CN107784667A - 基于并行的全球海洋中尺度涡快速识别算法 - Google Patents

基于并行的全球海洋中尺度涡快速识别算法 Download PDF

Info

Publication number
CN107784667A
CN107784667A CN201610714546.2A CN201610714546A CN107784667A CN 107784667 A CN107784667 A CN 107784667A CN 201610714546 A CN201610714546 A CN 201610714546A CN 107784667 A CN107784667 A CN 107784667A
Authority
CN
China
Prior art keywords
vortex
sla
global
eddy
region
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
Application number
CN201610714546.2A
Other languages
English (en)
Other versions
CN107784667B (zh
Inventor
田丰林
刘颖洁
陈戈
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ocean University of China
Original Assignee
Ocean University of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ocean University of China filed Critical Ocean University of China
Priority to CN201610714546.2A priority Critical patent/CN107784667B/zh
Publication of CN107784667A publication Critical patent/CN107784667A/zh
Application granted granted Critical
Publication of CN107784667B publication Critical patent/CN107784667B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于并行的全球海洋中尺度涡快速识别算法。该算法基于天平均的海洋动力场海平面高度异常（SLA）卫星高度计数据，首先对数据进行高通滤波处理，然后将全球划分成若干个区域，每个区域与周围区域有重叠区域。识别每一个区域的涡旋种子点并生成SLA等高线，对SLA等高线进行迭代，判断是否满足涡旋边界条件进行涡旋识别。基于并行计算对多块区域同时进行涡旋识别，当所有的区域都完成涡旋识别后，合并其涡旋识别结果，并将相邻区域的重叠区域的重复涡旋剔除掉，从而实现全球海洋中尺度涡的识别。

Description

基于并行的全球海洋中尺度涡快速识别算法
技术领域
本发明属于海洋可视化领域，具体涉及一种基于并行的全球海洋中尺度涡快速识别算法。
背景技术
从 20 世纪 70年代以来，中尺度涡方面的研究越来越成为物理海洋学家关注的热点和焦点。由于中尺度涡可以引起温度跃层以及盐度跃层垂向位置的变化, 所以无论在大洋动力学等理论研究方面还是国防军事等实际应用方面，都具有很高的研究价值和意义。
对海洋中尺度涡识别提取的方法有多种，目前常见的涡旋识别方法有SeaSurface Height(SSH)法、Okubo-Weiss (OW)法、Vector Geometry (VG)法和HybirdDetection (HD)法等。
(1) SSH法:该方法以最外圈的闭合等值线为涡旋边界,再以涡旋边界内的SSH局地极值为涡旋中心，无阈值的SSH法虽增强了程序的自动性，但运算量大。
(2) OW法：OW法以W值作为物理参数，W值是由SSH计算得到的。将-0.2σw（σw为整个W场的标准差)作为阈值，判断检测区域是否为涡旋。OW法从中尺度涡的物理性质出发定义判别标准,更能揭示中尺度涡的物理本质,但却存在明显的缺陷。第一，在赤道附近科氏力是趋于0，因此，由SLA和科氏力以及重力加速度计算得到的OW参数不正确。第二，W场会产生很多噪点,往往被误判为涡旋。第三，不同阈值得到的结果波动很大。
(3) VG法:该方法检测得到的涡心为涡流速率最小的网格点,涡边则是对应着最大平均旋转速度的闭合流线。该方法在准确率方面比OW法有优势，但其检测过程较复杂。
(4) HD法:是0W法和SSH法的混合。先以SSH局地极值和“涡核”(W<-0.2σw)确定涡心,再以包含“涡核”的最内圈闭合SSH等值线为涡边,最后确定“多核结构”及其边界。
采用以上方法进行涡旋识别中，都会出现运算量大，中尺度涡识别速率低的，导致无法进行大区域中尺度涡旋的快速识别的问题。
发明内容
本发明的技术效果能够克服上述缺陷，提供一种基于并行的全球海洋中尺度涡快速识别算法。基于并行计算识别全球海洋中尺度涡，实现涡旋快速准确识别。为实现上述目的，本发明采用如下技术方案，具体步骤为：
（1）对全球海平面高度异常（SLA）数据进行高通滤波，然后将过滤后的全球SLA图像分割为若干区域，得到多个区域的SLA图像数据。
（2）对分割后的每个区域SLA数据，提取其涡旋种子点。
（3）生成SLA等高线并对其进行迭代，判断SLA等高线是否满足涡旋边界的判定条件，从而得到中尺度涡旋边界和涡心。
（4）基于并行计算对每个区域进行（2）（3）步骤，并将每个区域识别得到的涡旋识别结果进行合并，最终得到全球海洋中尺度涡识别结果。
上述步骤（1）中，将全球SLA图像先进行高通滤波，然后将滤波后的图像分割为若干相同大小的区域，每个区域又分成两部分："inner block" （图1中A/B区域）和 "outerblock"（图1中C区域）。
上述步骤（2）中，首先每块区域的SLA数据进行八邻域极值判断，分别得到冷涡种子点（极小值）和暖涡种子点（极大值）。
上述步骤（3）中，从提取到的涡旋种子点的极小值到极大值生成SLA等高线，判断SLA等高线是否满足涡旋边界判定条件（振幅、大小、形状等），若满足条件，则认为该SLA等高线为涡旋边界，其包含的涡旋种子点为涡心。
上述步骤（4）中，基于并行计算对划分的若干区域同时进行涡旋识别，合并所有区域的涡旋，并将相邻区域的"outer block"中的重复涡旋（如图1中E1和E2）剔除掉，最终实现全球海洋中尺度涡的识别。
本发明的有益效果在于：该算法通过识别涡旋种子点来确定涡旋位置，减少等高线迭代次数，提高单进程识别效率，且避免“多核结构”的出现；另外基于多进程识别全球海洋中尺度涡，能够快速得到全球涡旋的识别结果。
附图说明
图1 SLA图像分割示意图。
图2基于并行的全球海洋中尺度涡快速识别算法流程图。
具体实施方式
本发明的全球海洋中尺度涡快速识别方法（如图2所示），包括以下步骤：
（1）对全球海平面高度异常（SLA）数据进行高通滤波，然后将过滤后的全球SLA图像分割为若干区域，得到多个区域的SLA图像数据；将全球SLA图像先进行半径为5°（纬向）、10°（经向）的高通滤波，然后将滤波后的图像分割为18块相同大小的区域，每个区域又分成两部分："inner block" （图1中A/B区域）和 "outer block"（图1中C区域）。"outer block"是两个相邻区域的重叠部分，避免因为分割而丢失涡旋，因此"outer block"的大小要大于中尺度涡最大直径，这里设为10°，"inner block"的大小设为50°（经向）、52°（纬向）。
（2）对分割后的每个区域SLA数据，提取其涡旋种子点，并生成SLA等高线。
对分割后SLA区域中的每个像素进行八邻域搜索，可得到涡旋种子点：冷涡种子点（SLA极小值）和暖涡种子点（SLA 极大值）。
（3）搜索SLA等高线，判断其是否满足涡旋判定条件，得到中尺度涡旋边界和涡心；从涡旋种子点的极小值到极大值以0.25cm为间隔，生成SLA等高线。对等高线进行迭代，判断等高线是否符合以下条件：
（a）SLA等高线是否闭合；
（b）SLA等高线内是否有且只有一个涡旋种子点；
（c）对SLA等高线包围的面积进行形状测试，判断SLA等高线覆盖的区域与其同面积圆覆盖区域的偏差率是否小于55%；
（d）等高线内的像素个数否在8-1000之间;
（e）振幅即涡心和SLA等高线的SLA差的绝对值是否在1cm-150cm之间。
若SLA等高线符合上述条件，则认为该SLA等高线为涡旋边界，其包含的涡旋种子点即为涡心，若涡心的SLA值为正，则该涡旋为反气旋涡，反之为气旋涡。
（4）基于并行计算对每个区域进行（2）（3）步骤，并将每个区域识别得到的涡旋识别结果进行合并，最终得到全球海洋中尺度涡识别结果。
基于并行计算对划分的若干区域同时进行涡旋识别，直到所有区域的涡旋都识别完，合并所有区域的涡旋识别结果，并将相邻区域的"outer block"中重复涡旋剔除掉，重复涡旋是指两个涡旋之间的涡心位置相同或涡心经纬度差的绝对值之和不大于1°，将重复涡旋中半径相对小的涡旋剔除掉，如图1将E2和E3剔除，最终得到全球海洋中尺度涡的识别结果。

Claims (4)

1.基于并行的全球海洋中尺度涡快速识别算法，其特征在于包括如下步骤：
1）对全球海平面高度异常（SLA）数据进行高通滤波，然后将过滤后的全球SLA图像分割为若干区域，得到多个区域的SLA图像数据；对分割后的每个区域SLA数据，提取其涡旋种子点；生成SLA等高线并对其进行迭代，判断其是否满足涡旋判定条件，从而得到中尺度涡旋边界和涡心；基于并行计算对每个区域进行（2）（3）步骤，并将每个区域识别得到的涡旋识别结果进行合并，最终得到全球海洋中尺度涡识别结果。
2.根据权利要求1中所述的基于并行的全球海洋中尺度涡快速识别算法，其特征在于所述步骤（1）中，将全球SLA图像分割为若干相同大小的区域，每个区域又分成两部分："inner block" 和 "outer block"；"outer block"是两个相邻区域的重叠部分，避免因为分割而丢失涡旋，因此将"outer block"的大小要大于中尺度涡最大直径，这里设为10°；"inner block"的大小设为50°（经向），52°（纬向）。
3.根据权利要求1中所述的基于并行的全球海洋中尺度涡快速识别算法，其特征在于所述步骤（2）中，首先每块区域的SLA数据进行八邻域极值判断，分别得到冷涡种子点（SLA极小值）和暖涡种子点（SLA极大值）。
4.根据权利要求1中所述的基于并行的全球海洋中尺度涡快速识别算法，其特征在于所述步骤（4）中，基于并行计算对分割的若干区域同时进行涡旋识别，合并所有区域的涡旋，并将相邻区域的"outer block"的重复涡旋剔除掉，最终实现全球海洋中尺度涡的识别。
CN201610714546.2A 2016-08-24 2016-08-24 基于并行的全球海洋中尺度涡快速识别算法 Active CN107784667B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610714546.2A CN107784667B (zh) 2016-08-24 2016-08-24 基于并行的全球海洋中尺度涡快速识别算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610714546.2A CN107784667B (zh) 2016-08-24 2016-08-24 基于并行的全球海洋中尺度涡快速识别算法

Publications (2)

Publication Number Publication Date
CN107784667A true CN107784667A (zh) 2018-03-09
CN107784667B CN107784667B (zh) 2023-06-23

Family

ID=61392928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610714546.2A Active CN107784667B (zh) 2016-08-24 2016-08-24 基于并行的全球海洋中尺度涡快速识别算法

Country Status (1)

Country Link
CN (1) CN107784667B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108647392A (zh) * 2018-04-11 2018-10-12 中国海洋大学 海洋中尺度涡旋偶极子自动识别方法
CN109766817A (zh) * 2019-01-04 2019-05-17 中国人民解放军国防科技大学 一种基于活动轮廓模型的sst影像中尺度涡自动识别方法
CN109992914A (zh) * 2019-04-09 2019-07-09 中国海洋大学 面向海洋再分析数据的基于压力异常的三维中尺度涡旋识别技术
CN110097075A (zh) * 2019-03-21 2019-08-06 国家海洋信息中心 基于深度学习的海洋中尺度涡分类识别方法
CN110442661A (zh) * 2019-07-05 2019-11-12 南京大学 基于cfsr数据的冬季北太平洋地区中尺度涡旋的识别和追踪方法
CN112540748A (zh) * 2020-11-09 2021-03-23 华能新能源股份有限公司 一种基于Linux系统bash脚本控制的中尺度风能资源分析自动化运行系统
CN113434805A (zh) * 2021-07-14 2021-09-24 自然资源部第一海洋研究所 一种基于海面高度异常和旋转速度的中尺度涡识别方法
CN113507280A (zh) * 2021-06-22 2021-10-15 中国海洋大学 一种海洋第一模态罗斯贝波信号分离与提取方法
CN113821986A (zh) * 2021-11-22 2021-12-21 中国海洋大学 基于随机森林的涡旋海面信号与水下关键参数反演方法
CN114663644A (zh) * 2022-03-17 2022-06-24 北京中安智能信息科技有限公司 一种基于流函数构造的中尺度涡旋快速识别方法
CN115826089A (zh) * 2023-02-15 2023-03-21 中国海洋大学 一种基于涡旋追踪数据的东西向涡旋边界提取方法
CN119338896A (zh) * 2024-12-19 2025-01-21 浪潮智慧科技有限公司 中尺度涡旋的识别方法、系统、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008107859A1 (en) * 2007-03-08 2008-09-12 Universidade Do Minho Process for the automatic calculus of the convex or concave hull of an arbitrary set of points
CN102289594A (zh) * 2011-08-19 2011-12-21 中国科学院地理科学与资源研究所 海洋中尺度涡旋自动识别与过程重构算法
CN104915670A (zh) * 2015-04-29 2015-09-16 中国海洋大学 基于hog特征提取的全球海洋中尺度涡识别算法
CN105787284A (zh) * 2016-03-29 2016-07-20 中国海洋大学 基于混合算法的长时间序列中尺度涡旋追踪方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008107859A1 (en) * 2007-03-08 2008-09-12 Universidade Do Minho Process for the automatic calculus of the convex or concave hull of an arbitrary set of points
CN102289594A (zh) * 2011-08-19 2011-12-21 中国科学院地理科学与资源研究所 海洋中尺度涡旋自动识别与过程重构算法
CN104915670A (zh) * 2015-04-29 2015-09-16 中国海洋大学 基于hog特征提取的全球海洋中尺度涡识别算法
CN105787284A (zh) * 2016-03-29 2016-07-20 中国海洋大学 基于混合算法的长时间序列中尺度涡旋追踪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张春玲等: "北欧海中尺度涡旋特征分析", 《海洋科学进展》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108647392A (zh) * 2018-04-11 2018-10-12 中国海洋大学 海洋中尺度涡旋偶极子自动识别方法
CN108647392B (zh) * 2018-04-11 2022-05-17 中国海洋大学 海洋中尺度涡旋偶极子自动识别方法
CN109766817A (zh) * 2019-01-04 2019-05-17 中国人民解放军国防科技大学 一种基于活动轮廓模型的sst影像中尺度涡自动识别方法
CN110097075A (zh) * 2019-03-21 2019-08-06 国家海洋信息中心 基于深度学习的海洋中尺度涡分类识别方法
CN110097075B (zh) * 2019-03-21 2023-04-18 国家海洋信息中心 基于深度学习的海洋中尺度涡分类识别方法
CN109992914A (zh) * 2019-04-09 2019-07-09 中国海洋大学 面向海洋再分析数据的基于压力异常的三维中尺度涡旋识别技术
CN110442661A (zh) * 2019-07-05 2019-11-12 南京大学 基于cfsr数据的冬季北太平洋地区中尺度涡旋的识别和追踪方法
CN110442661B (zh) * 2019-07-05 2023-03-14 南京大学 基于cfsr数据的冬季北太平洋地区中尺度涡旋的识别和追踪方法
CN112540748B (zh) * 2020-11-09 2024-02-27 华能新能源股份有限公司 一种中尺度风能资源分析自动化运行系统
CN112540748A (zh) * 2020-11-09 2021-03-23 华能新能源股份有限公司 一种基于Linux系统bash脚本控制的中尺度风能资源分析自动化运行系统
CN113507280A (zh) * 2021-06-22 2021-10-15 中国海洋大学 一种海洋第一模态罗斯贝波信号分离与提取方法
CN113507280B (zh) * 2021-06-22 2022-06-07 中国海洋大学 一种海洋第一模态罗斯贝波信号分离与提取方法
CN113434805A (zh) * 2021-07-14 2021-09-24 自然资源部第一海洋研究所 一种基于海面高度异常和旋转速度的中尺度涡识别方法
CN113821986A (zh) * 2021-11-22 2021-12-21 中国海洋大学 基于随机森林的涡旋海面信号与水下关键参数反演方法
CN113821986B (zh) * 2021-11-22 2022-02-22 中国海洋大学 基于随机森林的涡旋海面信号与水下关键参数反演方法
CN114663644A (zh) * 2022-03-17 2022-06-24 北京中安智能信息科技有限公司 一种基于流函数构造的中尺度涡旋快速识别方法
CN114663644B (zh) * 2022-03-17 2025-07-08 北京中安智能信息科技有限公司 一种基于流函数构造的中尺度涡旋快速识别方法
CN115826089A (zh) * 2023-02-15 2023-03-21 中国海洋大学 一种基于涡旋追踪数据的东西向涡旋边界提取方法
CN119338896A (zh) * 2024-12-19 2025-01-21 浪潮智慧科技有限公司 中尺度涡旋的识别方法、系统、电子设备及存储介质

Also Published As

Publication number Publication date
CN107784667B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN107784667A (zh) 基于并行的全球海洋中尺度涡快速识别算法
Li et al. Automatic pavement crack detection by multi-scale image fusion
CN103871053B (zh) 一种基于视觉显著性的布匹瑕疵检测方法
CN101887586B (zh) 基于图像轮廓尖锐度的自适应角点检测方法
Yang et al. River delineation from remotely sensed imagery using a multi-scale classification approach
CN107767387B (zh) 基于可变感受野尺度全局调制的轮廓检测方法
CN101866427A (zh) 织物瑕疵检测与分类方法
Li et al. Road lane detection with gabor filters
CN103714541A (zh) 一种利用山体轮廓区域约束识别定位建筑物的方法
Zhang et al. Image processing for the analysis of an evolving broken-ice field in model testing
CN107180436A (zh) 一种改进的kaze图像匹配算法
Wang et al. Automatic fault surface detection by using 3D Hough transform
CN105005761B (zh) 一种结合显著性分析的全色高分辨率遥感图像道路检测方法
CN105678735A (zh) 一种用于雾天图像的目标显著性检测方法
CN107784311A (zh) 全球中尺度涡时空层次拓扑路径构建技术
CN110008900A (zh) 一种由区域到目标的可见光遥感图像候选目标提取方法
CN117079097A (zh) 一种基于视觉显著性的海面目标识别方法
CN102521582B (zh) 一种适用于低对比度视频的人体上半身检测及分割的方法
CN105956581B (zh) 一种快速的人脸特征点初始化方法
CN112906438A (zh) 人体动作行为的预测方法以及计算机设备
CN109961451A (zh) 一种基于边缘信息的材料晶粒组织分割方法
Magnier et al. Ridges and valleys detection in images using difference of rotating half smoothing filters
Yang et al. Fast and accurate vanishing point detection in complex scenes
Xu et al. MvKSR: Multi-View Knowledge-Guided Scene Recovery for Hazy and Rainy Degradation
Montesinos et al. A new perceptual edge detector in color images

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