基于D-P算法和最优路径的海底地理实体边界自动识别方法技术

本发明专利技术公开了基于D

【技术实现步骤摘要】
基于D
‑
P算法和最优路径的海底地理实体边界自动识别方法


[0001]本专利技术涉及海底地理实体划定、海底地名、海洋测绘学、海底地形地貌学、海洋地质学、海洋制图和海洋地理信息系统、深海采矿和海洋工程建设等
，尤其涉及一种基于D
‑
P算法和最优路径的海底地理实体边界自动识别方法。

技术介绍

[0002]海底地理实体指的是将海水之下的海底划分为可测量、可划分边界的地貌单元，将这些地貌单元按照一定的命名标准和规范赋予其标准名称的行为称为海底地理实体命名。海底地理实体分类与命名是当前海洋测绘学、海洋地质学、海底地形地貌学、海洋地质学、地名学等学科的研究热点。
[0003]海底地理实体界限的准确划定是开展海底地理实体分类与命名的前提和主要技术难点。海山为清晰可辨的、大体呈等维展布的海底高地，从环绕其主体的最深等深线算起，顶部与周围地势起伏高差大于1000米的海底地理实体。海山是深海大洋中最常见的一类海底地理实体类型，涉及其的命名提案也是最多的。根据海山的形态特征，其主要分为两种类型，一种称之为单一型海山，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于D
‑
P算法和最优路径的海底地理实体边界自动识别方法，其特征在于，步骤包括：区域网格获取、水深剖面获取、水深剖面抽稀、实体特征点筛选、单一型实体边界获取、成本数据准备、复合型实体边界获取；首先进行区域网格获取，步骤包括：数据处理与建模，区域截取；其次进行水深剖面获取，步骤包括：模型转换，水深剖面点提取；随后进行水深剖面抽稀，步骤包括：差分简化，剖面抽稀；随后进行实体特征点筛选，步骤包括：坡度筛选，水深筛选，距离筛选；随后进行单一型实体边界获取，步骤包括：地理实体特征点提取，地理实体类型判定，单一型地理实体边界输出；随后进行成本数据准备，步骤包括：地形因子计算，成本值模型构建；最后进行复合型实体边界获取，步骤包括：成本距离权重函数计算，最短路径求取，复合型地理实体边界输出。2.如权利要求1所述的方法，其特征在于，所述的区域网格获取包括下列步骤：步骤（1）数据处理与建模：对勘测获取的原始多波束水深数据进行数据滤波、声速改正、潮位改正以及测深异常值剔除处理，构建水深网格模型；其中，Model和depth分别代表网格模型和水深，为水深网格模型的第i行、第j列的平面位置坐标及该位置的水深值，M、N为该水深网格模型的行、列总数，i、j、M和N为自然数；转入步骤（2）；步骤（2）区域截取：确定地理实体区域矩形范围，其中，和分别代表矩形范围和地理实体区域，为地理实体区域矩形范围，为地理实体区域矩形范围的平面位置坐标，s值为1~4的自然数；基于地理实体区域矩形范围，对水深网格模型按范围截取并输出，得到所需地理实体区域网格模型，其中，Model和分别代表网格模型和地理实体区域，M
s
、N
s
为该地理实体区域网格模型的行、列总数，i、j、M
s
和N
s
为自然数。3.如权利要求2所述的方法，其特征在于，所述的水深剖面获取包括下列步骤：步骤（3）模型转换：将转换为地理实体区域水深矩阵点集合，其中，为该地理实体区域水深矩阵的第i行、第j列水深值，i、j、M
s
和N
s
为自然数；转入步骤（4）；
步骤（4）水深剖面点提取：从地理实体区域水深矩阵点集合中依次选取第m行数据，其中m为1~的自然数，构成基于m行的地理实体水深剖面数据集 ，其中，分别为该数据集中第n个点的平面位置坐标和水深值，m和n为该数据集的行数和该行中点的个数，为该数据集中点的总数，n、为自然数；再从地理实体区域水深矩阵点集合中依次选取第n列数据，其中n为1~的自然数，构成基于n列的地理实体水深剖面数据集，其中，分别为该数据集中第m个点的平面位置坐标和水深值；n和m为数据集的列数和该列中点的个数，为该数据集中点的总数，m、为自然数。4.如权利要求3所述的方法，其特征在于，所述的水深剖面抽稀包括下列步骤：步骤（5）差分简化：基于m行的地理实体水深剖面数据集，采用差分算法对其进行计算，得到基于m行的地理实体坡度剖面数据集，其中，为基于m行的地理实体坡度剖面数据集中第n个点的坡度值，m、n和为自然数；继续采用差分算法对基于m行的地理实体坡度剖面数据集进行计算，得到基于m行的地理实体二次导剖面数据集，其中，为基于m行的地理实体二次导剖面数据集中第n个点的二次导数值；搜索定位基于m行的地理实体二次导剖面数据集中每个极值点的平面位置坐标和水深值，获得基于m行的地理实体极值点水深剖面数据集，其中，代表极值点，为搜索定位的极值点的个数，m、n和为自然数；转入步骤（6）；步骤（6）剖面抽稀：采用D
‑
P算法对基于m行的地理实体极值点水深剖面数据集
进行抽稀，设置D
‑
P算法的阈值为T，得到基于m行的D
‑
P抽稀后的地理实体水深剖面数据集，其中，DP代表D
‑
P算法抽稀，为D
‑
P算法抽稀后的地理实体水深剖面数据集中水深点的个数，m、n和为自然数。5.如权利要求4所述的方法，其特征在于，所述的实体特征点筛选包括下列步骤：步骤（7）坡度筛选：采用差分算法对基于m行的D
‑
P抽稀后的地理实体水深剖面数据集进行计算，得到基于m行的D
‑
P抽稀后的地理实体坡度剖面数据集，其中，代表D
‑
P抽稀后的地理实体坡度剖面，为...

【专利技术属性】
技术研发人员：崔丙浩，赵荻能，吴自银，李家彪，梁裕扬，姚宜斌，孙中苗，任建业，周洁琼，刘志豪，钟皓，
申请(专利权)人：自然资源部第二海洋研究所，
类型：发明
国别省市：