海浪是与人类最为密切的海洋现象,海浪监测在保障航行安全、预防海洋灾害、实施军事方针等方面有着巨大的意义。其中雨水干扰是影响海浪监测的常见原因之一。雨本身是一种自然降水现象,会对雷达发射的电磁波进行反射和折射作用,同时电磁波经过雨的吸收后,能量也会减少。另外,雨还会改变海面的粗糙度,这些都会造成反演海浪参数的误差。而对航海雷达图像进行降雨干扰检测及反演降雨强度对提高海浪信息反演的精度有着很大的辅助作用。本文利用海浪监测设备得到的X波段航海雷达原始图像数据和雨量计测量的降雨量数据,对航海雷达图像的识别降雨干扰的方法以及反演降雨强度的方法进行了分析研究。本文对X波段航海雷达图像的降雨干扰检测和反演降雨强度的研究分为两个步骤实施:识别原始雷达图像中的受降雨干扰图像,反演降雨雷达图像的降雨强度。假设降雨在空间上是均匀的,本文用两种方法分别对原始雷达图像进行降雨干扰的检测,第一种方法是基于回波差异性的航海雷达图像降雨识别方法。经大量实验证明,受降雨干扰的雷达图像和未受到降雨干扰的雷达图像的海浪监测区域的回波差异值均值有明显差异。本文对回波差异性的方法进行了改进,选取海浪的半个主波长的距离来计算海浪监测区域的回波差异值均值。首先需要确定区分雷达图像是否受到降雨干扰的阈值,然后将回波差异值均值与检测阈值作比较,来确定当前雷达图像是否受到降雨影响。第二种方法是通过卷积神经网络的方法对航海雷达图像是否受到降雨干扰进行识别。本文在卷积神经网络的Le Net-5模型上进行改进来识别降雨雷达图像。首先对神经网络的基本理论进行了介绍,并分析了Le Net-5的模型组成。通过调整模型的参数,利用大量的数据来训练模型,使得输入任何雷达图像的笛卡尔框区域,即可将雷达图像进行准确分类,确定其是否受到降雨干扰。在识别出受降雨干扰的雷达图像后,可以进一步反演出降雨雷达图像的降雨强度等级。本文提出了一种利用差异性系数的方法来反演降雨强度,通过研究雷达图像监测区域的差异性系数和降雨强度的关系,用最小二乘法确定两者的拟合关系式,并分析此方法反演降雨强度的误差大小和准确率,证明了此方法的可行性,为反演雷达图像的降雨强度提供了理论支撑。