Regularization Methods for Scatterometry Image Reconstruction

Gerard Gallardo i Peres

doi:10.1109/TGRS.2025.3614547

Regularization Methods for Scatterometry Image Reconstruction

2025-01-01

0

PRE

AI

G

Gerard Gallardo i Peres

A

Alba Granados

M

Maria‐José Escorihuela

DOI：10.1109/TGRS.2025.3614547

原文链接

摘要

En 中文

雷达散射计（SCAs）是主动式微波传感器，能够提供具有广泛入射角范围的良好校准的雷达后向散射估计值。对于地球观测目的，它们常用于监测海洋上空的风速和风向，以及估算根区土壤湿度、研究海冰特性等。对于机载扇形波束散射计（如先进散射计ASCAT），其测量过程的本质——由空间响应函数（SRF）定义——导致其在全分辨率后向散射图像中产生点目标模糊效应。为解决此问题，本研究对三种不同图像重建方法的性能进行了全面分析：最大后验概率（MAP）-TSVD、MAP-Тихонов和散射计图像重建（SIR）。这些去模糊方法实现噪声抑制的水平由基于L型曲线准则选择的最优正则化参数控制。这些方法应用于单次通过单波束场景下的ASCAT全分辨率数据（岛屿/海岸场景）。我们评估了它们在海岸线提取和海洋后向散射稳定性方面的有效性与适用性。所获结果表明，在最优正则化条件下，所有三种方法在海岸线提取方面均表现出普遍改善；SIR算法实现了最一致的性能，与参考海岸线的平均距离改善42%，而MAP选项的计算速度则快1.5倍。我们得出结论，在适当的正则化水平下，MAP-Тихонов和SIR通常能成功对ASCAT全分辨率后向散射图像中的目标进行去模糊处理，生成像素大小为3.125 km的重建高分辨率图像，且噪声放大和伪影最小化。这些重建算法有望成为当前像素大小分别为12.5 km和25 km的低分辨率“网格化”ASCAT L1B产品的一种改进策略。

Keyword:

Advanced scatterometer (ASCAT)

deblurring

inverse problem

L-curve

regularization

scatterometer (SCA)

Regularization Methods for Scatterometry Image Reconstruction

摘要

期刊

机构

引用论文