CN110988888A - 海底信息的获取方法和装置 - Google Patents
海底信息的获取方法和装置 Download PDFInfo
- Publication number
- CN110988888A CN110988888A CN201911089385.2A CN201911089385A CN110988888A CN 110988888 A CN110988888 A CN 110988888A CN 201911089385 A CN201911089385 A CN 201911089385A CN 110988888 A CN110988888 A CN 110988888A
- Authority
- CN
- China
- Prior art keywords
- information
- echo signal
- image information
- image
- energy
- 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
Images
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本文是关于一种海底信息的获取方法和装置。所述方法包括:获取船载鱼探仪对海底识别得到的回波信号的图像信息;根据所述回波信号的图像信息的能量信息,确定海底边界在所述回波信号的图像中所处的区域;在所述回波信号的图像中所处的区域中确定海底边界信息。
Description
技术领域
本文涉及信息处理领域,尤其涉及一种海底信息的获取方法和装置。
背景技术
相关技术中海底地形测量手段可分为两大类,包括利用声学手段和利用光学手段;其中:
声学手段是利用专业测绘声呐进行测量,例如,使用的设备可以为回声测深仪、多波束测深仪、侧扫声呐、或水下机器人等;
光学手段是利用主动或被动进行遥感观测。
在实际应用中,声学手段,测量精度高但成本高难以大范围连续观测;而光学手段受限于光本身在海水中的衰减效应,其相较于声波能探测的深度十分有限。其中被动光学遥感虽可利用太阳光大范围测量,但测量精度较差;主动光学遥感在0-15m水深段平均误差可以达到0.1m,但受限于飞行平台限制,其成本高,无法大范围连续观测。
发明内容
为克服相关技术中存在的任一问题,本文提供一种海底信息的获取方法和装置。
根据本文的第一方面,提供一种海底信息的获取方法,包括:
获取船载鱼探仪对海底识别得到的回波信号的图像信息;
根据所述回波信号的图像信息的能量信息,确定海底边界在所述回波信号的图像中所处的区域;
在所述回波信号的图像中所处的区域中确定海底边界信息。
在一个示例性实施例中,所述获取船载鱼探仪对海底识别得到的回波信号的图像信息,包括:
采用如下计算表达式对所述回波信号的图像信息进行图像增强操作,包括:
其中,f(x,y)表示回波信号的图像信息的灰度值,T(·)为映射函数,g(x,y)是变换后图像信息的灰度值,a表示增强系数,b表示偏移系数,E(x)表示能量信息,E0表示能量信息的阈值,其中,a和b为实数,E(x)和E0为大于0的数。
在一个示例性实施例中,所述对所述回波信号的图像信息进行图像增强操作之后,所述方法还包括
采用如下计算表达式对增强后的图像信息进行滤波处理,包括:
其中,η表示图像信息上大小为N×M的一块区域,n1为小等于N的自然数,n2为小等于M的自然数,μ为大小为N×M的图像的均值,σ2为大小为N×M的图像的方差;v2表示噪声的方差,a(n1,n2)表示图像信息中大小为N×M的区域中n1和n2共同确定的区域的均值。
在一个示例性实施例中,所述根据所述回波信号的图像信息的能量信息,确定海底边界在所述回波信号的图像中所处的区域,包括:
选取所述回波信号的图像信息中局部的图像信息;
确定所述局部的图像信息中每列的能量信息的最大值的位置;
由所述最大值的位置向两侧搜索,查找信号的数值中满足数值判断策略的目标信号的位置;
根据所述目标信号的位置,得到所述回波信号的图像信息中每列的海底边界宽度信息,将所述每列的海底边界宽度信息所确定的区域作为海底边界在所述回波信号的图像中所处的区域。
在一个示例性实施例中,所述确定所述局部的图像信息中每列的能量信息的最大值的位置之后,所述方法还包括:
计算所述最大值的位置对应的能量信息;
判断所述能量信息是否满足预设的能量充足的判断策略,得到判断结果;
如果所述判断结果满足所述能量充足的判断策略,再执行基于最大值的位置的两侧搜索。
在一个示例性实施例中,所述数值判断策略中数值的大小是根据所述最大值设置的;
所述目标信号是通过如下方式得到的,包括:
以所述最大值的位置为起点,搜索相邻两侧的信号中满足对所述数值判断策略的连续信号,将所述连续信号中距离所述最大值位置最远的信号作为目标信号。
在一个示例性实施例中,所述根据所述回波信号的图像信息的能量信息,确定海底边界在所述回波信号的图像中所处的区域之后,所述方法还包括:
获取所述回波信号的图像信息各行信号的能量最大值对应的权重;
判断每行的能量最大值与权重的乘积所述能量信息是否满足预设的能量充足的判断策略,得到判断结果;
如果所述判断结果不满足所述能量充足的判断策略,则将所述能量最大值对应的信号作为噪声,从所述回波信号的图像信息删除。
在一个示例性实施例中,所述获取所述回波信号的图像信息各行信号的能量最大值对应的权重,包括:
计算所述回波信号的图像信息中各行信号的能量总和;
从所述各行信号的能量总和中,选择能量总和最大的行作为目标行;
根据所述回波信号的图像信息各行的位置与所述目标行的距离,设置各行信号的能量最大值对应的权重;其中:
距离所述目标行距离越近的行,权重越大;
距离所述目标行距离越远的行,权重越小。
在一个示例性实施例中,通过如下计算表达式设置各行信号的能量最大值对应的权重,包括:
其中,ar表示第r行的权重;A为回波信号的图像信息中行的总数,A为正整数;0<r≤A,r为正整数,rmax为能量总和最大的行的编号。
在一个示例性实施例中,所述在所述回波信号的图像中所处的区域中确定海底边界信息,包括:
对所述回波信号的图像信息中缺失的边界信息进行补全操作;
将所述回波信号的图像信息中每m列作为一个处理单元,确定每个处理单元中各行和最大值的位置;
根据每个处理单元中各行和最大值的位置,确定所述回波信号的图像信息对应的海底深度信息。
在一个示例性实施例中,所述对所述回波信号的图像信息中缺失的边界信息进行补全操作,包括:
确定所述回波信号的图像信息在t时刻的最大值的位置r,其中t和r均为自然数;
统计时间为t~t+t0内且位置为r-r0~r+r0范围内最大值的个数,其中,t0和r0均为自然数;
如果统计得到的最大值的个数满足预设的个数判断策略,则将时间为t~t+t0内且位置为r-r0~r+r0范围内的海底边界进行补全。
根据本文的另一方面,提供一种海底信息的获取装置,包括处理器、存储器和存储于所述存储器上的计算机程序,所述处理器执行所述计算机程序时实现上文任意一项所述方法的步骤。
根据本文的另一方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被执行时实现上文任意一项所述方法的步骤。
本文通过获取船载鱼探仪对海底识别得到的回波信号的图像信息,并根据所述回波信号的图像信息的能量信息,确定海底边界在所述回波信号的图像中所处的区域,再在所述回波信号的图像中所处的区域中确定海底边界信息,可以有效降低海洋探测的成本。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本文。
附图说明
构成本文的一部分的附图用来提供对本文的进一步理解,本文的示意性实施例及其说明用于解释本文,并不构成对本文的不当限定。在附图中:
图1是根据一示例性实施例示出的一种海底信息的获取方法的流程图。
图2是根据一示例性实施例示出的海底信息的获取方法示意图。
图3是根据一示例性实施例示出的回波信号幅值一维概率密度分布示意图。
图4是根据一示例性实施例示出的发射脉冲的间隔一维概率密度分布示意图。
图5是根据一示例性实施例示出的回波图像某列局部极大值示意图。
图6是根据一示例性实施例示出的海底边界厚度示意图。
图7是根据一示例性实施例示出的经海底识别得到的声呐回波图像示意图。
图8是根据一示例性实施例示出的噪声点剔除后声呐回波图像示意图。
图9是根据一示例性实施例示出的海底边界补全示意图。
图10是根据一示例性实施例示出的深度最终提取结果的示意图。
图11是根据一示例性实施例示出的一种的计算机设备1100的框图。
具体实施方式
为使本文实施例的目的、技术方案和优点更加清楚,下面将结合本文实施例中的附图,对本文实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本文一部分实施例,而不是全部的实施例。基于本文中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本文保护的范围。需要说明的是,在不冲突的情况下,本文中的实施例及实施例中的特征可以相互任意组合。
图1是根据一示例性实施例示出的一种海底信息的获取方法的流程图。
图1所示方法包括:
步骤101、获取船载鱼探仪对海底识别得到的回波信号的图像信息;
在一个示例性实施例中,利用船载鱼探仪的声学探测手段,利用声波在海水中良好的传播性能,可以兼顾探测深度与精度,同时渔船数量众多,活动广泛,探测范围和连续性可以得到保障。
利用船载鱼探仪进行海底三维地形构建本质上是一种声学手段,同光学遥感手段相比兼具测量精度高和探测深度大的特点;同时由于鱼探仪是大多数渔船所必备的一种海洋渔业设备,且渔船数量众多,因此这种方法可以解决传统声学探测手段无法大范围连续观测的缺点,鱼探仪对于海底的探测可随渔船走行同时进行,无需大量设备安装以及专门的海洋调查航次,大大节约成本。
步骤102、根据所述回波信号的图像信息的能量信息,确定海底边界在所述回波信号的图像中所处的区域;
在一个示例性实施例中,回波信号的图像信息中海底的判定,应满足以下两个条件:海底边界应为图像信息所在列的局部最大值,即上方斜率为负,下方斜率为正;海底边界具有一点宽度,由于海底散射及沉积层的影响,回波图像中出现的海底边界不是一条线,而应有一定宽度。
步骤103、在所述回波信号的图像中所处的区域中确定海底边界信息。
本文所提供的方法实施例,通过获取船载鱼探仪对海底识别得到的回波信号的图像信息,并根据所述回波信号的图像信息的能量信息,确定海底边界在所述回波信号的图像中所处的区域,再在所述回波信号的图像中所处的区域中确定海底边界信息,可以有效降低海洋探测的成本。
本文所提供的方法通过鱼探仪回波数据,提取其中的海底信息,构建海底深度数据库,在大数据量基础上形成海底三维地形。
图2是根据一示例性实施例示出的海底信息的获取方法示意图。如图2所示,利用船载鱼探仪构建海底三维地形可以归纳为四个模块:声呐图像重构、海底识别、数据清洗与入库、三维海底地形构建。
声呐图像重构步骤:
本文所提供的方法并非重新设计鱼探仪进行海底探测,而是利用渔船上大量安装的原有设备。通过对回波信号的处理,提取其中有用信息,识别发射脉冲位置与间隔,进而重构回波图像。
具体来说该模块可以分为四步进行:
步骤A1、数据预处理;
对采集的回波信号进行降采样以及滤波处理。
鱼探仪实际工作频率有两档,分别为50kHz和200kHz,回波信号经带通滤波器后,50k和200k的部分分别被提取出来,作为输入,进入发射脉冲识别部分。
步骤A2、发射脉冲识别;
回波信号的获取仅来源于对原有船载鱼探仪信号的监测;发射脉冲的相关信息(如发射强度、发射时刻、发射间隔等信息)是未知的,需要通过对信号的处理间接获取。
图3是根据一示例性实施例示出的回波信号幅值一维概率密度分布示意图。如图3所示,以一段回波信号为例,通过回波信号幅值的一维概率密度分布p(a),寻找幅值ap,使得a=ap时,p(a)=max(p(a)),此时ap是信号幅值概率分布最大的地方,即可认为该处为当前发射脉冲幅值。
步骤A3、发射脉冲间隔识别;
在得到脉冲幅值后,寻找信号中所有脉冲位置,并对脉冲间隔进行统计,同样通过脉冲间隔的一维概率密度分布来确定。
图4是根据一示例性实施例示出的发射脉冲的间隔一维概率密度分布示意图。如图4所示,得到数量最多的脉冲间隔,即认为是该段信号中发射脉冲的间隔。
步骤A4、声呐图像重构;
通过上面的处理,可以将一段一维时序信号按照发射脉冲所在位置拆解为若干列向量,将列向量进行拼接,便可以得到原始的声呐重构图像。
自适应海底检测
相比于光学图像,声呐回波图像对比度较差,灰度值偏低,再加上噪声及混响的干扰,导致海底边界不清晰,噪声点较多,边界不连续等问题。
针对这些问题,海底识别分为四步进行:
步骤B1、图像预处理;
在声呐图像中海底一次回波是除发射脉冲外,监测信号中最强的回波,在图像增强时,只希望增强海底回波信号;同时声呐图像灰度值两极分化较为明显,在发射盲区,目标反射区的灰度值明显大于其他地方,因此直方图线性变换只在检测信号能量较大的地方进行。
上式中f(x,y)代表原始图像的灰度值,T(·)为映射函数,g(x,y)是变换后图像的灰度值,a代表增强系数,b代表偏移系数。在这里令偏移系数为0,增强系数为5。E(x)表示能量信息,E0表示能量信息的阈值,其中,a和b为实数,E(x)和E0为大于0的数。E0用以区分强回波区和弱回波区。
增强后的回波图像被污染较为严重。这里采用二维自适应滤波器对增强后的图像进行滤波处理。其基本原理如下:
对于图像上N×M的一块区域来说,其自身的均值μ和方差σ2可以写为:
上式中η代表图像中N×M大小的一块区域,二维自适应滤波器通过如下公式对图像进行还原:
其中,η表示图像信息上大小为N×M的一块区域,n1为小等于N的自然数,n2为小等于M的自然数,μ为大小为N×M的图像的均值,σ2为大小为N×M的图像的方差;v2表示噪声的方差,a(n1,n2)表示图像信息中大小为N×M的区域中n1和n2共同确定的区域的均值。噪声未知时,v2可以通过整副图像方差平均值来估计。
步骤B2、海底识别;
回波图像中海底的判定,应满足以下两个条件:海底边界应为所在列的局部最大值,即上方斜率为负,下方斜率为正;海底边界具有一点宽度,由于海底散射及沉积层的影响,回波图像中出现的海底边界不是一条线,而应有一定宽度。
所述确定海底边界在所述回波信号的图像中所处的区域,包括:
选取所述回波信号的图像信息中局部的图像信息;
确定所述局部的图像信息中每列的能量信息的最大值的位置;
由所述最大值的位置向两侧搜索,查找信号的数值中满足数值判断策略的目标信号的位置;
根据所述目标信号的位置,得到所述回波信号的图像信息中每列的海底边界宽度信息,将所述每列的海底边界宽度信息所确定的区域作为海底边界在所述回波信号的图像中所处的区域。
基于以上分析,通过三个步骤来进行海底的识别:
(1)以列为单元,寻找每一列中的局部极大值点;
图5是根据一示例性实施例示出的回波图像某列局部极大值示意图。如图5所示,以某一列为例,该列已做转置,当前列的局部极大值点应为图中所标识的1、2和3位置处;
(2)局部极大值点的能量和对应阈值进行如下判断:
计算所述最大值的位置对应的能量信息;
判断所述能量信息是否满足预设的能量充足的判断策略,得到判断结果;
如果所述判断结果满足所述能量充足的判断策略,再执行基于最大值的位置的两侧搜索。
所述数值判断策略中数值的大小是根据所述最大值设置的;
(Ek-E0)/E0>d0 (5)
上式中,d0为门限值,局部最大值点的能量需满足上式条件,否则视为虚警剔除;其中该门限值的设定由系统的检测概率和虚警率加以确定。
假设E0=100,d0=0.5,将图4中的三个局部极大值点代入公式(5),满足条件的点为1和2,点3被作为虚警剔除。
(3)由局部最大值点向两侧搜索,确定两侧相邻的连续超过局部最大值点一半的点数,由此得到该列海底边界宽度。
所述目标信号是通过如下方式得到的,包括:
以所述最大值的位置为起点,搜索相邻两侧的信号中满足对所述数值判断策略的连续信号,将所述连续信号中距离所述最大值位置最远的信号作为目标信号。
图6是根据一示例性实施例示出的海底边界厚度示意图。如图6所示,以图5中寻找到的局部极大值点2,左侧连续大于局部最大值点一半的最后一个点为169,右侧连续大于局部最大值点一半的最后一个点为190,因此海底边界的厚度如图中箭头标注所示,共4个点。
图7是根据一示例性实施例示出的经海底识别得到的声呐回波图像示意图。如图7所示,图中57m附近隐约可见海底边界,在但淹没在虚警点中,且海底边界并不连续,随后继续进行噪声点剔除与海底边界补全处理。
步骤B3、噪声点剔除;
海底边界应为连续的,在一段距离内,海底深度应集中在某一值附近,远离这一值的局部极大值点应予以剔除。
所述根据所述回波信号的图像信息的能量信息,确定海底边界在所述回波信号的图像中所处的区域之后,所述方法还包括:
获取所述回波信号的图像信息各行信号的能量最大值对应的权重;
判断每行的能量最大值与权重的乘积所述能量信息是否满足预设的能量充足的判断策略,得到判断结果;
如果所述判断结果不满足所述能量充足的判断策略,则将所述能量最大值对应的信号作为噪声,从所述回波信号的图像信息删除。
所述获取所述回波信号的图像信息各行信号的能量最大值对应的权重,包括:
计算所述回波信号的图像信息中各行信号的能量总和;
从所述各行信号的能量总和中,选择能量总和最大的行作为目标行;
根据所述回波信号的图像信息各行的位置与所述目标行的距离,设置各行信号的能量最大值对应的权重;其中:
距离所述目标行距离越近的行,权重越大;
距离所述目标行距离越远的行,权重越小。
通过如下计算表达式设置各行信号的能量最大值对应的权重,包括:
其中,ar表示第r行的权重;A为回波信号的图像信息中行的总数,A为正整数;0<r≤A,r为正整数,rmax为能量总和最大的行的编号。
具体做法是:
(1)对回波图像各行求和,将二维矩阵变换为一维列向量,剔除发射脉冲盲区后,找到列向量中最大值,以图6为例,可以想见,在各行求和后,最大值点位置应在57m附近,实际计算结果为56.3m,该图像共6250行,56.35m所处的行为第2815行。
(2)第2825行对应深度处回波能量加权值为1,离该深度越远加权值越小,海底海面处为0,由此可以确定每行回波能量的加权系数如下:
其中,0<r<6250代表回波图像的行,rmax=2815为权重最大的行,ar为各行对应的权重值。
(3)将加权值与局部最大值点能量值相乘,再次重复公式(5),将不满足条件的局部最大值点当做噪声剔除。
图8是根据一示例性实施例示出的噪声点剔除后声呐回波图像示意图。
步骤B4、海底边界补全与海深提取;
由于信号本身起伏及噪声干扰等因素,在噪声点剔除的过程中,海底边界有可能被剔除,或该处边界原本已淹没在噪声中。这时需要对海底边界进行补全。具体处理方法如下:
(1)搜索t时刻局部最大值点的位置,假设该点的在本列中的位置为rt,若未找到,跳到步骤(4),若找到继续执行步骤(2);
(2)统计t~t+t0,r-r0~r+r0范围内局部极大值点的个数N,如果N≥N0,则认为该点是海底边界点;继续执行步骤(3),否则跳到步骤(4)。
图9是根据一示例性实施例示出的海底边界补全示意图。如图9所示,t时刻局部最大值位置在r处,取t0=5,r0=2,N=5则在t~t+t0,r-r0~r+r0范围内有效海底边界点个数为5,满足N≥N0的条件,因此执行步骤(3),将海底边界补全;
(3)将t~t+t0,r-r0~r+r0范围内的海底边界进行补全;
(4)使t=t+1,从(1)开始重复执行。
经过上述三步处理,已经获得了边界较为清晰的回波图像。根据系统三维地形构建精度,将每m列作为一个处理单元,找出行和最大的位置,当做这一段回波图像代表的海底深度
图10是根据一示例性实施例示出的深度最终提取结果的示意图。经本步骤处理后,得到图7的海底边界如图10所示。
数据清洗与入库
在获得海深数据后,通过数据库对数据进行保存,具体实现步骤如下:
步骤C1、无效数据剔除;
通过鱼探仪数据处理得到的海深,其位置虽具有随机性(无法预知渔船位置),但也有规律,渔船的航行总是沿着某条航线走的,因此某段时间内系统处理所获得的数据也通常是某条航线上的,即经纬度是连续的。根据这一规律,某条船某段时间内产生的数据,经处理后,其对应海深的变化应该是连续的。算法通过对各个点偏离海深变化趋势的程度,剔除异常值,保证入库数据的准确性。
步骤C2、数据入库;
利用预先存储的数据库表结构用于深度数据的存储,表中经度纬度作为联合主键,以方便后续进行基于经纬度的快速检索。具体参见表1所示的数据库表结构:
序号 | 字段号 | 字段标识 | 类型及长度 | 单位 | 可否空 | 主键 |
1 | 网格经度 | LOG | N(7) | °’‘’ | Not null | Y |
2 | 网格纬度 | LAG | N(6) | °’‘’ | Not null | Y |
3 | 时间 | TIME | DATETIME | Not Null | ||
4 | 深度 | DEPTH | N(4) | m | Null |
表1
三维海底地形重构
在数字高程建模中,三角网被视为最基本的一种网络,它既可适应规则的数据,也可适应离散的数据;既可通过对三角网的内插构建规则格网网络,也可根据三角网生成连续或光滑表面。因此本模块中三维地形的构建采用三角网格方法,构建后的数据通过Qt中的Q3DSurface进行可视化。
步骤D1、三角网格构建;
三角形被公认为是在所有图形中最为基本的单元。由于三角形在大小和形状方面都有很大的灵活性,因此三角形的表面建模可适用于所有的数据结构,这种建模方法可很轻易地融合生成线、断裂线或其他任何数据。
三维地形数据来源是前面三个模块积累得到的海深数据。由于数据的随机性,其分布是不规则的,对于不规则三角网格模型,在进行网格划分时,需满足以下三个条件:唯一性;三角形几何形状尽量接近等边三角形;利用最邻近点构建新的三角形以保证边长之和最小。具体来说可以分为以下两个步骤:
首先生成一个足够大的多边形,该多边形应足以包围所有该系统可能覆盖的经纬度范围,将该多边形作为初始多边形;
对于新加入的点,首先寻找距离该点最近的一个已知点,连成一条直线,然后寻找距离该直线最近的点,形成三角形,即实现对新点的定位,将原来一个三角网格划分成新的三个三角网格,由此实现对网格的更新;
步骤D2、可视化实现;
为体现地貌立体感强、生动形象、直观易读。海底地形的绘制采用QtDataVisulization模块中Q3DSurface模块,绘制3D晕渲图,辅助绘制海深为0m的海平面,更加直观的显示感兴趣区域的海深对比细节。
具体显示形式分为两种,选定航线上的地形二维曲线变化和圈定海域的三维地形变化。具体操作如下:
通过鼠标或者输入框选定某条航线的起点和终点经纬度坐标,确认后以二维曲线的形式绘制航线起点到终点的海底地形的起伏变化;
绘制三维地形时,通过鼠标或者输入框输入感兴趣海域的对角顶点经纬度坐标,确认后以三维曲面的形式绘制海底地形,辅助绘制海平面,更直观的显示海底深度变化的对比度。
本文所提供的方法提出的利用船载鱼探仪进行海底三维地形构建,即兼顾了声学探测手段的精度,又充分利用了渔船覆盖范围的特点,实现了大范围可持续探测。
提出了自适应海底检测算法
针对回波图像对比度较差,灰度值偏低,噪声干扰大的特点。算法首先对图像进行增强并采用自适应滤波器去噪;随后通过局部极大值点与图像背景强度的比较,得到初步的海底边界识别结果;在该结果的基础上给予不同位置不同的权重值,再次对可能存在的噪声点进行滤除,并结合某段时刻的图像特征来对缺失的边界进行补齐,最终得到清晰的海底边界图像;在该图像的基础上计算出某时刻海底深度。由于本文对海底边界检测进行了针对性优化,并在每个环节都采用复杂度尽可能低的运算方法,使得算法总体运算量小,提高处理速度;并且该算法不需要先验信息,能够快速准确地定位海底深度。
图11是根据一示例性实施例示出的一种的计算机设备1100的框图。例如,计算机设备1100可以被提供为一服务器。参照图11,计算机设备1100包括处理器1101,处理器的个数可以根据需要设置为一个或者多个。计算机设备1100还包括存储器1102,用于存储可由处理器1101的执行的指令,例如应用程序。存储器的个数可以根据需要设置一个或者多个。其存储的应用程序可以为一个或者多个。处理器1101被配置为执行指令,以执行上述方法。
本领域技术人员应明白,本文的实施例可提供为方法、装置(设备)、或计算机程序产品。因此,本文可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本文可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质,包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质等。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
本文是参照根据本文实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。
尽管已描述了本文的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本文范围的所有变更和修改。
显然,本领域的技术人员可以对本文进行各种改动和变型而不脱离本文的精神和范围。这样,倘若本文的这些修改和变型属于本文权利要求及其等同技术的范围之内,则本文的意图也包含这些改动和变型在内。
Claims (13)
1.一种海底信息的获取方法,其特征在于,包括:
获取船载鱼探仪对海底识别得到的回波信号的图像信息;
根据所述回波信号的图像信息的能量信息,确定海底边界在所述回波信号的图像中所处的区域;
在所述回波信号的图像中所处的区域中确定海底边界信息。
4.根据权利要求1所述的方法,其特征在于,所述根据所述回波信号的图像信息的能量信息,确定海底边界在所述回波信号的图像中所处的区域,包括:
选取所述回波信号的图像信息中局部的图像信息;
确定所述局部的图像信息中每列的能量信息的最大值的位置;
由所述最大值的位置向两侧搜索,查找信号的数值中满足数值判断策略的目标信号的位置;
根据所述目标信号的位置,得到所述回波信号的图像信息中每列的海底边界宽度信息,将所述每列的海底边界宽度信息所确定的区域作为海底边界在所述回波信号的图像中所处的区域。
5.根据权利要求4所述的方法,其特征在于,所述确定所述局部的图像信息中每列的能量信息的最大值的位置之后,所述方法还包括:
计算所述最大值的位置对应的能量信息;
判断所述能量信息是否满足预设的能量充足的判断策略,得到判断结果;
如果所述判断结果满足所述能量充足的判断策略,再执行基于最大值的位置的两侧搜索。
6.根据权利要求4所述的方法,其特征在于:
所述数值判断策略中数值的大小是根据所述最大值设置的;
所述目标信号是通过如下方式得到的,包括:
以所述最大值的位置为起点,搜索相邻两侧的信号中满足对所述数值判断策略的连续信号,将所述连续信号中距离所述最大值位置最远的信号作为目标信号。
7.根据权利要求1所述的方法,其特征在于,所述根据所述回波信号的图像信息的能量信息,确定海底边界在所述回波信号的图像中所处的区域之后,所述方法还包括:
获取所述回波信号的图像信息各行信号的能量最大值对应的权重;
判断每行的能量最大值与权重的乘积所述能量信息是否满足预设的能量充足的判断策略,得到判断结果;
如果所述判断结果不满足所述能量充足的判断策略,则将所述能量最大值对应的信号作为噪声,从所述回波信号的图像信息删除。
8.根据权利要求7所述的方法,其特征在于,所述获取所述回波信号的图像信息各行信号的能量最大值对应的权重,包括:
计算所述回波信号的图像信息中各行信号的能量总和;
从所述各行信号的能量总和中,选择能量总和最大的行作为目标行;
根据所述回波信号的图像信息各行的位置与所述目标行的距离,设置各行信号的能量最大值对应的权重;其中:
距离所述目标行距离越近的行,权重越大;
距离所述目标行距离越远的行,权重越小。
10.根据权利要求7所述的方法,其特征在于,所述在所述回波信号的图像中所处的区域中确定海底边界信息,包括:
对所述回波信号的图像信息中缺失的边界信息进行补全操作;
将所述回波信号的图像信息中每m列作为一个处理单元,确定每个处理单元中各行和最大值的位置;
根据每个处理单元中各行和最大值的位置,确定所述回波信号的图像信息对应的海底深度信息。
11.根据权利要求10所述的方法,其特征在于,所述对所述回波信号的图像信息中缺失的边界信息进行补全操作,包括:
确定所述回波信号的图像信息在t时刻的最大值的位置r,其中t和r均为自然数;
统计时间为t~t+t0内且位置为r-r0~r+r0范围内最大值的个数,其中,t0和r0均为自然数;
如果统计得到的最大值的个数满足预设的个数判断策略,则将时间为t~t+t0内且位置为r-r0~r+r0范围内的海底边界进行补全。
12.一种海底信息的获取装置,其特征在于,包括处理器、存储器和存储于所述存储器上的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-11中任意一项所述方法的步骤。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被执行时实现如权利要求1-11中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911089385.2A CN110988888B (zh) | 2019-11-08 | 2019-11-08 | 海底信息的获取方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911089385.2A CN110988888B (zh) | 2019-11-08 | 2019-11-08 | 海底信息的获取方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110988888A true CN110988888A (zh) | 2020-04-10 |
CN110988888B CN110988888B (zh) | 2021-10-29 |
Family
ID=70083845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911089385.2A Active CN110988888B (zh) | 2019-11-08 | 2019-11-08 | 海底信息的获取方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110988888B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113589294A (zh) * | 2021-07-20 | 2021-11-02 | 武汉船舶通信研究所(中国船舶重工集团公司第七二二研究所) | 一种水下浅地层剖面数据的处理方法、系统、设备及介质 |
CN114429160A (zh) * | 2022-04-06 | 2022-05-03 | 中国科学院烟台海岸带研究所 | 一种基于回声探测的人工鱼礁堆分布特征分析方法 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101109715A (zh) * | 2007-08-01 | 2008-01-23 | 北京理工大学 | 光学测孔内壁疵病的方法 |
CN101329725A (zh) * | 2008-07-30 | 2008-12-24 | 电子科技大学 | 基于梯度投影和形态学的指纹图像分割方法 |
CN101364302A (zh) * | 2008-09-28 | 2009-02-11 | 西安理工大学 | 一种散焦模糊图像的清晰化处理方法 |
CN101689296A (zh) * | 2007-04-19 | 2010-03-31 | 电子地图有限公司 | 用于产生道路信息的方法及设备 |
CN102322938A (zh) * | 2011-08-22 | 2012-01-18 | 华南理工大学 | 压电柔性板结构振动的视觉测量装置及控制方法 |
IT1394049B1 (it) * | 2009-04-16 | 2012-05-25 | Milano Politecnico | Sistema e metodo di rilevamento per la misura dei fenomeni di variazione altimetrica dei fondali marini |
CN102501140A (zh) * | 2011-11-22 | 2012-06-20 | 南京航空航天大学 | 一种球头铣刀定位及磨损监测方法 |
CN102819568A (zh) * | 2012-07-18 | 2012-12-12 | 哈尔滨工程大学 | 基于地形采样点位置的海底地形数据建立方法 |
CN103426157A (zh) * | 2012-05-17 | 2013-12-04 | 成都方程式电子有限公司 | 图像有效区域的扫描方法及装置 |
CN103916676A (zh) * | 2012-12-31 | 2014-07-09 | 华为技术有限公司 | 一种边界强度确定方法、去块效应滤波方法、及装置 |
US20140254324A1 (en) * | 2013-03-11 | 2014-09-11 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | System and method for classification of objects from 3d reconstruction |
CN104197902A (zh) * | 2014-09-12 | 2014-12-10 | 国家海洋局第二海洋研究所 | 一种利用单景高分辨率光学遥感图像提取浅海地形的方法 |
CN104504668A (zh) * | 2014-12-30 | 2015-04-08 | 宇龙计算机通信科技(深圳)有限公司 | 含有人脸的图像加锐方法及装置 |
CN104808246A (zh) * | 2015-05-26 | 2015-07-29 | 中国科学院声学研究所东海研究站 | 海底沉积物类型的识别方法 |
CN106909903A (zh) * | 2017-03-01 | 2017-06-30 | 河海大学常州校区 | 一种基于图像的路径识别方法及系统 |
CN107067012A (zh) * | 2017-04-25 | 2017-08-18 | 中国科学院深海科学与工程研究所 | 基于图像处理的海底地貌单元边缘智能识别方法 |
CN107219529A (zh) * | 2017-06-07 | 2017-09-29 | 国家深海基地管理中心 | 一种高精度海底地形地貌图的获取方法及系统 |
CN107632305A (zh) * | 2017-09-11 | 2018-01-26 | 河海大学 | 一种基于剖面声纳扫测技术的海底局部地形自主感知方法及装置 |
CN108872997A (zh) * | 2018-05-10 | 2018-11-23 | 国家海洋局第二海洋研究所 | 一种基于侧扫声呐数据融合与精密处理的海底线检测方法 |
CN109583280A (zh) * | 2017-09-29 | 2019-04-05 | 比亚迪股份有限公司 | 车道线识别方法、装置、设备及存储介质 |
CN109596078A (zh) * | 2019-01-28 | 2019-04-09 | 吉林大学 | 多信息融合路面谱实时测试系统和测试方法 |
CN109829919A (zh) * | 2019-01-31 | 2019-05-31 | 苏州晟成光伏设备有限公司 | 一种太阳能电池片的视觉定位方法 |
CN110263715A (zh) * | 2019-06-20 | 2019-09-20 | 常州工学院 | 一种破损车道线检测方法 |
-
2019
- 2019-11-08 CN CN201911089385.2A patent/CN110988888B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101689296A (zh) * | 2007-04-19 | 2010-03-31 | 电子地图有限公司 | 用于产生道路信息的方法及设备 |
CN101109715A (zh) * | 2007-08-01 | 2008-01-23 | 北京理工大学 | 光学测孔内壁疵病的方法 |
CN101329725A (zh) * | 2008-07-30 | 2008-12-24 | 电子科技大学 | 基于梯度投影和形态学的指纹图像分割方法 |
CN101364302A (zh) * | 2008-09-28 | 2009-02-11 | 西安理工大学 | 一种散焦模糊图像的清晰化处理方法 |
IT1394049B1 (it) * | 2009-04-16 | 2012-05-25 | Milano Politecnico | Sistema e metodo di rilevamento per la misura dei fenomeni di variazione altimetrica dei fondali marini |
CN102322938A (zh) * | 2011-08-22 | 2012-01-18 | 华南理工大学 | 压电柔性板结构振动的视觉测量装置及控制方法 |
CN102501140A (zh) * | 2011-11-22 | 2012-06-20 | 南京航空航天大学 | 一种球头铣刀定位及磨损监测方法 |
CN103426157A (zh) * | 2012-05-17 | 2013-12-04 | 成都方程式电子有限公司 | 图像有效区域的扫描方法及装置 |
CN102819568A (zh) * | 2012-07-18 | 2012-12-12 | 哈尔滨工程大学 | 基于地形采样点位置的海底地形数据建立方法 |
CN103916676A (zh) * | 2012-12-31 | 2014-07-09 | 华为技术有限公司 | 一种边界强度确定方法、去块效应滤波方法、及装置 |
US20140254324A1 (en) * | 2013-03-11 | 2014-09-11 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | System and method for classification of objects from 3d reconstruction |
CN104197902A (zh) * | 2014-09-12 | 2014-12-10 | 国家海洋局第二海洋研究所 | 一种利用单景高分辨率光学遥感图像提取浅海地形的方法 |
CN104504668A (zh) * | 2014-12-30 | 2015-04-08 | 宇龙计算机通信科技(深圳)有限公司 | 含有人脸的图像加锐方法及装置 |
CN104808246A (zh) * | 2015-05-26 | 2015-07-29 | 中国科学院声学研究所东海研究站 | 海底沉积物类型的识别方法 |
CN106909903A (zh) * | 2017-03-01 | 2017-06-30 | 河海大学常州校区 | 一种基于图像的路径识别方法及系统 |
CN107067012A (zh) * | 2017-04-25 | 2017-08-18 | 中国科学院深海科学与工程研究所 | 基于图像处理的海底地貌单元边缘智能识别方法 |
CN107219529A (zh) * | 2017-06-07 | 2017-09-29 | 国家深海基地管理中心 | 一种高精度海底地形地貌图的获取方法及系统 |
CN107632305A (zh) * | 2017-09-11 | 2018-01-26 | 河海大学 | 一种基于剖面声纳扫测技术的海底局部地形自主感知方法及装置 |
CN109583280A (zh) * | 2017-09-29 | 2019-04-05 | 比亚迪股份有限公司 | 车道线识别方法、装置、设备及存储介质 |
CN108872997A (zh) * | 2018-05-10 | 2018-11-23 | 国家海洋局第二海洋研究所 | 一种基于侧扫声呐数据融合与精密处理的海底线检测方法 |
CN109596078A (zh) * | 2019-01-28 | 2019-04-09 | 吉林大学 | 多信息融合路面谱实时测试系统和测试方法 |
CN109829919A (zh) * | 2019-01-31 | 2019-05-31 | 苏州晟成光伏设备有限公司 | 一种太阳能电池片的视觉定位方法 |
CN110263715A (zh) * | 2019-06-20 | 2019-09-20 | 常州工学院 | 一种破损车道线检测方法 |
Non-Patent Citations (8)
Title |
---|
WANG YUAN-YUAN,等: "Algorithm for seabed terrain boundary extraction based on acoustic images", 《JOURNAL OF ZHEJIANG UNIVERSITY. ENGINEERING SCIENCE》 * |
WANG, WW 等: "Intelligent identification of remnant ridge edges in region west of Yongxing Island, South China Sea", 《JOURNAL OF OCEAN UNIVERSITY OF CHINA》 * |
严俊: "多波束与侧扫声呐高质量测量信息获取与叠加", 《测绘学报》 * |
朱学芳,等: "《图像图形软件应用教程》", 30 September 2007 * |
王延江,等: "《数字图像处理》", 30 November 2016 * |
王晨明, 等: "海底地形实时绘制技术研究和实现", 《中国海洋大学学报(自然科学版)》 * |
王财政,等: "基于图像处理的深海底障碍物和地形识别及检测", 《北京科技大学学报》 * |
田云, 等: "基于X波段雷达回波图像相关性分析的浅海水深数值模拟与反演研究[", 《科学技术与工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113589294A (zh) * | 2021-07-20 | 2021-11-02 | 武汉船舶通信研究所(中国船舶重工集团公司第七二二研究所) | 一种水下浅地层剖面数据的处理方法、系统、设备及介质 |
CN114429160A (zh) * | 2022-04-06 | 2022-05-03 | 中国科学院烟台海岸带研究所 | 一种基于回声探测的人工鱼礁堆分布特征分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110988888B (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Calder et al. | Automatic processing of high‐rate, high‐density multibeam echosounder data | |
CN103033817B (zh) | 大型auv避碰用障碍物自主识别系统 | |
CN103477244B (zh) | 检测水下结构的结构变化 | |
Trzcinska et al. | Spectral features of dual-frequency multibeam echosounder data for benthic habitat mapping | |
CN110988888B (zh) | 海底信息的获取方法和装置 | |
CN107870621B (zh) | 在未知复杂海底地形环境中的自主水下机器人避碰方法 | |
CN111637874B (zh) | 一种赤潮海域多auv分层探测系统及探测方法 | |
CN105787886A (zh) | 一种基于多波束图像声纳的实时图像处理方法 | |
Lucieer et al. | Analyzing uncertainty in multibeam bathymetric data and the impact on derived seafloor attributes | |
CN116596163B (zh) | 一种基于图像探测的白姑鱼资源分布预测系统及方法 | |
Grothues et al. | High-frequency side-scan sonar fish reconnaissance by autonomous underwater vehicles | |
Johnson et al. | Seafloor map generation for autonomous underwater vehicle navigation | |
Trembanis et al. | Mesophotic coral ecosystems: a geoacoustically derived proxy for habitat and relative diversity for the leeward shelf of Bonaire, Dutch Caribbean | |
Shao et al. | Verification of echosounder measurements of thickness and spatial distribution of kelp forests | |
JP2019024377A (ja) | 藻場の種別分布と生物量の取得方法及び装置 | |
Rinne et al. | Mapping marine Natura 2000 habitats in Åland final report | |
CN111260674B (zh) | 从声呐图像中提取目标轮廓线的方法、系统及存储介质 | |
Michaels et al. | Best Practices for Implementing Acoustic Technologies to Improve Reef Fish Ecosystem Surveys: Report from the 2017 GCFI Acoustics Workshop. | |
Kracker et al. | Integration of fisheries acoustics surveys and bathymetric mapping to characterize midwater-seafloor habitats of US Virgin Islands and Puerto Rico (2008-2010) | |
Minami et al. | Quantitative mapping of kelp forests (Laminaria spp.) before and after harvest in coastal waters of the Shiretoko Peninsula, Hokkaido, Japan | |
Müller et al. | Seabed classification of the South Tasman Rise from SIMRAD EM12 backscatter data using artificial neural networks | |
CN117331125B (zh) | 一种分裂波束数据处理方法、装置、电子设备和介质 | |
KR102652601B1 (ko) | 위성영상 분석을 통한 수심 추정 시스템 및 그 방법 | |
CN118191806A (zh) | 一种基于遥感数据的海洋牧场监测方法及系统 | |
Goñi et al. | ACOUSTIC-BASED FISHERY-INDEPENDENT ABUNDANCE INDEX OF JUVENILE BLUEFIN TUNAS IN THE BAY OF BISCAY: RESULTS FROM THE FIRST FIVE SURVEYS |
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 |