAR，根据
|
图 1 UAVSAR, 2010-06-23. Re |
|
图 2 船只目标极化SAR探测 Fig.2 Ship detection by PolSAR data |
近年来，随着SAR高分辨率的提高，利用SAR进行舰船类型识别成为可能，目前的研究主要集中在分类特征和分类器的构造上。较多的特征是从图像角度出发选取的纹理特征、几何特征等，随着极化SAR的应用，与目标自身本质特性相关的极化特征也被发掘使用。Touzi、张晰等人根据舰船散射体的分布区分舰船类型[25, 26]。张杰团队使用Ji[27]的舰船数据库，选取了货船、集装箱、油轮3种类型目标的21项目标特征，使用5种常用的分类器进行了最优分类组合实验，发展的优胜团队选取方法对3种类型船只的分类精度达到了90%以上[28]，该结果在目前船只分类文献中精度最高。
3.2 海冰监测海冰类型是海冰监测的重要参数，是海冰冰情评估及预报的重要指标。早期，针对单极化SAR数据，主要是Clausi和Yu利用纹理特征进行了海冰分类[29,30,31]，Yu进一步加入了形状特征识别海冰类型[32]。但单极化SAR的海冰分类精度不高，如在初生冰和开阔水域分类中常出现误判。多极化海冰SAR数据能提取更多极化特征，张杰团队通过分析利用RADARSAT-2全极化数据提取的海冰极化相关系数、圆极化系数、散射熵和Alpha角等极化特征，不仅可以区分海水和初生冰，而且能够区分出灰冰、灰白冰，固定冰，发展了基于二叉树思想的高分辨率全极化SAR海冰分类算法，并利用上述极化特征进行了海冰分类(见图 3)，海水的识别精度达到99.67%；固定冰达到95.24%；灰白冰和灰冰分别为82.29%和73.17%，识别率最差的是初生冰精度为59.38%；总精度为86.67%的准确率[33, 34]。
|
图 3 极化SAR海冰分类 Fig.3 Sea ice classification by PolSAR |
SAR溢油检测主要包括海水与油膜的区分。单极化SAR提供的目标特征较少，Keramitsoglou[35]、Frate[36]、苏腾飞[37]等人开展了基于模糊方法、神经网络方法的单极化SAR溢油监测方法来区分油水。但除油膜外，生物膜及低风区、雨团、船尾迹、上升流等一些海洋现象也在SAR影像上表现为暗区域(低后向散射强度)，使得单极化SAR溢油检测误识别率较高。
多极化SAR可以同时获得目标散射的能量信息、相位信息及极化信息，在SAR在溢油检测、识别方面有着显著优势。近年来，相关学者利用多极化SAR所特有的极化信息寻找区分油膜和类油膜的有效特征，提出了若干溢油SAR监测极化参数，如：F参数[38]、一致性参数[39]可以区分油膜和海水，同极化相位差的标准差[40, 41]、散射熵H的概率密度函数[42, 43]、CT参数[44]、极化度[45]等其他极化参数[46]不仅能区分油膜和海水，还可以区分油膜与类油膜。张杰团队通过分析Radarsat-2数据中海水与油膜的极化特征分析，引入了单次反射特征值相对差异度(Single bounce Eigenvalue Relative Difference, SERD)特征可以有效地区分溢油和海水，并且在原油和生物油膜的区分方面也有优势，可用于溢油检测[47](见图 4)。
|
图 4 SAR溢油检测 Fig.4 Oil spill detection by SAR data |
SAR是目前唯一可以提供海浪方向谱的星载微波遥感器，可以计算得到有效波高、平均波周期、主波波长、主波波向等海浪参数。Hasselmann等采用双尺度海面模型，建立了海浪谱到图像谱的变换关系[48]。以此关系为基础，发展了系列的SAR海浪反演算法，有代表性的是MPI算法[28]、交叉谱算法、PARSA算法。其中，Engen[49]发展的基于交叉谱的海浪信息提取算法解决了海浪传播方向上的180°模糊问题，但存在较大误差。Schulz[50]结合MPI和交叉谱方法提出了PARSA算法，解决了180°模糊的问题，又具有比交叉谱方法更好的精度。
极化SAR海浪信息提取方面，Schuler[51,52,53]等首先给出了利用极化方向角和H-Alpha分解提取海浪斜率谱的算法，该方法可以直接测量海浪谱，不需要复杂的调制传递函数，在中低海况下精度较高。何宜军等人通过对线性极化方向调制传递函数和倾斜调制传递函数的数值仿真，检验了雷达和海浪参数对线性极化SAR图像谱的影响，提出了一种消除180°方向模糊的方法[54]。之后，他们又提出了一种使用C波段全极化SAR数据测量海浪波斜谱的新方法[55]。张杰团队利用AIRSAR数据，用文献[54]方法反演了海浪谱(图 5)，通过与实测浮标数据比对，取得了较好的反演结果(见表 1)。
|
图 5 极化SAR海浪探测 Fig.5 Sea wave detection by PolSAR data |
|
表 1 SAR反演海浪参数值与对应的浮标测量值对比 Tab.1 Inversion results of wave parameters and the corresponding buoy measurements |
SAR具有观测海面风场的能力。对于单极化SAR，目前常用C波段VV极化数据的地球物理模型函数为CMOD系列模型，主要包括CMOD4, CMOD-IFR2, CMOD5以及CMOD5.N模型算法。SAR图像为单一视向，无法利用CMOD模型算法同时反演风速和风向。因此，传统C波段VV极化SAR反演海面风场时一般先利用2维FFT变换法、小波分析法、梯度法等方法从SAR图像风条纹信息中估计出风向，再利用CMOD模型反演风速[56, 57]。利用HH极化SAR图像进行风场信息反演时，需要先利用Thompson、Elfouhaily、AD模型、Kirchoff等极化比模型[58,59,60]，将HH极化转换到VV极化，再利用VV极化的风场反演方法进行计算。此外，Ren等人在CMOD基础上发展了针对于X波段的XMOD模型函数[61]。
极化SAR海面风场反演中，目前主要的方法是利用交叉极化SAR反演海面风速，该方法通过建立风速与交叉极化后向散射系数之间的经验关系实现。由于交叉极化信号小，低风速信息容易湮没在噪声之中，导致风速无法反演。随着C波段RADARSAT-2卫星的业务化运行，其多极化(尤其是全极化) SAR数据的高信噪比使得利用多极化SAR数据反演海面风场成为可能。张彪等人基于C波段RADARSAT-2全极化SAR提出了一个同时依赖于入射角和风速(记为SAD模型)的分析极化比模型，结合CMOD5.N模型反演风速，结果表明SAD模型精度较高[62]。
4.3 内波监测SAR能够监测内波的振幅、传播速度、传播方向。SAR内波的监测工作主要集中在两方面。第一是内波的时空分布特征：其中，孟俊敏分析了南海北部和台湾东北部的内波分布特征[63]；Zheng等人分析了南海内波的时空分布特征[64]；Li利用MITgcm模式模拟了南海西北部内波的生成与传播，此处内波多是由海底山脊与海潮相作用形成[65]；Zhang使用SUNTANS模型，对中国南海内波进行了数值模拟，该模型能够准确地预测内波的到达时间[66]。第二是内波SAR参数反演：如，Small等利用多时相SAR提取了内波的振幅[67]。Li等人利用单景SAR影像提取了内波上混合层厚度[68]，种劲松利用时间序列SAR影像提取了内波的波长、传播速度、传播方向、极性等参数[69, 70]，Cai等人分析了南海内波的频散系数和非线性系数等[71]。
在极化SAR内波监测应用中，Schuler利用极化SAR研究了内波对极化方向角产生的影响，并提出了方向角扰动与潜在内波流强度的经验关系[32]。张杰团队利用ALOS PALSAR全极化SAR数据，提取并分析了SAR海洋内波的后向散射系数、极化比、极化特征值等11种极化特征在内波检测中的性能，指出极化熵和极化角可以有效地识别内波[72](见图 6)，该工作将有助于后续极化SAR内波监测的开展。
|
图 6 内波极化SAR图像及其极化特征 Fig.6 Internal-wave SAR image and its polarimetric features |
SAR不能直接观测到海底地形，SAR测量的是海面的后向散射，海底地形之所以被SAR观测到是由于水下地形间接地改变了海面的后向散射。
Shuchman等人采用了不同的含有松驰率项的源函数，利用射线追踪的方法对作用量平衡方程进行了求解[73]。之后，出现了大量的改进成像模型，如BRM模型[74]和Inglada[75]模型等。袁业立从理论上导出了海面微尺度波高频谱的表达式，为定量的SAR影像仿真与地形反演奠定了理论基础[76]，后有学者陆续在其基础上建立了水下地形仿真和反演模型[77]，研究并分析了不同地形条件下，浅海水下地形的雷达后向散射截面[78]，利用ERS-1和Radarsat SAR影像对南沙群岛双子礁开展了水下地形SAR监测研究[79]。
基于单极化SAR的水下地形监测没有考虑极化方式对雷达成像的影响。事实上，水下地形SAR成像与SAR的极化方式具有密切关系，张杰团队利用Radarsat-2全极化SAR数据(见图 7)，在进行极化白化滤波后，对台湾浅滩区域开展水下地形监测研究，反演结果总体平均绝对误差为2.56 m，而VV\HH\VH的平均误差分别为2.63 m, 2.65 m, 3.19 m (见图 8)，可见全极化的监测精度高于单极化SAR的监测精度[80]。
|
图 7 Radarsat-2全极化SAR影像，2009-01-06 Fig.7 Radarsat-2 PolSAR images, 2009-01-06 |
|
图 8 全极化SAR水下地形监测结果 Fig.8 The results of underwater topography detection by PolSAR data |
本文对舰船、海冰、溢油、海浪、内波、水下地形等海洋要素的极化SAR监测现状进行了论述，从中可以看出极化SAR已在海洋监测中发挥了重要的作用。随着极化SAR分辨率的提高，极化新技术的发展，SAR海洋监测仍有许多重要的工作仍需进一步开展。对于海洋监测业务，需要从工程和算法的角度发展高效智能的SAR图像目标解译和认知算法。
近年来，国内外学者相继提出了干涉极化、紧缩极化SAR等多种极化SAR体制。紧缩极化具备双极化SAR和全极化SAR的优点，在大范围的海洋环境监测中有广泛的应用前景。交轨干涉极化SAR在舰船、海冰、海岛、海上构造物等海洋目标的几何结构精细化提取和3维重构中有很大的应用潜力。顺轨干涉极化SAR在海上目标和海流速度提取[81]方面能发挥重要作用。新体制极化SAR系统设计复杂，定标难度大，也是未来一个重要的研究方向。
对于舰船检测，需要建立适用于高分辨率极化SAR图像的海杂波模型，提高目标检测的准确率。对于舰船类型识别，现有的研究主要针对货船、油轮、集装箱3种目标，需要扩大识别的范围，同时，需考虑利用极化散射特征提取船只的上层结构甚至3维特征，提高类型识别的精度。
对于海冰监测，利用极化散射信息可提高分类的精细化程度和海冰分类精度，极化SAR信息的引入可以进一步定量提取海冰厚度及冰上雪厚。
对于海面溢油监测，利用极化SAR数据，一方面，有助于解决从低风区、内波、雨团、船尾迹、上升流、油脂冰等伪信息中准确地提取溢油区域的技术难题，另一方面，有可能实现油膜厚度的提取。
SAR是获取海面风场、海浪等海洋动力环境要素的主要手段之一，实现复杂和极端海况条件下海洋动力环境要素的准确提取将推动SAR在海洋监测应用中的广泛应用。极化SAR的出现有助于解决诸如海浪探测中180°向模糊、高海况条件下的风场探测等问题，借鉴相关的思路和方法可以开展内波、中尺度涡等海洋动力过程的高精度探测。
随着科学技术的不断发展，MIMO、干涉星座、DBF宽测绘带成像等新体制雷达应运而生[82]，必将在海上目标和海洋动力环境监测中发挥重要的作用，为我国海洋环境安全和海上权益维护提供技术支撑与保障。
| [1] |
Boerner W-M.Introduction to radar polarimetry with assessments of the historical development and of the current state of the art[C].Proceedings:International Workshop on Radar Polarimetry, JIPR-90, 20-22, Nantes, France, March 1990.
( 0)
|
| [2] |
Boerner W-M. Recent advances in extra-wide-band polarimetry, interferometry and polarimetric interferometry in synthetic aperture remote sensing and its applications[J].
IEE Proceedings-Radar, Sonar and Navigation , 2003, 150 (3) : 113-124 DOI:10.1049/ip-rsn:20030566 (0)
|
| [3] |
Ulaby F T, Elachi C. Radar polarimetry for geoscience applications[J].
Geocarto International , 1990, 5 (3) : 38 (0)
|
| [4] |
王雪松. 雷达极化技术研究现状与展望[J].
雷达学报 , 2016, 5 (2) : 119-131 Wang X S. Status and prospects of radar polarimetry techniques[J].
Journal of Radars , 2016, 5 (2) : 119-131 (0)
|
| [5] |
Lee J S and Pottier E.Polarimetric Radar Imaging[M].CRC Press, 2015.
(0)
|
| [6] |
Kostinski A, Boerner W M. On foundations of radar polarimetry[J].
IEEE Transactions on Antennas and Propagation , 1986, 34 (12) : 1395-1404 DOI:10.1109/TAP.1986.1143771 (0)
|
| [7] |
Cloude S R. Group theory and polarization algebra[J].
Optik , 1986, 75 (1) : 26-36 (0)
|
| [8] |
张红, 谢镭, 王超, 等. 简缩极化SAR数据信息提取与应用[J].
中国图象图形学报 , 2013, 18 (9) : 1065-1073 Zhang H, Xie L, Wang C, et al. Information extraction and application of compact polarimetric SAR data[J].
Chinese Journal of Image and Graphics , 2013, 18 (9) : 1065-1073 (0)
|
| [9] |
Souyris J C, lmbo P, Fjortofi R, et al. Compact polarimetry based on symmetry properties of geophysical media:The mode[J].
IEEE Transactions on Geoscience and Remote Sensing , 2005, 43 (3) : 634-646 DOI:10.1109/TGRS.2004.842486 (0)
|
| [10] |
Slaw N and Preiss M.Compact polarimetric analysis of X-band SAR data[C].6th European Conference on Synthetic Aperture Radar, 2006:1-4.
(0)
|
| [11] |
Raney R K. Dual-polarized SAR and stokes parameters[J].
IEEE Geoscience and Remote Sensing Letters , 2006, 3 (3) : 317-319 DOI:10.1109/LGRS.2006.871746 (0)
|
| [12] |
Raney R K. Hybrid-polarity SAR architecture[J].
IEEE Transactions on Geoscience and Remote Sensing , 2007, 45 (11) : 3397-3404 DOI:10.1109/TGRS.2007.895883 (0)
|
| [13] |
Cloude S R, Pottier E. An entropy based classification scheme for land applications of polarimetric SAR[J].
IEEE Transactions on Geosciences and Remote Sensing , 1997, 35 (1) : 68-78 DOI:10.1109/36.551935 (0)
|
| [14] |
Freeman A, Durden S L. A three-component scattering model for polarimetric SAR data[J].
IEEE Transactions on Geoscience and Remote Sensing , 1998, 36 (3) : 963-973 DOI:10.1109/36.673687 (0)
|
| [15] |
Cameron W L and Leung L K.Feature motivated polarization scattering matrix decomposition[C].IEEE International Conference on Radar, 1990:549-557.
(0)
|
| [16] |
Rey M T, Campbell J, and Petrovic D.A comparison of ocean clutter distribution estimators for CFAR-based ship detection in RADARSAT imagery[R].Defence Research Establishment, Report No.1340, 1998.
(0)
|
| [17] |
Novak L M, Burl M C, Irving W W. Optimal polarimetric processing for enhanced target detection[J].
IEEE Transactions on Aerospace and Electronic Systems , 1993, 29 (1) : 234-244 DOI:10.1109/7.249129 (0)
|
| [18] |
Xing X W, Ji K F, Zou H, et al..High resolution SAR imagery ship detection based on EXS-C-CFAR in Alpha-stable clutters[C].IGRASS, 2011:316-319.
(0)
|
| [19] |
Tao D, Anfinsen S N, Brekke C. Robust cfar detector based on truncated statistics in multiple-target situations[J].
IEEE Transactions on Geoscience and Remote Sensing , 2016, 54 (1) : 117-134 DOI:10.1109/TGRS.2015.2451311 (0)
|
| [20] |
Sugimoto M, Ouchi K, Nakamura Y. On the novel use of model-based decomposition in SAR polarimetry for target detection on the sea[J].
Remote Sensing Letters , 2013, 4 (9) : 843-852 DOI:10.1080/2150704X.2013.804220 (0)
|
| [21] |
Touzi R, Hurley J, and Vachon P.Ship detection using polarimetric Radarsat-2[C].Asia-Pacific Conference on Synthetic Aperture Radar (APSAR), 2013:104-107.
(0)
|
| [22] |
Wei J, Li P, Yang J, et al. A new automatic ship detection method using L-band polarimetric SAR imagery[J].
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing , 2014, 7 (4) : 1383-1393 DOI:10.1109/JSTARS.2013.2269996 (0)
|
| [23] |
Zhang X, Zhang J, Meng J M, et al..A novel polarimetric SAR ship detection filter[C].International Radar Conference, 2013:1-5.
(0)
|
| [24] |
龙梦启, 杨学志, 孟俊敏, 等. 利用香农熵的双极化合成孔径雷达船只检测[J].
遥感信息 , 2015, 30 (5) : 14-19 Long M Q, Yang X Z, Meng J M, et al. Dual polarimetric SAR data for ship detection based on Shannon entropy[J].
Remote Sensing Information , 2015, 30 (5) : 14-19 (0)
|
| [25] |
Touzi R and Charbonneau F.The SSCM for ship characterization using polarimetric SAR[C].IGARSS 2003, 2003:194-196.
(0)
|
| [26] |
张晰, 张杰, 纪永刚, 等. 基于结构特征的SAR船只类型识别能力分析[J].
海洋学报(中文版) , 2010, 32 (1) : 146-152 Zhang X, Zhang J, Ji Y G, et al. The capability analysis of ship classificationby structure feature using SAR images[J].
Acta Oceanologica Sinica (Chinese) , 2010, 32 (1) : 146-152 (0)
|
| [27] |
Xing X, Ji K, Zou H, et al. Ship classification in TerraSAR-X images with feature space based sparse representation[J].
IEEE Geoscience and Remote Sensing Letters , 2013, 10 (6) : 1562-1566 DOI:10.1109/LGRS.2013.2262073 (0)
|
| [28] |
Lang H, Zhang J, Zhang X, et al. Ship classification in SAR image by joint feature and classifier selection[J].
IEEE Geoscience and Remote Sensing Letters , 2016, 13 (2) : 212-216 DOI:10.1109/LGRS.2015.2506570 (0)
|
| [29] |
Clausi D A, Yue B. Comparing co-occurrence probabilities and Markov random fields for texture analysis of SAR sea ice imagery[J].
IEEE Transactions on Geosciences and Remote Sensing , 2004, 42 (1) : 215-228 DOI:10.1109/TGRS.2003.817218 (0)
|
| [30] |
Yu Q, Clausi D A. Filament preserving segmentation for SAR sea ice imagery using a new statistical model[J].
IEEE Transactions on Geosciences and Remote Sensing , 2006, 44 (12) : 3678-3684 (0)
|
| [31] |
Palenichka R, Hirose T, and Lakhssassi A.Sea ice segmentation of SAR imagery using multi-temporal and multi-scale feature extraction[C].20112nd International Conference on Space Technology, 2011:1-4.
(0)
|
| [32] |
Yu Q, Clausi D A. IRGS:MRF based image segmentation using edge penalties and region growing[J].
IEEE Transactions on Pattern Analysis and Machine Intelligence , 2008, 30 (12) : 2126-2139 DOI:10.1109/TPAMI.2008.15 (0)
|
| [33] |
张晰.极化SAR渤海海冰厚度探测研究[D].[博士论文], 中国海洋大学, 2011.
Zhang X.Research on sea ice thickness detection by polarimetric SAR in bohai sea[D].[Ph.D.dissertation], Ocean University of China, 2011.
http://cdmd.cnki.com.cn/Article/CDMD-10423-1011231327.htm (0)
|
| [34] |
刘眉洁, 戴永寿, 张杰, 等. 高分辨率全极化合成孔径雷达数据海冰二次分类方法研究[J].
海洋学报(中文版) , 2013, 35 (4) : 80-87 Liu M J, Dai Y S, Zhang J, et al. The research on the object-based method of sea ice classification of high-resolution quad-polarization SAR data[J].
Acta Oceanologica Sinica (Chinese) , 2013, 35 (4) : 80-87 (0)
|
| [35] |
Keramitsoglou I, Cartalis C, Kiranoudis C. Automatic idetification of oil spills on satellite images[J].
Environmental Modelling and Software , 2006, 21 (5) : 640-652 DOI:10.1016/j.envsoft.2004.11.010 (0)
|
| [36] |
Frate F, Petrocchi A. Neural networks for oil spill detection using ERS-SAR data[J].
IEEE Transactions on Geosciences and Remote Sensing , 2000, 38 (5) : 2282-2287 DOI:10.1109/36.868885 (0)
|
| [37] |
苏腾飞.面向对象的SAR溢油检测算法与系统构建[D].[硕士论文], 国家海洋局第一海洋研究所, 2013.
Su T F.Object-oriented SAR oil spill detection algorithm and system implementation[D].[Master dissertation], The First Institute of Cceanography, SOA, 2013.
http://cdmd.cnki.com.cn/Article/CDMD-85301-1014149906.htm (0)
|
| [38] |
Liu P, Li X, Qu J, et al. Oil spill detection with fully polarimetric UAVSAR data[J].
Marine Pollution Bulletin , 2011, 62 (12) : 2611-2618 DOI:10.1016/j.marpolbul.2011.09.036 (0)
|
| [39] |
Zhang B, Perrie W, Li X, et al. Mapping sea surface oil slicks using RADARSAT-2 quad-polarization SAR image[J].
Geophysical Research Letters , 2011, 38 (10) : 415-421 (0)
|
| [40] |
Migliaccio M, Nunziata F. On the co-polarized phase difference for oil spills observe[J].
International Journal of Remote Sensing , 2009, 30 (6) : 1587-1602 DOI:10.1080/01431160802520741 (0)
|
| [41] |
Velotto D, Nunziata F. Dual-polarized TerraSAR-X data for oil-spill observation[J].
IEEE Transactions on Geoscience and Remote Sensing , 2011, 49 (12) : 4751-4762 DOI:10.1109/TGRS.2011.2162960 (0)
|
| [42] |
Migliaccio M, Gambardella A, and Massimo T.Oil spill observation by means of polarimetric SAR data[C].Proceedings of SEASAR 2006, ESA SP-613, 2006:1-6.
(0)
|
| [43] |
Migliaccio M and Tranfaglia M.A study on the capability of SAR polarimetry to observe oil spills[C].Proceedings of the 2nd International Workshop POLINSAR 2005, ESA SP-586, 2005:1-6.
(0)
|
| [44] |
Duan B and Chong J S.Based on the covariance and coherency matrix for SAR sea oil spill observation[C].Proceedings of 2011 IEEE CIE International Conference on Radar, Chengdu, China, 2011, 2:1291-1294.
(0)
|
| [45] |
Nunziata F, Gambardella A, Migliaccio M. On the degree of polarization for SAR sea oil slick observation[J].
ISPRS Journal of Photogrammetry and Remote Sensing , 2013, 78 : 41-49 DOI:10.1016/j.isprsjprs.2012.12.007 (0)
|
| [46] |
Skrunes S, Brekke C, Eltoft T. Characterization of marine surface slicks by Radarsat-2 multipolarization feature[J].
IEEE Transactions on Geoscience and Remote Sensing , 2014, 52 (9) : 5302-5319 DOI:10.1109/TGRS.2013.2287916 (0)
|
| [47] |
郑洪磊.基于极化特征的SAR溢油检测研究[D].[硕士论文], 中国海洋大学, 2015.
Zheng H L.Oil spill detection based on polarimetric features[D].[Master dissertation], Ocean University of China, 2015.
http://cdmd.cnki.com.cn/Article/CDMD-10423-1015714748.htm (0)
|
| [48] |
Hasselmann K, Hasselmann S. On the nonlinear mapping of an ocean wave spectrum into a synthetic aperture radar image spectrum and its inversion[J].
Journal of Geophysical Research:Oceans , 1991, 96 (C6) : 10713-10729 DOI:10.1029/91JC00302 (0)
|
| [49] |
Engen G, Johnsen H. SAR-ocean wave inversion using image cross spectra[J].
IEEE Transactions on Geoscience and Remote Sensing , 1995, 33 (4) : 1047-1056 DOI:10.1109/36.406690 (0)
|
| [50] |
Schulz-Stellenfleth J, Lehner S, Hoja D. A parametric scheme for the retrieval of two-dimensional ocean wave spectra from synthetic aperture radar look cross spectra[J].
Journal of Geophysical Research:Oceans , 2005, 110 : C05004 (0)
|
| [51] |
Schuler D, Lee J, Kasilingam D, et al. Measurement of ocean surface slopes and wave spectra using polarimetric SAR image data[J].
Environment Remote Sensing , 2004, 91 (2) : 198-211 DOI:10.1016/j.rse.2004.03.008 (0)
|
| [52] |
Schuler D L, Jansen R W, Lee J S, et al. Polarisation orientation angle measurements of ocean internal waves and current fronts using polarimetric SAR radar[J].
IEE Proceedings-Radar, Sonar and Navigation , 2003, 150 (3) : 135-143 DOI:10.1049/ip-rsn:20030492 (0)
|
| [53] |
Schuler D L, Lee J S, Kasilingam D, et al. Measurement of ocean surface slopes and wave spectra using polarimetric SAR image data[J].
Remote Sensing of Environment , 2004, 91 (2) : 198-211 DOI:10.1016/j.rse.2004.03.008 (0)
|
| [54] |
He Y J, Shen H, Perrie W. Remote sensing of ocean waves by polarimetric SAR[J].
Journal of Atmospheric and Oceanic Technology , 2006, 23 (12) : 1768-1773 DOI:10.1175/JTECH1948.1 (0)
|
| [55] |
He Y J, Perrie W, Xie T, et al. Ocean wave spectra from a linear polarimetric SAR[J].
.IEEE Transactions on Geosciences and Remote Sensing , 2004, 42 (11) : 2623-2631 DOI:10.1109/TGRS.2004.836813 (0)
|
| [56] |
Gerling T W. Structure of the surface wind field from the Seasat SAR[J].
Journal of Geophysical Research , 1986, 91 (C2) : 2308-2320 DOI:10.1029/JC091iC02p02308 (0)
|
| [57] |
Gisela C, Leif E B, Ulander L M, et al..Retrieval and assessment of sub-mesoscale wind velocity vectors with Synthetic Aperture Radar[C].IGARSS 2011, 2011:2041-2044.
(0)
|
| [58] |
Bergeron Thomas, Bernier Monique, Chokmani Karem, et al. Wind speed estimation using polarimetric RADARSAT-2 images:Finding the best polarization and polarization ratio[J].
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing , 2011, 4 (4) : 896-904 DOI:10.1109/JSTARS.2011.2158067 (0)
|
| [59] |
Mouche A, Hauser D, Daloze J F, et al. Dual-polarization measurements at C-band over the ocean:Results from airborne radar observations and comparison with ENVISAT ASAR data[J].
IEEE Transactions on Geoscience&Remote Sensing , 2005, 43 (4) : 753-769 (0)
|
| [60] |
Horstmann J, Monaldo F, Thompson D R, et al..First assessment of C-band polarization ratio from ENVISAT ASAR imagery[C].IGARSS 2005, 2005:1002-1005.
(0)
|
| [61] |
Ren Y, Lehner S, Brusch S, et al. An algorithm for the retrieval of sea surface wind fields using X-band TerraSAR-X data[J].
International Journal of Remote Sensing , 2012, 33 (23) : 7310-7336 DOI:10.1080/01431161.2012.685977 (0)
|
| [62] |
Zhang Biao, Perrie Will, He Yijun. Wind speed retrieval from RADARSAT-2 quad-polarization images using a new polarization ratio model[J].
Journal of Geophysical Research:Oceans , 2011, 116 : C08008 (0)
|
| [63] |
孟俊敏.利用SAR影像提取海洋内波信息的技术研究[D].[博士论文], 中国海洋大学, 2002.
Meng J M.A study of information extraction technology of ocean internal waves from SAR images[D].[Ph.D.dissertation], Ocean University of China, 2002.
(0)
|
| [64] |
Zheng Q A, Susanto D R, Ho C, et al. Statistical and dynamical analyses of generation mechanisms of solitary internal waves in the northern South China Sea[J].
Journal Geophysical Research:Oceans , 2007, 112 : C03021 (0)
|
| [65] |
Li D, Chen X, Liu A. On the generation and evolution of internal solitary waves in the northwestern South China Sea[J].
Ocean Modeling , 2011, 40 (2) : 105-119 DOI:10.1016/j.ocemod.2011.08.005 (0)
|
| [66] |
Zhang Z, Fringer O B, Ramp S R. Three-dimensional, nonhydrostatic numerical simulation of nonlinear internal wave generation and propagation in the South China Sea[J].
Journal of Geophysical Research:Oceans , 2011, 116 : C05022 (0)
|
| [67] |
Small J, Hallock Z, Pavey G, et al. Observations of large amplitude internal waves at the Malin Shelf edged during SESAME 1995[J].
Continental Shelf Research , 1999, 19 (11) : 1389-1436 DOI:10.1016/S0278-4343(99)00023-0 (0)
|
| [68] |
Li X, Clemente-Colon P, Friedman K S, et al. Estimating oceanic mixed layer depth from internal wave evolution observed from Radarsat-1 SAR[J].
Johns Hopkins APL Technical Digest , 2000, 21 (1) : 130-135 (0)
|
| [69] |
杨劲松.合成孔径雷达海面风场、海浪和内波遥感技术[D].[博士论文], 青岛海洋大学, 2001.
Yang J S.Sea surface wind, waves and waves of remote sensing technology about Synthetic aperture radar[D].[Ph.D.dissertation], Ocean University of Qingdao, 2001.
(0)
|
| [70] |
种劲松, 欧阳越, 李飞, 等.
合成孔径雷达图像海洋内波探测[M]. 北京: 海洋出版社, 2010 .
Chong J S, Ouyang Y, Li F, et al.
Oceanic Internal Wave Detection in Synthetic Aperture Radar Image[M]. Beijing: Ocean Press, 2010 .
(0)
|
| [71] |
Cai S, Xie J, Xu J, et al. Monthly variation of some parameters about internal solitary waves in the South China Sea[J].
Deep Sea Research Part I:Oceanographic Research Papers , 2014, 84 : 73-85 DOI:10.1016/j.dsr.2013.10.008 (0)
|
| [72] |
李鲁靖, 孟俊敏, 张晰, 等. SAR极化特征图像与s0图像的海洋内波可视性对比[J].
海洋学研究 , 2014, 32 (2) : 23-34 Li L J, Meng J M, Zhang X, et al. Comparison for the visibility of the SAR polarization characteristics and s0 images of internal waves[J].
Journal of Marine Sciences , 2014, 32 (2) : 23-34 (0)
|
| [73] |
Shuchman R A, Lyzenga D R, Meadows G A. Synthetic aperture radar imaging of ocean bottom topography via tidal-current interactions:Theory and observation[J].
International Journal of Remote Sensing , 1985, 6 (7) : 1179-1120 DOI:10.1080/01431168508948271 (0)
|
| [74] |
Chubb S R, Valenzuela G R, Greenberg D A. Radar surface signatures based on the two-dimensional tidal circulation of Phelps Band[J].
IEEE Transactions on Geoscience and Remote Sensing , 1991, 29 (1) : 129-134 DOI:10.1109/36.103302 (0)
|
| [75] |
Inglada J, Garello R. On rewriting the imaging mechanism of underwater bottom topography by synthetic aperture radar as a Volterra series expansion[J].
Journal of Oceanic Engineering , 2002, 27 (3) : 665-674 DOI:10.1109/JOE.2002.1040949 (0)
|
| [76] |
Yuan Y L. Representation of high frequency spectra of ocean waves and the basis for analyzing SAR images[J].
Oceanologia et Limnologia Sinica , 1997, 28 (Suppl.) : 1-5 (0)
|
| [77] |
Jin M B, Yuan Y L. Formulation and solution of the mathematical and physical inverse problem detecting sea topography by SAR image[J].
Oceanologia et Limnologia Sinica , 1997, 28 (Suppl.) : 27-31 (0)
|
| [78] |
Fu B, Huang W G, Zhou C B, et al. Simulation study of sea bottom topography mapping by Spaceborne SAR-Relationship between topography parameters and measurement of water depth[J].
Acta Oceanologica Sinica , 2001, 23 (1) : 35-42 (0)
|
| [79] |
Yang J G, Zhang J, Meng J M. Underwater topography detection of Shuangzi Reefs with SAR images acquired in different time[J].
Acta Oceanologica Sinica , 2007, 26 (1) : 48-54 (0)
|
| [80] |
毕晓蕾, 孟俊敏, 杨俊钢, 等. 极化信息在水下地形SAR探测中的应用[J].
遥感学报 , 2013, 17 (1) : 34-45 Bi X L, Meng J M, Yang J G, et al. Application of SAR polarization information for detection of underwater topography[J].
Journal of Remote Sensing , 2013, 17 (1) : 34-45 (0)
|
| [81] |
Romeiser R, Graber H C. Advanced remote sensing of internal waves by spaceborne along-track InSAR-A demonstration with TerraSAR-X[J].
IEEE Transactions on Geoscience and Remote Sensing , 2015, 53 (12) : 6735-6751 DOI:10.1109/TGRS.2015.2447547 (0)
|
| [82] |
蔡爱民, 王燕宇. 双/多基地SAR成像研究进展与趋势及其关键技术[J].
上海航天 , 2016, 33 (4) : 112-118 Cai A, Wang Y. Progress incidence and key technology of Bi/Multi SAR imaging[J].
Aerospace Shanghai , 2016, 33 (4) : 112-118 (0)
|