-
题名基于卷积神经网络的辐射计阵列近海亮温误差校正方法
- 1
-
-
作者
梁爽
靳榕
李一楠
窦昊锋
-
机构
华中科技大学网络空间安全学院第六代移动通信研究中心
中国空间技术研究院西安分院
-
出处
《空间电子技术》
2024年第6期39-49,共11页
-
基金
民用航天预先研究项目(编号:D040202)。
-
文摘
对于星载综合孔径微波阵列辐射计而言,由于天线数量的限制,反演亮温图像时常常会出现吉布斯震荡现象,导致图像中的海陆边界变得模糊,难以与真实边界完全吻合。近年来,卷积神经网络在遥感图像处理领域取得了广泛的应用,为解决这一问题提供了新思路。然而,传统卷积神经网络的训练数据集大多基于光学图像生成,与星载综合孔径微波辐射计实际观测得到的海陆亮温图像存在较大差异,这不可避免地影响了模型的训练效果。针对上述问题,文章提出了一种通过正向模型仿真亮温观测图像生成的方法。该方法基于真实海陆信息,能够获取大量具有高度真实性的模拟综合孔径微波辐射计观测亮温图像。同时,文章还对卷积神经网络模型的结构进行了优化改进,有效防止了过拟合现象的发生。与传统的加窗法相比,文章所提出的基于卷积神经网络模型的近海亮温误差校正方法在保证图像分辨率、降低吉布斯震荡效果方面相较于传统方法在图像观感上提升明显。
-
关键词
吉布斯震荡
综合孔径亮温图像反演
亮温图像数据集
卷积神经网络
-
Keywords
Gibbs oscillations
synthetic aperture brightness temperature image inversion
brightness temperature image dataset
convolutional neural network
-
分类号
V443
[航空宇航科学与技术—飞行器设计]
TP722
[自动化与计算机技术—检测技术与自动化装置]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
