System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种海底沙波脊线检测方法技术_技高网
当前位置: 首页 > 专利查询>厦门大学专利>正文

一种海底沙波脊线检测方法技术

技术编号:41206739 阅读:7 留言:0更新日期:2024-05-07 22:33
本发明专利技术涉及一种海底沙波脊线检测方法,本发明专利技术利用curvelet变化,对利用实测水深数据获得的海底沙波图像去噪,使用canny算法对去噪后的海底沙波图像进行边缘检测,获得海底沙波的脊线。本发明专利技术可以自动识别大区域海底沙波的波脊线,从而为海底沙波的进一步调查分析奠定了基础。

【技术实现步骤摘要】

本专利技术涉及海洋测绘、计算机图形学和海底科学等,具体涉及一种海底沙波脊线检测方法


技术介绍

1、海底沙波是发育在近海陆架上的一种极常见的海洋地貌,沙波的迁移和运动可表征海洋沉积环境的特征,也可能影响甚至妨碍人类活动,如可能掏空或掩埋铺设的海底管线,淤浅航道港口,导致风电场的构筑物基础失稳等,可造成严重的海底灾害。因此,海底沙波的研究对了解浅海沉积物输运,合理设计规划海洋工程提供有力的信息和支持。沙波具有似波的形态,波峰以及由其在平面方向上连结而成的特征线脊线是描述其形态特征的最基本参量,也是研究沙波迁移运动规律的基础。

2、由于海洋混响噪声以及探测设备自身的噪声影响、声波在海水中存在能量 损失、声波单次传输信息量有限等因素导致采集到的侧扫声纳图像质量受到影响,沙波边缘不清晰。这些问题都使得传统的图像识别方法在手动提取沙波目标特征时受到严重的阻碍,难以兼顾全部特征,拟合海底沙波的形态,影响沙波识别的处理速度和准确率。

3、目前针对海底沙波脊线识别的主要手段为剖面法以及利用卷积神经网络识别,然而剖面法需要人为确定所要分析的剖面,不同剖面的选择会导致计算的沙波脊线位置出现差异,受到的海底测深数据的噪声影响,沙波脊线的检测准确性低,且卷积神经网络的训练样本集也是通过人工标注脊线,检测效率低。


技术实现思路

1、针对现有技术存在的问题,本专利技术的目的在于提供一种海底沙波脊线检测方法,其检测效率高且检测准确性高。

2、为达到上述目的,本专利技术采用的具体技术方案如下:

3、一种海底沙波脊线检测方法,所述方法包括以下步骤:

4、步骤一、使用多波束声纳采集到海底的实测水深数据,将经度纬度数据设置为对应图像的x轴与y轴数据,水深数据为对应像素点的灰度值,建立海底沙波图像;

5、步骤二、对于生成的海底沙波图像,利用curvelet变换得到curvelet系数c,对c从第二尺度开始的高频系数进行阈值滤波以及系数放大,得到去噪后的图像;

6、步骤三、对于去噪后的海底沙波图像,利用canny算法进行边缘检测,识别出沙波脊线;

7、步骤四、采用图像融合的办法,将步骤三中识别出的沙波脊线在步骤一中海底地形图像中进行标记。

8、所述步骤二中,包括如下步骤:

9、a、根据海底沙波图像尺寸,创建与图像尺寸大小相同的全1频域滤波器矩阵;进行频域滤波器的傅里叶变换,然后进行中心化,得到复数矩阵x;接着对复数矩阵x进行curvelet变换,得到滤波器矩阵的频域curvelet系数cn;

10、b、遍历频域curvelet系数cn,e为系数cn的能量;

11、c、对输入海底沙波图像进行curvelet变换,将其转换为频域curvelet系数c;

12、d、保留系数c的低频部分,遍历处理系数c的高频部分,根据能量e和阈值进行硬阈值处理,将低于阈值的高频系数置零;

13、e、将阈值滤波之后的系数c的高频部分再进行倍数放大,增大噪声和有用信号的差值,将系数c的低频部分和处理后的高频部分形成的系数进行curvelet逆变换,得到去噪后的图像。

14、所述步骤一具体如下:

15、利用海底测深数据的经度和纬度值生成二维平面,把测深值取反,作为每个经度和维度点对应的高程值,且每个点高程值越大代表着深度越深,也即图像上显示的像素点越黑,将图像灰度值转换为rgb的3通道彩色值,构建含噪声的海底沙波图像。

16、所述步骤三具体如下:

17、对于去噪后的海底沙波图像,使用canny算法进行边缘检测,设置好合适的高阈值和低阈值,边缘强度大于高阈值的像素被认为是强边缘,边缘强度介于低阈值和高阈值之间的像素被认为是弱边缘,强边缘和弱边缘均生成沙波脊线;而边缘强度低于低阈值的像素被抑制为背景,从而得到边缘图像。

18、所述步骤四的融合过程具体如下:

19、首先,创建一个逻辑掩码表示边缘图像,逻辑掩码中值为1的位置表示边缘图像中的边缘点,即逻辑掩码中,沙波脊线的强边缘和弱边缘均用1表示;

20、然后,使用一个循环,依次处理边缘图像中的红、绿、蓝三个通道,在当前通道中,将逻辑掩码对应位置为1的像素值替换为定义的颜色值;

21、最后,将边缘图像中修改后的当前通道数据赋值回海底沙波图像的对应通道,获得融合后的海底沙波图像。

22、采用上述方案后,本专利技术能准确地、有效地、快速地识别海底沙波脊线。一方面,与人工识别的方法相比,在极大提高了检测效率的同时,排除了人工标注的主观因素影响。使用curvelet变换去噪,有效地解决了海底混响噪声干扰严重的问题,并通过canny算法有效的检测出了海底沙波的脊线,从而为海底沙波的进一步调查分析奠定了基础。另一方面,本专利技术将curvelet变化后的系数进行了不同的处理,单独将高频系数分离出来进行硬阈值去噪和系数倍增,再将处理后的高频系数和低频系数相融合,利用反curvelet变化得到去噪后的海底图像,这样获得图像不仅可以保留原图像的边缘细节信息,而且去噪效果显著。

本文档来自技高网...

【技术保护点】

1.一种海底沙波脊线检测方法,其特征在于,所述方法包括以下步骤:

2.根据权利要求1所述的一种海底沙波脊线检测方法,其特征在于,所述步骤一具体如下:

3.根据权利要求1所述的一种海底沙波脊线检测方法,其特征在于,所述步骤三具体如下:

4.根据权利要求1所述的一种海底沙波脊线检测方法,其特征在于,所述步骤四的融合过程具体如下:

【技术特征摘要】

1.一种海底沙波脊线检测方法,其特征在于,所述方法包括以下步骤:

2.根据权利要求1所述的一种海底沙波脊线检测方法,其特征在于,所述步骤一具体如下:

3.根据...

【专利技术属性】
技术研发人员:张贻雄杨赛龙官鸿达鲍晶晶吴承强郑勇玲卢惠泉
申请(专利权)人:厦门大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1