本公开涉及一种海洋锋面识别方法，包括：获取用于识别目标区域海洋锋面的水文要素数据。计算水文要素数据的梯度幅值和梯度方向；根据梯度幅值和梯度方向得到水文要素数据的局部最大值；利用双阈值算法对局部最大值进行处理得到锋面点；利用两遍扫描算法对锋面点进行处理得到目标区域海洋锋面。根据各水文要素数据的梯度幅值和梯度方向，对该水文要素数据进行判断得到局部最大值，有效去除了图表中的伪边缘。利用双阈值算法，对得到的局部最大值进行处理，进一步对各水文要素数据中的噪声数据进行去除，保证得到锋面点的精确性。再利用两边扫描算法，将相邻的各锋面点连接为一个连通域，连接各连通域，进而得到连续的目标区域海洋锋面。海洋锋面。海洋锋面。
【技术实现步骤摘要】
海洋锋面识别方法及装置
[0001]本公开涉及海洋环境
，尤其涉及一种海洋锋面识别方法及装置。
技术介绍
[0002]海洋锋面是水平方向上相邻的不同水团之间的狭窄过渡区域，是一种重要的海洋中尺度现象，对渔业资源、渔情预报及军事等都有重要意义。
[0003]目前基于遥感数据的锋面检测方法常使用梯度法。梯度法原理简单，但对噪声较为敏感，提取结果连续性欠佳，且由于梯度算子大小固定，只能对单一尺度锋面信息进行提取。
[0004]因此，如何获取的海洋锋面结果具有连续性，成为本领域技术人员亟待解决的问题。
技术实现思路
[0005]有鉴于此，本公开提出了一种海洋锋面识别方法及装置，通过对基于目标区域海洋及其水文要素数据所构建的栅格数据进行梯度计算，再利用双阈值算法和两遍扫描算法，使得到的锋面具有较好的连续性。
[0006]根据本公开的一方面，提供了一种海洋锋面识别方法，包括：
[0007]获取用于识别目标区域海洋锋面的水文要素数据；
[0008]计算所述水文要素数据的梯度幅值和梯度方向；
[0009]根据所述梯度幅值和所述梯度方向得到所述水文要素数据的局部最大值；
[0010]利用双阈值算法对所述局部最大值进行处理得到锋面点；
[0011]利用两遍扫描算法对所述锋面点进行处理得到所述目标区域海洋锋面。
[0012]在一种可能的实现方式中，在计算所述水文要素数据的所述梯度幅值和所述梯度方向时，通过构建栅格数据进行；
[0013]其中，所述栅格数据表征了所述目标区域中不同位置与对应的所述水文要素数据之间的映射关系。
[0014]在一种可能的实现方式中，通过所述栅格数据计算所述水文要素数据的所述梯度幅值和所述梯度方向时，包括：
[0015]利用一阶偏导的有限差分计算所述栅格数据中各所述水文要素数据的所述梯度幅值和所述梯度方向。
[0016]在一种可能的实现方式中，根据所述梯度幅值和所述梯度方向得到所述水文要素数据的所述局部最大值时，按照顺序依次对各所述水文要素数据进行计算；
[0017]其中，判断当前水文要素数据的梯度幅值与相邻的水文要素数据的梯度幅值的大小关系，并根据判断结果确定所述局部最大值。
[0018]在一种可能的实现方式中，在判断所述当前水文要素数据的梯度幅值与相邻的所述水文要素数据的梯度幅值的大小关系时，所述当前水文要素数据相邻的水文要素数据为
沿所述当前水文要素数据的梯度方向上与所述当前水文要素数据相邻的数据。
[0019]在一种可能的实现方式中，在判断所述当前水文要素数据的梯度幅值与相邻的所述水文要素数据的梯度幅值的大小关系时，包括：
[0020]判断所述当前水文要素数据的所述梯度幅值，是否大于沿所述当前水文要素数据的梯度方向上与所述当前水文要素数据相邻的两个所述水文要素数据的所述梯度幅值，如是，则该所述水文要素数据的所述梯度幅值被保留，否则该所述水文要素数据的所述梯度幅值被抑制；
[0021]被保留的所述梯度幅值即所述局部最大值。
[0022]在一种可能的实现方式中，利用所述双阈值算法对所述局部最大值进行处理得到所述锋面点时，包括：
[0023]基于所述水文要素数据确定数值筛选区间；
[0024]根据确定的所述数值筛选区间，对各所述局部最大值进行筛选，并将筛选后保留下来的局部最大值作为所述锋面点。
[0025]在一种可能的实现方式中，在根据确定的所述数值筛选区间，对各所述局部最大值进行筛选时，包括：
[0026]将各所述局部最大值分别与所述数值筛选区间中的最大值和最小值进行比较；
[0027]如所述局部最大值大于所述最大值，则该所述局部最大值被保留；
[0028]如所述局部最大值小于所述最小值，则该所述局部最大值被丢弃；
[0029]被保留的所述局部最大值为所述锋面点。
[0030]在一种可能的实现方式中，在利用所述两遍扫描算法对所述锋面点进行处理得到所述待识别海洋区域表面的所述锋面时，包括：
[0031]利用所述两遍扫描算法遍历各所述锋面点得到连通域；
[0032]将各所述连通域标记得到所述锋面。
[0033]根据本公开的另一方面，提供一种海洋锋面识别装置，包括：数据采集模块、梯度计算模块、局部最大值计算模块、局部最大值处理模块和锋面点处理模块；
[0034]所述数据采集模块，被配置为获取用于识别所述目标区域海洋锋面的所述水文要素数据；
[0035]所述梯度计算模块，被配置为计算所述水文要素数据的所述梯度幅值和所述梯度方向；
[0036]所述局部最大值计算模块，被配置为根据所述梯度幅值和所述梯度方向得到所述水文要素数据的所述局部最大值；
[0037]所述局部最大值处理模块，被配置为利用所述双阈值算法对所述局部最大值进行处理得到所述锋面点；
[0038]所述锋面点处理模块，被配置为利用所述两遍扫描算法对所述锋面点进行处理得到所述目标区域海洋锋面。
[0039]本公开实施例的海洋锋面识别方法，通过获取到的用于识别目标区域海洋锋面的水文要素数据，构建可以表征目标区域中不同位置与对应的水文要素数据的图表，根据图表中各水文要素数据的数值及其相邻水文要素数据的数值，计算各水文要素数据的梯度幅值和梯度方向，根据各水文要素数据的梯度幅值和梯度方向，对该水文要素数据进行判断，
根据判断结果，得到局部最大值，有效去除了图表中的伪边缘。利用双阈值算法，对得到的局部最大值进行处理，进一步对各水文要素数据中的噪声数据进行去除，保证得到锋面点的精确性。在利用两边扫描算法，将相邻的各锋面点连接为一个连通域，连接各连通域，进而得到连续的目标区域海洋锋面。
[0040]根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
[0041]包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
[0042]图1示出本公开实施例的海洋锋面识别方法的流程图；
[0043]图2示出本公开实施例的海洋锋面识别方法的详细流程图；
[0044]图3示出本公开实施例的用于图像的外参校准装置的主体结构图；
具体实施方式
[0045]以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
[0046]在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
[0047]另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种海洋锋面识别方法，其特征在于，包括：获取用于识别目标区域海洋锋面的水文要素数据；计算所述水文要素数据的梯度幅值和梯度方向；根据所述梯度幅值和所述梯度方向得到所述水文要素数据的局部最大值；利用双阈值算法对所述局部最大值进行处理得到锋面点；利用两遍扫描算法对所述锋面点进行处理得到所述目标区域海洋锋面。2.根据权利要求1所述的方法，其特征在于，在计算所述水文要素数据的所述梯度幅值和所述梯度方向时，通过构建栅格数据进行；其中，所述栅格数据表征了所述目标区域中不同位置与对应的所述水文要素数据之间的映射关系。3.根据权利要求2所述的方法，其特征在于，通过所述栅格数据计算所述水文要素数据的所述梯度幅值和所述梯度方向时，包括：利用一阶偏导的有限差分计算所述栅格数据中各所述水文要素数据的所述梯度幅值和所述梯度方向。4.根据权利要求1所述的方法，其特征在于，根据所述梯度幅值和所述梯度方向得到所述水文要素数据的所述局部最大值时，按照顺序依次对各所述水文要素数据进行计算；其中，判断当前水文要素数据的梯度幅值与相邻的水文要素数据的梯度幅值的大小关系，并根据判断结果确定所述局部最大值。5.根据权利要求4所述的方法，其特征在于，在判断所述当前水文要素数据的梯度幅值与相邻的所述水文要素数据的梯度幅值的大小关系时，所述当前水文要素数据相邻的水文要素数据为沿所述当前水文要素数据的梯度方向上与所述当前水文要素数据相邻的数据。6.根据权利要求5所述的方法，其特征在于，在判断所述当前水文要素数据的梯度幅值与相邻的所述水文要素数据的梯度幅值的大小关系时，包括：判断所述当前水文要素数据的所述梯度幅值，是否大于沿所述当前水文要素数据的梯度方向上与所述当前水文要素数据相邻的两个所述水文要素数据的所述梯度幅值，如是，则该所述...
【专利技术属性】
技术研发人员：陆桦，
申请(专利权)人：北京中安智能信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。