1.一種基于相對輻射校正的導航雷達圖像反演海面風向方法，其特征是：

(1)導航雷達圖像序列采集：采集連續N幅導航雷達圖像，將其定義為一組導航雷達圖像序列，并收集對應時間和位置的實際風向與風速值；

(2)導航雷達圖像預處理：對導航雷達圖像序列極坐標圖像進行歸一化，使導航雷達圖像序列中的每幅導航雷達圖像的線數固定，再對單幅導航雷達圖像通過觀測去除遮擋區域的影響，只保留海雜波圖像區域，應用圖像中值濾波抑制同頻信號對導航雷達圖像的干擾；

(3)導航雷達圖像相對輻射校正：對步驟(2)處理得到的導航雷達圖像的回波強度值按方位向進行平均，得到關于距離的回波強度均值，對導航雷達圖像徑向回波強度進行相對輻射校正，得到相對輻射校正圖像序列；

(4)海面風向反演：對相對輻射校正圖像序列首先利用低通濾波器得到海面靜態特征圖像，然后基于波數能量譜尺度分離方法得到風條紋能量譜，最終獲得海面風向；

導航雷達圖像相對輻射校正的具體步驟為：

(a)對導航雷達圖像沿方位向進行平均，令導航雷達圖像回波強度值為σ(θ_p,r_q)，其中θ_p為方位向角度，p＝1,2,…P，共P個，r_q為徑向距離，q＝1,2,…Q，共Q個，生成一維徑向平均回波強度值y：

y(rq)=1PΣp=1Pσ(θp,rq)]]>

徑向距離r_q定義為x，則x和y形成的數據集為數據點總數為n，n＝Q；

(b)選取x中間位置x₀，將n分成兩段數據，個數分別為n₁和n₂，若K為間斷點數，則K＝1，生成兩個數據集進行分段擬合；

(c)假設數據共有K個間斷點，則形成K+1個數據集，即n_k為第k個數據集的點數，x_k是數據集Ω_k和Ω_k+1的分段點；

(d)擬合函數f(x)的形式如下：

f(x)=f1(x)=Σj=1mαj1hj(x),1≤x≤x1f2(x)=Σj=1mαj2hj(x),x1≤x≤x2...fk(x)=Σj=1mαjkhj(x),xk-1≤x≤xk...]]>

式中f_k-1(x_k)＝f_k(x_k)，是數據集Ω_k的基函數；m為基函數的個數，即m＝3；為待確定回歸系數；為了使擬合誤差達到最小且在x_k處連續，建立最小二乘回歸模型如下：

minαjkΣi=1n1(f1(xi1)-yi1)2+Σi=1n2(f2(xi2)-yi2)2+...+Σi=1nk(fk(xik)-yik)2+...Σi=1nk(fK+1(xiK+1)-yiK+1)2,]]>

s.t.f_k-1(x_k)＝f_k(x_k)

令基函數h(x)＝[1 x x²]，擬合參數行向量分別為：k＝1,2,…K+1；則多段數據集擬合參數可以表示為：

y=y1Ty2T...yK+1T,α=α1Tα2T...αK+1T,X=X10...00X2...0.........00...XK+1]]>

則最小二乘回歸模型的二次范數形式為：

minα||Xα-y||2,s.t.Zα=0,]]>

對上式建立拉格朗日函數為：

L(∂,λ)=||Xα-Y||2+2λTZα,]]>

其中λ為列向量約束參數，即λ＝[λ₁,λ₂,…,λ_K]^T，由多元函數極值必要條件，得到:

∂L∂α1=2XT(Xα-y)+2ZTλ=0∂L∂λ=Zα=0,]]>

由上式可得：

α=α^-(XTX)-1ZTλ,]]>

其中將帶入中，可解得：

λ=[Z(XTX)-1ZT]-1Zα^,]]>

將式帶入α獲得最小二乘回歸系數α的解，根據導航雷達回波機制數據集Ω_k可以保證式中的是非退化的，Z是非零的，因此，α的解是唯一的，從而獲得有多段擬合函數f(x)；

(e)計算k點相鄰兩個數據集絕對值誤差均值S_k,k＝1,2…K+1，每點的絕對值誤差e_i,i＝1,2,…n，若e_i>S_k且e_i+1>S_k且e_i+2>S_k，則在e_i所對應的數據集Ω_k中i點位置進行再次分段，執行步驟(f)；其他情況或分段內點數少于十個，則不分段，執行步驟(g)；

(f)在分段點處對數據再次進行分段，返回從步驟(c)開始重新擬合，K為分段點的數量，再執行步驟(e)的判斷；得到數據集最優分段函數擬合函數值；

(g)將導航雷達圖像中每個方位向θ_p對應的回波強度值σ(θ_p,r_q)與徑向擬合函數值做偏差，實現導航雷達圖像相對輻射校正；校正遍歷導航雷達圖像序列的每幅圖像，最終得到相對輻射校正后圖像序列f′(θ,r,t)，θ為方位向角度，r為徑向距離，t為圖像序列時間軸。