Определение характеристик морской поверхности по радиолокационным изображениям с использованием градиентных методов

Введение. Дистанционное зондирование и мониторинг морской поверхности имеют огромное значение в контексте решения задач оперативной океанографии, экологического мониторинга и ряда др. Возможность оперативной оценки состояния морской поверхности особенно актуальна в зонах, представляющих опасность для судоходства, где быстрое и точное реагирование становится критически важным. Современные радиолокационные станции (РЛС) при обзоре формируют последовательности цифровых радиолокационных изображений (РЛИ), аналогичные последовательностям кадров в видеопотоке, что обусловливает возможность применения для их вторичной обработки градиентных методов, зарекомендовавших себя при анализе видеоданных.

Цель работы. Определение характеристик морского волнения по РЛИ с использованием методов градиентной оценки движения. Использование градиентных методов позволит реализовать дополнительные инструменты обработки изображений, формируемых при отражении зондирующих сигналов от морской поверхности.

Материалы и методы. Для оценки характеристик морской поверхности по РЛИ использованы градиентные методы. Для их обучения служили серии синтезированных изображений морской поверхности, полученные методом математического моделирования. Эффективность градиентных методов оценивалась по экспериментальным РЛИ, предоставленным ИО РАН им. Ширшова.

Результаты. С помощью градиентных методов вычислены направление и скорость волнения по нескольким последовательным обзорам РЛС. Построены регрессионные модели зависимости вычисленных значений от заданных. При определении направления волнения высокую эффективность продемонстрировали методы Fаrnеback и TV-L1.

Заключение. Алгоритм вычисления скорости и направления смещения морской поверхности с помощью градиентных методов был предварительно обучен с применением модельных данных. Выполнена верификация реализованных методов и алгоритмов оценки скорости и направления морского волнения на предмет адекватности и реалистичности получаемых результатов сравнением с экспериментальными изображениями, найденными с использованием корабельных РЛС.

1. Horn B. K. P., Schunck B. G. Determining Optical Flow // Artıficial Intelligence. 1981. № 17. P. 185–204.

2. Freeman W., Adelson E. H. The design and use of steerable filters // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1991. Vol. 13, iss. 9. P. 891–906. doi: 10.1109/34.93808

3. Feet D., Weiss Y. Optical Flow Estimation. Handbook of Mathematical Models in Computer Vision. New York: Springer, 2006. P. 237–257. doi: 10.1007/0-387-28831-7

4. Bouguet J. Y. Pyramidal Implementation of the Lucas Kanade Feature Tracker Description. Santa Clara, USA: Intel Corporation Microsoft Research Lab, 2000. P. 1–9.

5. Sharmin N., Brad R. Optimal Filter Estimation for Lucas-Kanade Optical Flow // Sensors. 2012. Vol. 12, iss. 9. P. 12694–12709. doi: 10.3390/s120912694

6. Farneback G. Two-Frame Motion Estimation Based on Polynomial Expansion // Proc. of the 13th Scandinavian Conf. on Image Analysis, Halmstad, Sweden, SCIA, 2003. P. 363–370.

7. Беляков П. В., Никифоров М. Б. Вариационный метод вычисления оптического потока в системе-на-кристалле // Цифровая обработка сигналов. 2018. № 3. С. 76–82.

8. Pérez J. S., Meinhardt E., Facciolo G. TV-L1 Optical Flow Estimation // Image Processing On Line. 2013. № 3. P. 137–150. doi: 10.5201/ipol.2013.26

9. Wind waves in the North Atlantic from ship navigational radar: SeaVision development and its validation with the Spotter wave buoy and WaveWatch III / N. Tilinina, D. Ivonin, A. Gavrikov, V. Sharmar, S. Gulev, A. Suslov, V. Fadeev, B. Trofimov, S. Bargman, L. Salavatova, V. Koshkina, P. Shishkova, O. Razorenova, A. Sokov // Earth System Science Data. 2022. Vol. 14, iss. 8. P. 1–25. doi: 10.5194/essd-143615-2022

10. Абузяров З. К. Морское волнение и его прогнозирование. Л.: Гидрометеоиздат, 1981. 166 с.

11. Флуктуационный анализ моделей морской поверхности / В. Н. Михайлов, Н. С. Пыко, М. И. Богачев, В. М. Кутузов // Вестн. НовГУ. 2023. Т. 130, № 1. С. 129–145. doi: 10.34680/2076-8052.2023.1(130).129-145

12. Massel S. R. Ocean Surface Wave: Their Physics and Prediction. World Scientific Publishing, 1996. 491 p.

13. Пыко Н. С., Орандаренко Е. Д., Богачев М. И. Статистический анализ локальных экстремумов взволнованной морской поверхности на основе данных математического моделирования // Изв. вузов России. Радиоэлектроника. 2023. Vol. 26, № 5. P. 99– 111. doi: 10.32603/1993-8985-2023-26-5-99-111

14. Pierson W. J., Moskowitz L. A Proposed Spectral Form for Fully Developed Wind Seas-Based on the Similarity Theory of S.A. Kitaigorodskii // J. of Geophysical Research. 1964. Vol. 69, № 24. P. 5181–5190.

15. Measurements of wind-wave growth and swell decay during the Joint North Sea Wave Project (JONSWAP) / K. Hasselmann, T. Barnett, E. Bouws et al. Hamburg: Deutsches Hydrographisches institute, 1973. 95 p.

16. Modeling arrival scattering due to surface roughness / O. C. Rodrıguez, A. J. Silva, J. P. Gomes, S. M. Jesus // Proc. of the 10th European Conf. on Underwater Acoustics, Istanbul, Turkey, 5–9 July 2010. P. 1–8.