【技术实现步骤摘要】
本专利技术涉及海浪波高反演领域，特别涉及一种基于卷积神经网络的ccd图像海浪波高反演方法。
技术介绍
1、海浪作为一种重要的海洋现象, 在海洋动力学的预测中起着重要的作用。有效波高作为描述海浪的一个重要参数，提供了海浪高度分布的一个统计度量，有效波高的测量和分析，在海洋工程建设、海洋灾害预警、海上航行与作业的安全等方面具有极其重要的作用。所以如何精确快速的获取有效波高数据具有十分重要的意义。
2、目前用于测量海浪波高的主要方法包括仪器化测波和基于雷达或卫星遥感的测波技术。仪器化测波通常涵盖浮标、压力式测波仪等设备，能够提供精确的单点数据，但需要定期维护和校准。相比之下，雷达测波和卫星遥感能够提供广域范围内的波高数据，但数据处理流程复杂且设备安装维护成本高。如果使用可见光波段的图像（例如ccd图像）进行波高反演，既能确保监测范围的广泛性，又能简化数据获取过程，降低成本。然而，现有的基于波浪可见光波段图像的技术，比如摄影测量测波、近岸摄影测波，一方面都需要控制点保证精度，但是开阔海域往往很少存在控制点；另一方面，都在数据处理流程...
【技术保护点】
1.一种基于卷积神经网络的CCD图像海浪波高反演方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于卷积神经网络的CCD图像海浪波高反演方法，其特征在于，步骤1中，将测波雷达测量时间后5秒内拍摄的图像都视为波高数据的匹配图像。
3.根据权利要求1所述的一种基于卷积神经网络的CCD图像海浪波高反演方法，其特征在于，步骤2中，将初步数据集中的不适合反演波高的图像删除，然后将原始图像转换为灰度图像，再使用限制对比度自适应直方图均衡方法对灰度图像进行处理。
4.根据权利要求3所述的一种基于卷积神经网络的CCD图像海浪波高反演方...
【技术特征摘要】
1.一种基于卷积神经网络的ccd图像海浪波高反演方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于卷积神经网络的ccd图像海浪波高反演方法，其特征在于，步骤1中，将测波雷达测量时间后5秒内拍摄的图像都视为波高数据的匹配图像。
3.根据权利要求1所述的一种基于卷积神经网络的ccd图像海浪波高反演方法，其特征在于，步骤2中，将初步数据集中的不适合反演波高的图像删除，然后将原始图像转换为灰度图像，再使用限制对比度自适应直方图均衡方法对灰度图像进行处理。
4.根据权利要求3所述的一种基于卷积神经网络的ccd图像海浪波高反演方法，其特征在于，使用限制对比度自适应直方图均衡方法对灰度图像进行处理的具体过程如下：
5.根据权利要求1所述的一种基于卷积神经网络的ccd图像海浪波高反演方法，其特征在于，步骤3中，对图像进行校正的方法如下：
6.根据权利要求1所述的一种基于卷积神经网络的ccd图像海浪波高反演方法，其特征在于，步骤4中，在构建数据集时，首先按照日期进行初步划分，划分后的训练集和测试集的比例为4：1；随后，以日期为整体按照每天的波高范围对部分数据进行了从训练集到测试集或从测试集到训练集的转移，确保训练集和测试集中波高分布基本一致，并且比例也为4：1。...
【专利技术属性】
技术研发人员：孟俊敏，丁辰，孙丽娜，
申请(专利权)人：自然资源部第一海洋研究所，
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。