没有合适的资源?快使用搜索试试~ 我知道了~
⃝可在www.sciencedirect.com在线获取ScienceDirectICTExpress 7(2021)187www.elsevier.com/locate/icte低轨卫星合成孔径雷达实时计算的自适应斑点滤波Kyeongrok Kima,Soyi Jungb,Jae-Hyun Kima,a电子与计算机工程系,Ajou大学,Suwon 16499,韩国b大韩民国首尔02841高丽大学电气工程学院接收日期:2021年1月25日;接收日期:2021年2月1日;接受日期:2021年2月7日2021年2月17日在线提供摘要随着低地球轨道卫星数量的增加,需要新的算法和高性能计算资源来处理卫星产生的大量实时到达数据。针对这一要求,提出了一种新的星载合成孔径雷达(SAR)图像实时自适应相干斑滤波选择算法。使用高性能滤波器可以生成高质量的图像,但会引入延迟。因此,实时自适应算法,实现时间平均SAR图像质量最大化的延迟使用李雅普诺夫优化,其中的延迟制定与排队模型。评价结果显示所提出的算法保证了期望的性能改进。c2021韩国通信和信息科学研究所(KICS)。出版社:Elsevier B.V.这是一个开放的访问CC BY-NC-ND许可证下的文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。关键词:低轨卫星;合成孔径雷达;斑点滤波;自适应滤波1. 介绍随着运载火箭技术的发展,卫星的发射成本不断降低。此外,卫星的发展趋势是向多颗小卫星星座发展[1]。因为小卫星被布置在低高度,所以由卫星生成的数据应当经由下行链路传输在有限的链路时间内以高速向地面站递送。然而,根据[2],地面站不能处理以高于1Gb/s的数据速率此外,地面站应能在必要时实时提供数据处理结果。因此,地面站需要一种有效的方法来处理从众多卫星接收的数据。在卫星图像处理和计算中,合成孔径雷达(SAR)相关技术被广泛使用,它可以观察到宽范围,并获得高分辨率图像。由于微波在SAR中的使用,它可以在任何天气条件下收集数据,∗ 通讯作者。电子邮件地址:nowhere1104@ajou.ac.kr(K.Kim),jungsoyi@korea.ac.kr(S.Jung),jkim@ajou.ac.kr(J. H.Kim)。同行评审由韩国通信和信息科学研究所(KICS)负责https://doi.org/10.1016/j.icte.2021.02.003因此,可以进行高分辨率和时间序列分析,这是有益的,特别是在自然灾害监测方面[3此外,使用重访时间短的低地球轨道合成孔径雷达是必不可少的,因为光学传感器看不到地球的一半。 然而,星载SAR原始数据的数据预处理和图像处理需要占用大量的内存和时间。SAR图像是由发射信号和接收信号的相关性合成的,其中相干斑噪声以乘性形式出现。SAR图像滤波器考虑了降斑性能。为了消除SAR图像中的相干斑噪声,人们提出了多种方法.其中,基于分解的散斑滤波在[6,7]中进行了研究。[6]中提出的算法被设计为获得用于斑点估计的方向和各向异性特征。文献[7]中提出了一种各向异性扩散滤波器去散斑的算法.在[8]中,散斑对卷积神经网络的影响被开发用于分类。在本文中,我们进行最佳滤波器选择的概念下的时间平均SAR图像质量最大化(即去斑)的队列稳定性。为了制定这一点,我们提出的算法的设计,启发李雅普诺夫优化。本文的其余部分组织如下。第2节解释了拟议的模型2405-9595/2021韩国通信和信息科学研究所(KICS)。出版社:Elsevier B.V.这是一个开放的访问CC BY-NC-ND许可证下的文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。K. Kim,S.Jung和J. -H. 金ICT Express 7(2021)187188∑:t∑1×t→∞tτ=0和数学分析。第三节介绍了LEO SAR图像的实时、智能、自适应斑点滤波方法。在第4节中,所提出的算法的性能进行评估。最后,第五部分对本文进行了总结。2. 数学分析在这一部分中,我们定义了地面站队列动力学,并设计了一个稳定的时间平均SAR图像质量最大化算法。将排队动力学看作是地面站接收卫星SAR图像的一种情况.因此,队列动态可以建模如下,其中,. . }的情况下,Q[t+1]=max{Q[t]-b[t],0}+a[t],(1)其中,a[t]、b[t]和Q[t]分别代表在t处的到达过程、离开过程和排队积压大小。这里,a[t]可以是在t处接收的SAR图像尺寸。由于SAR图像到达可以根据LEO卫星位置、星座和运动而变化,因此可以将其识别为i.i.d.随机到达。此外,可以处理b[t]通过所确定的滤波器,因此其在处理速度方面的性能可以根据滤波器选择而变化,即,f[t]。在 a[t] 中 , 它 是 i.i.d. 。 随 机 到 达 , 因 此 失 去 控 制[1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][19我们的目标是在地面站的系统队列稳定性的时间平均SAR图像分辨率/质量最大化。那么相应的数学程序可以用公式表示如下,t−1min limR [f[τ]],(2)→∞τ=0t−1S.T.limQ [τ] <∞(稳定性)。(三)地 面 站 在 通 讯 半 径 内 在 欧 洲 航 天 局 ( ESA ) 运 营 的Sentinel-1 SAR的情况下,高度为693 km,X波段下行速度为520 Mbps,数据存储为176.25 GB [10,11]。通常,下行链路速度比斑点滤波计算时间快。因此,从卫星到其地面站的到达SAR图像也比接收/到达的SAR图像的处理/滤波更快。因此,在保持高质量滤波计算的同时考虑系统稳定性是很重要的。注意,在30 s的观测期间,压缩的卫星原始数据的容量大于1GB,而相对于固定地面站的LEO链路时间小于10 min。3.1. SAR图像相干斑抑制SAR原始数据由二维复数据组成为了合成图像,使用聚焦方法在每个方向上压缩原始数据[12]。在该过程中,使用卷积处理参考信号和原始数据。卷积在处理时间减少(低延迟)方面是有利的,而噪声可能以散斑的形式出现。散斑噪声表现为强反射并且降低图像质量。散斑噪声给小目标的识别和特征提取带来了困难。因此,我们选择了中值滤波器,这是在消除斑点噪声模式。中值滤波器由奇数长度的一维或二维掩模组成。它以升序排列掩码中的值,然后选择一个中值,最后将掩码的中间值替换为中值。我们使用Sentinel-1应用平台(SNAP)的SAR图像去斑。SNAP由欧空局提供,它也适用于Sentinel-1图像处理。本文中用于算法验证的SAR图像是根据李雅普诺夫优化理论中的常数间隙近似[9],我们提出的时间平均SAR图像分辨率最大化的最优控制算法可以设计如下。在每个单位时间内,观察Q[t]处的当前积压,并且该算法计算在t处的最优动作α[t],如下所示:α[t]←max:V·R[f[t]]−Q[t]{a[t]−b[f[t]]},(4)其中V是分辨率R和延迟的折衷系数。f[t]表示在t时选择的滤波器,因此a[t]和b[f[t]]分别表示卫星输入数据和滤波图像的量既然a[t]失去控制,它就可以被丢弃。因此,(4)可以修改为:.(五)3. 自适应斑点滤波:SAR图像质量与计算时间卫星SAR观测感兴趣的区域并保持数据直到卫星SAR与其目标然后着陆确认去斑所考虑的区域为250公里(垂直)200公里(水平)。我们的过滤处理器包括i7- 9700 k的CPU和64GB的内存。地面站和我们的处理器之间可能存在差异,从而可以减少处理时间结果。图1示出了根据自适应滤波器选择的散斑滤波结果。该算法通过观察队列的积压情况,在考虑单位时间内的稳定性的基础上,选择时间平均的最优滤波器。由于数据输入是独立同分布的,随机到达,所提出的算法具有对离开过程的控制,即,过滤器选择对于许多SAR数据到达的情况下,我们提出的算法优化和自动选择较小的滤波器大小,可以加快处理时间,以避免溢出的基础上观察到的积压。另一方面,如果队列状态是稳定/空闲的,所提出的算法使用更大的过滤器的大小,以提高图像的质量。通过聚焦方法[12]处理的原始SAR图像如图1(左)所示。特别地,由于噪声图像中的散斑,内部平台区域不清楚。含噪图像质量较差,难以检测船舶等目标α[t]←max:V·R[f[t]]+Q[t]·b[f[t]]从拥有两个海洋K. Kim,S.Jung和J. -H. 金ICT Express 7(2021)187189××图1.一、自 适应滤波器选择方法及结果。海洋中的浮标,陆地上的河流边界。另一个示例使用大小为3的过滤器3和1919.如图所示在图1的红色矩形中,随着滤波器尺寸的增加,斑点噪声被有效地消除。3.2. 去斑的定性性能为了对滤波后的SAR图像进行定性分析,我们使用了两个评价指标,即峰值信噪比(PSNR)和结构相似性指数度量(SSIM)。PSNR将最大信号功率与噪声功率进行比较,其中噪声通过均方误差计算,使得当许多散斑扩散时,该比率较低。SSIM还用于使用亮度、对比度和结构参数来补充PSNR。由于我们比较了原始噪声SAR图像和滤波SAR图像,很明显,更清晰的图像具有较低的PSNR和SSIM结果。这两个指标应进行反向修改,以表示去噪图像质量。因此,我们采用了一种新的质量指标,它考虑了PSNR和SSIM。建议的质量指标是由PSNR和SSIM的反转,我们转换的规模从dB到十进制(线性)。基于新定义的度量,表1评估了每个过滤器的处理时间和性能。如表1所示,随着滤波器尺寸的增加,图像质量可以得到提高,而相应的处理时间会显著增加。由于质量指标的增长率与处理时间的增长率不同,因此应根据优先级确定(5)中的折衷系数V4. 绩效评价在单输入单输出的模型下对算法进行了评价我们假设的情况下,一个卫星SAR下行链路的数据和其相关的地面站处理单输入数据与各种滤波器,以实现时间平均SAR图像质量最大化的系统稳定性,如第2节中制定的。时间平均最优控制算法通过按(1)调整滤波器来防止队列动态的发散。此外,所提出的算法在每个单位时间内根据(5)更新滤波器表1每个过滤器尺寸的处理时间和质量评估过滤器尺寸处理时间质量指标3× 3 23 29.005× 5 47 63.057× 7 119 73.939× 9 187 81.5011× 11 299 86.7913× 13 489 90.1915× 15 683 94.0317× 17 968 97.5819×19 1245 100我们假设实际的计算性能比我们的处理器更好,以便在现实世界的环境中可以减少处理时间我们调整了表1和[6,13]中的处理时间,同时保持了质量指标。图2示出了在各种V下相对于随机到达所选择的滤波器大小。我们提出的最佳算法利用较小的滤波器大小,由于较低的稳定性考虑。当队列变得繁忙时,控制决策将被更新为较小的过滤器大小以避免溢出。V越小,其中所提出的算法变得专注于图像质量改进,转换变得越早。如图1所示的滤波器选择侧重于稳定性,而不是SAR图像质量的改善。另一方面,在较长的时间段内使用较大的滤波器可以看到较大的V,即,它如果能够考虑较大的排队延迟,建议选择较大的V,以确保SAR图像质量的改善。5. 结论本文基于李雅普诺夫优化理论,提出了一种基于时间平均的SAR图像质量最大化的自适应相干斑滤波算法,该算法适用于在地面站实时处理卫星SAR原始数据。具体地说,提出的时间平均最优控制算法根据队列积压情况自适应地调整去斑滤波器的大小。在SAR图像去噪中,采用中值滤波器对SAR图像进行去噪,并采用了一种新的质量指标来适应我们所考虑的环境。K. Kim,S.Jung和J. -H. 金ICT Express 7(2021)187190图二、 使用V为队列状态选择过滤器大小。仿真结果表明,所提出的控制算法导致时间平均最优滤波器的大小选择,以实现图像质量最大化,在稳定性的考虑CRediT作者贡献声明Kyeongrok Kim:写作,概念化,方法论,可视化。郑素仪:写作-评论编辑。金在贤:监督,资金收购。竞合利益作者声明,他们没有已知的可能影响本文所报告工作致谢本研究由韩国科学和信息通信技术部(MSIT)支持,ITRC支持计划(IITP-2021- 2018-0-01424)由IITP监督。引用[1] S. Marcuccio,S. Ullo,M.卡尔米纳蒂岛Kanoun,小卫星,大星座:地球观测系统的趋势和设计问题,IEEE Aerosp。电子学。系统麦格34(2019)50[2] CCSDS 700.1-G-1,统一空间数据链路协议概述,2020年。[3] S.W. Paek,S. Balasubramanian,S. Kim,Weck Od,用于全球生物圈连续监测的小卫星合成孔径雷达:一个评论,远程传感器。12(2020)2546[4] D. Mandal 等 人 , A radar vegetation index for crop monitoringusingcompact polarimetric SAR data,IEEE Trans. Geosci.远程传感器58(2020)6321[5] J. Karvonen,E. Rinne,H. Sallila,M. Mäkynen,关于适宜性ALOS-2/PALSAR-2双极化SAR数据用于北极海冰参数估计,IEEETrans. Geosci.远程传感器。58(2020)7969-7981。[6] B. Hou,X. Zhang,X. Bu,H. Feng,基于SAR图像降斑的非下采样剪切波变换,IEEE J. Sel. Top.应用地球观测远程传感器5(2012)809[7] V. Bhateja,A. Tripathi,A.古普塔A。Lay-Ekuakille,采用小波域中改进的各向异性扩散滤波进行环境监测的SAR图像中的斑点抑制,测量74(2015)246-254。[8] J. Wang,T. Zheng,P. Lei,X.白,使用卷积神经网络在有噪SAR图像中进行地面目标分类,IEEE J. Sel. Top. Appl. 地球观测远程传感器11(2018)4180[9] S. Jung,J. Kim,J.- H. Kim,5G移动网络中用于稳定QoS保证的智能主动队列管理,IEEE系统J(2020)1-10。[10] R. Torres等人,GMES Sentinel-1任务,遥感环境 120(2012)9[11] N. Yagüe-Martínez等人,Sentinel-1 TOPS数据的干涉处理,IEEETrans. 吉奥西。远程传感器54(2016)2220[12] R.陈晓,距离-多普勒和波数域SAR聚焦算法的比较,IEEE Trans.Geosci.《遥感》,30(1992)706-713。[13] P. Wang,V.M.张宏Patel,基于卷积神经网络的SAR图像相干斑抑制,IEEE信号处理。Lett. 24(2017)1763-1767。
下载后可阅读完整内容,剩余1页未读,立即下载
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![-](https://csdnimg.cn/download_wenku/file_type_lunwen.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
会员权益专享
最新资源
- 基于单片机的瓦斯监控系统硬件设计.doc
- 基于单片机的流量检测系统的设计_机电一体化毕业设计.doc
- 基于单片机的继电器设计.doc
- 基于单片机的湿度计设计.doc
- 基于单片机的流量控制系统设计.doc
- 基于单片机的火灾自动报警系统毕业设计.docx
- 基于单片机的铁路道口报警系统设计毕业设计.doc
- 基于单片机的铁路道口报警研究与设计.doc
- 基于单片机的流水灯设计.doc
- 基于单片机的时钟系统设计.doc
- 基于单片机的录音器的设计.doc
- 基于单片机的万能铣床设计设计.doc
- 基于单片机的简易安防声光报警器设计.doc
- 基于单片机的脉搏测量器设计.doc
- 基于单片机的家用防盗报警系统设计.doc
- 基于单片机的简易电子钟设计.doc
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)