CN106680800A - 一种双频识别声纳数据处理方法 - Google Patents
一种双频识别声纳数据处理方法 Download PDFInfo
- Publication number
- CN106680800A CN106680800A CN201710004590.9A CN201710004590A CN106680800A CN 106680800 A CN106680800 A CN 106680800A CN 201710004590 A CN201710004590 A CN 201710004590A CN 106680800 A CN106680800 A CN 106680800A
- Authority
- CN
- China
- Prior art keywords
- target
- data
- data processing
- processing method
- frequency identification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/96—Sonar systems specially adapted for specific applications for locating fish
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Acoustics & Sound (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种双频识别声纳数据处理方法,包括以下步骤:S1、背景噪声提取,通过观察回波映像,选择典型的空白背景图像作为背景噪声操作项并求每ping的平均值,然后从原始数据中将其提取出去;S2、定义目标,目标的定义主要通过以下途径:回波图颜色的设定、数据阈值设定、多波束卷积计算;S3、多波束目标检测,首先通过设置目标属性,通过波束的目标长度、目标区域、目标紧密度、目标直径这些阈值进行多波束目标检测;S4、目标转换,将多波束数据转换为单波束数据,然后进行鱼体追踪。本发明利用声学数据后处理软件Echoview对DIDSON数据进行处理,以更快捷、高效的方式获得更多鱼类信息。
Description
技术领域
本发明涉及声学数据处理技术领域,尤其涉及一种双频识别声纳数据处理方法。
背景技术
随着科技的发展和设备更新,鱼类监测技术也不断提高,声学技术作为水下探测的一种途径,以其不受光照、能见度影响的优点,成为渔业资源调查和评估的重要手段。常规的声学技术(如单波束、分裂式波束技术)被广泛用于渔业资源调查和评估,目前已有成熟的数据处理方法及相关声学数据后处理软件(Echoview、SonarX等)。
双频识别声纳(DIDSON)是利用声镜头通过声波聚焦形成非常狭的波束来生成接近光学照片画质的高质量视频式声学映像,可以显示鱼类的轮廓形状和鱼类游泳姿态等信息。随着DIDSON的应用日益广泛,数据处理分析成为用户需要面临的一个问题,从前采用手动计数及声学图像去噪滤波等方法可以获得鱼类数量及尺寸,但却丢失了大量鱼类行为方面的信息。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是提供一种双频识别声纳数据处理方法,利用声学数据后处理软件Echoview对DIDSON数据进行处理,以更快捷、高效的方式获得更多鱼类信息(包括鱼类数量、尺寸、鱼类游泳速度、运动方向、运动轨迹等)。
为实现上述目的,本发明提供了一种双频识别声纳数据处理方法,其特征在于,包括以下步骤:
S1、背景噪声提取,通过观察回波映像,选择典型的空白背景图像作为背景噪声操作项并求每ping的平均值,然后从原始数据中将其提取出去;
S2、定义目标,目标的定义主要通过以下途径:
(a)回波图颜色的设定,通过调整平滑滤波器显示颜色以到达鱼体完整性及其行为连续性;
(b)数据阈值设定,一般设置:颜色最小显示:8,范围:50,配色方案:通常选EK500,然后根据数据自身特征,通过手动调整参数使其达到效果最优;
(c)多波束卷积计算,一般多使用3X3中值滤波进行平滑,中值滤波输出为g(x,y)=med{f(x-k,y-l),(k,l∈W)},其中,f(x,y)、g(x,y)分别为原始映像和处理后映像,W为二维模板,3X3区域;
S3、多波束目标检测,首先设置目标属性,通过波束的目标长度、
目标区域、目标紧密度、目标直径这些阈值进行多波束目标检测;
S4、目标转换,将多波束数据转换为单波束数据,然后进行鱼体
追踪。
上述的一种双频识别声纳数据处理方法,其特征在于,所述步骤S3中目标是通过相邻数据点组群创建的,通过设定阈值来限定显示的目标。
本发明的有益效果是:
本发明利用声学数据后处理软件Echoview对DIDSON数据进行处理,以更快捷、高效的方式获得更多鱼类信息(包括鱼类数量、尺寸、鱼类游泳速度、运动方向、运动轨迹等),有效解决了现有技术的不足。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的实施流程图。
具体实施方式
如图1所示,一种双频识别声纳数据处理方法,其特征在于,包括以下步骤:
S1、背景噪声提取,通过观察回波映像,选择典型的空白背景图像作为背景噪声操作项并求每ping的平均值,然后从原始数据中将其提取出去;
S2、定义目标,目标的定义主要通过以下途径:
(d)回波图颜色的设定,通过调整平滑滤波器显示颜色以到达鱼体完整性及其行为连续性;
(e)数据阈值设定,一般设置:颜色最小显示:8,范围:50,配色方案:通常选EK500,然后根据自身数据特征,通过手动调整参数使其达到效果最优;
(f)多波束卷积计算,一般多使用3X3中值滤波进行平滑,中值滤波输出为g(x,y)=med{f(x-k,y-l),(k,l∈W)},其中,f(x,y)、g(x,y)分别为原始映像和处理后映像,W为二维模板,3X3区域;
S3、多波束目标检测,首先设置目标属性,通过波束的目标长度、
目标区域、目标紧密度、目标直径这些阈值进行多波束目标检测;
S4、目标转换,将多波束数据转换为单波束数据,然后进行鱼体
追踪。
本实施例中,所述步骤S3中目标是通过相邻数据点组群创建的,通过设定阈值来限定显示的目标。
以2013年5月长洲鱼道监测数据为例,首先将.ddf的声学数据导入Echoview软件中,然后进行以下步骤:
1.背景噪声提取,本示例数据时长20分钟,共131ping,通过观察回波图,选取空白背景噪声ping113-116作为背景噪声操作项,然后同过线性相减将背景噪声从原始数据中剔除掉;
2.定义目标,调整回波图颜色,通过观察达到数据显示最佳效果,其参数为:颜色最小显示:9,范围:40,配色方案:通常选EK500。然后通过3X3中值滤波来平滑图像,因为中值滤波不会影响到鱼体形状。
3.多波束目标检测
1)从多波束数据中产生多波束目标,目标是通过相邻数据点组群创建的,且不设阈值。生成的每个目标都对应于数据点组群有一个范围及主轴角;
2)设置目标属性:结合数据特点,选择目标长度来进行目标分类,结合鱼道渔获物体长信息,设置最小体长阈值为5cm。
4.目标转换,将多波束数据转换为单体目标数据,然后进行鱼体追踪,便可获得鱼类信息,如鱼类数量、体长、游泳速度、分布情况等。结果显示:鱼道中鱼类平均游泳速度为(0.6784±0.3027)m/s,平均体长为(18.488±7.310)cm,鱼类通过密度为75ind/min。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (2)
1.一种双频识别声纳数据处理方法,其特征在于,包括以下步骤:
S1、背景噪声提取,通过观察回波映像,选择典型的空白背景图像作为背景噪声操作项并求每ping的平均值,然后从原始数据中将其提取出去;
S2、定义目标,目标的定义主要通过以下途径:
(a)回波图颜色的设定,通过调整平滑滤波器显示颜色以到达鱼体完整性及其行为连续性;
(b)数据阈值设定,一般设置:颜色最小显示:8,范围:50,配色方案:通常选EK500,然后根据自身数据特征,通过手动调整参数已达到效果最优;
(c)多波束卷积计算,一般多使用3X3中值滤波进行平滑,中值滤波输出为g(x,y)=med{f(x-k,y-l),(k,l∈W)},其中,f(x,y)、g(x,y)分别为原始映像和处理后映像,W为二维模板,3X3区域;
S3、多波束目标检测,首先设置目标属性,通过波束的目标长度、目标区域、目标紧密度、目标直径这些这些阈值进行多波束目标检测;
S4、目标转换,将多波束数据转换为单波束数据,然后进行鱼体追踪。
2.如权利要求1所述的一种双频识别声纳数据处理方法,其特征在于,所述步骤S3中目标是通过相邻数据点组群创建的,通过设定阈值来限定显示的目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710004590.9A CN106680800B (zh) | 2017-01-04 | 2017-01-04 | 一种双频识别声纳数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710004590.9A CN106680800B (zh) | 2017-01-04 | 2017-01-04 | 一种双频识别声纳数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106680800A true CN106680800A (zh) | 2017-05-17 |
CN106680800B CN106680800B (zh) | 2019-04-02 |
Family
ID=58850183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710004590.9A Active CN106680800B (zh) | 2017-01-04 | 2017-01-04 | 一种双频识别声纳数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106680800B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108957462A (zh) * | 2018-05-22 | 2018-12-07 | 中国海洋大学 | 一种基于平坦海底的多波束水体数据处理方法 |
CN110488304A (zh) * | 2018-04-14 | 2019-11-22 | 科达澳克托普斯集团公司 | 伪随机频率声纳ping脉冲生成 |
CN112116027A (zh) * | 2020-09-29 | 2020-12-22 | 宁波工程学院 | 一种基于oct成像图像的光学强度及梯度的皮肤癌分类方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867292A (zh) * | 2012-09-04 | 2013-01-09 | 河海大学常州校区 | 一种针对多波束前视声纳成像数据的阶梯形均值滤波方法 |
WO2013063531A2 (en) * | 2011-10-26 | 2013-05-02 | Flir Systems, Inc. | Wideband sonar receiver and sonar signal processing algorithms |
CN103616693A (zh) * | 2013-11-22 | 2014-03-05 | 江苏科技大学 | 探渔声纳及声纳回波信号处理方法 |
CN104808211A (zh) * | 2014-12-12 | 2015-07-29 | 南阳理工学院 | 一种用于测量鱼游动轨迹的探测器 |
-
2017
- 2017-01-04 CN CN201710004590.9A patent/CN106680800B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013063531A2 (en) * | 2011-10-26 | 2013-05-02 | Flir Systems, Inc. | Wideband sonar receiver and sonar signal processing algorithms |
CN102867292A (zh) * | 2012-09-04 | 2013-01-09 | 河海大学常州校区 | 一种针对多波束前视声纳成像数据的阶梯形均值滤波方法 |
CN103616693A (zh) * | 2013-11-22 | 2014-03-05 | 江苏科技大学 | 探渔声纳及声纳回波信号处理方法 |
CN104808211A (zh) * | 2014-12-12 | 2015-07-29 | 南阳理工学院 | 一种用于测量鱼游动轨迹的探测器 |
Non-Patent Citations (3)
Title |
---|
WEI SHEN ET AL.: "The Survey of Fishery Resources and Spatial Distribution Using DIDSON Imaging Sonar Data", 《COMPUTER AND COMPUTING TECHNOLOGIES IN AGRICULTURE VI——6TH IFIP WG 5.14 INTERNATIONAL CONFERENCE(CCTA2012) PART I》 * |
张进: "基于双拼识别声纳DIDSON的鱼群定量评估技术", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
简夏等: "基于DIDSON的鱼群数量统计算法", 《科技视界》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110488304A (zh) * | 2018-04-14 | 2019-11-22 | 科达澳克托普斯集团公司 | 伪随机频率声纳ping脉冲生成 |
CN108957462A (zh) * | 2018-05-22 | 2018-12-07 | 中国海洋大学 | 一种基于平坦海底的多波束水体数据处理方法 |
CN108957462B (zh) * | 2018-05-22 | 2022-03-22 | 中国海洋大学 | 一种基于平坦海底的多波束水体数据处理方法 |
CN112116027A (zh) * | 2020-09-29 | 2020-12-22 | 宁波工程学院 | 一种基于oct成像图像的光学强度及梯度的皮肤癌分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106680800B (zh) | 2019-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107393542B (zh) | 一种基于双通道神经网络的鸟类物种识别方法 | |
Roch et al. | Automated extraction of odontocete whistle contours | |
CN111341303B (zh) | 一种声学模型的训练方法及装置、语音识别方法及装置 | |
CN106680800A (zh) | 一种双频识别声纳数据处理方法 | |
CN105046710A (zh) | 基于深度图分割与代理几何体的虚实碰撞交互方法及装置 | |
Li et al. | End-to-end learning of deep convolutional neural network for 3D human action recognition | |
Mallawaarachchi et al. | Spectrogram denoising and automated extraction of the fundamental frequency variation of dolphin whistles | |
Beal et al. | Audio-video sensor fusion with probabilistic graphical models | |
CN110020715B (zh) | 利用波动和脉冲信号混合编码的神经网络识别方法与装置 | |
Gajęcki et al. | Deep learning models to remix music for cochlear implant users | |
CN107730526A (zh) | 一种鱼群数量的统计方法 | |
CN114663685B (zh) | 一种行人重识别模型训练的方法、装置和设备 | |
CN110147837B (zh) | 基于特征聚焦的任意方向密集目标检测方法、系统及设备 | |
CN109472764A (zh) | 图像合成和图像合成模型训练的方法、装置、设备和介质 | |
CN110728636A (zh) | 一种基于生成式对抗网络的蒙特卡洛渲染图去噪模型、方法及装置 | |
CN104952450A (zh) | 远场识别的处理方法和装置 | |
CN112132797A (zh) | 一种短视频质量筛选方法 | |
Zou et al. | Adversarial training for solving inverse problems in image processing | |
Wolff et al. | Imaging sonar-based fish detection in shallow waters | |
CN116309921A (zh) | 基于cuda技术的延迟求和声成像并行加速方法 | |
CN104780341B (zh) | 一种信息处理方法以及信息处理装置 | |
CN115188039A (zh) | 一种基于图像频域信息的深度伪造视频技术溯源方法 | |
CN111325696B (zh) | 一种基于正态分布区间估计的水声图像混响抑制方法 | |
Maulana | The utilization of Gaussian filter method on voice record frequency noise | |
Choi et al. | Fast super-resolution algorithm using ELBP classifier |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |