CN111291327A - 一种基于分治思想的多波束海底底质分类方法 - Google Patents
一种基于分治思想的多波束海底底质分类方法 Download PDFInfo
- Publication number
- CN111291327A CN111291327A CN202010100573.7A CN202010100573A CN111291327A CN 111291327 A CN111291327 A CN 111291327A CN 202010100573 A CN202010100573 A CN 202010100573A CN 111291327 A CN111291327 A CN 111291327A
- Authority
- CN
- China
- Prior art keywords
- data
- echo intensity
- formula
- classification
- seabed
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Computation (AREA)
- Pure & Applied Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于分治思想的多波束海底底质分类方法,具体涉及海洋测绘领域。本发明主要基于入射角的多波束回波强度数据分组、统计学习的回波强度数据分类和不同分组结果匹配融合,通过回波强度数据校正、分组提取声学特征参量、分组统计学习、不同组分类结果匹配融合,从而赋予全局地理或地质标签,实现了在复杂底质分布和深海波束扇面大尺度覆盖环境下对多波束回波强度数据的准确表达,有效地提升了复杂底质分布和深海波束扇面大尺度覆盖环境下的声学海底底质分类效果。该方法显著提升了复杂底质分布和深海波束扇面大尺度覆盖环境下的声学海底底质分类准确程度和细节表达能力,在海洋测绘、海洋信息科学等方面具有重要的实际应用价值。
Description
技术领域
本发明涉及海洋测绘领域,具体涉及一种基于分治思想的多波束海底底质分类方法。
背景技术
出现于20世纪下半叶的多波束测深技术极大地推动了海洋科学研究和海洋工程建设的发展,堪称海底地形测绘最具革命性的进步。多波束系统在获取高精度海底地形信息的同时,还可以同步获得位置信息所对应的回波散射强度信息,而回波散射强度信息与海底底质的物理性质密切相关,是获取海底底质信息的有力工具,在海洋探测中具有广泛的应用前景。尽管近年来使用多波束数据进行海底底质分类已成为研究热点,但是现有研究多针对浅水或中水环境,针对深海环境的相关研究相对较少。
绝大多数现有方法在提取声学特征时,都基于特征提取区域为单一底质类型的假设。在此基础上,将多波束波束扇面所对应的多个波束测量数据作为整体进行处理,并假设其所覆盖区域内的海底底质是单一种类的,而对应的的回波测量数据源于同一种底质,进而求平均值作为该区域的特征值。在浅水环境下,由于特征提取区域面积有限,该假设往往容易满足。但是在深水环境下,由于多波束条带宽度与水深成正比的特性,其测量信号覆盖范围很大,上述假设难以成立。以3000米的典型水深为例,多波束波束开角120°,则其单侧条带扫幅宽约为5196米,即使仅使用区分度最高的40°~60°范围内回波数据,其所对应的宽度也将达到2700米。显然,在这样尺度范围的海底,均质海底的假设前提往往难以满足。
因此,在声学特征提取过程中如何有效地排除非均质底质现象的干扰,对于提高海底底质分类的准确程度十分关键。
发明内容
为了克服现有方法基于条带测量信息整体提取声学特征参量的不足,有效地提高深海环境和海底底质分布复杂环境下海底底质分类的准确程度和细节表达程度,本发明提出了一种基于分治思想的多波束海底底质分类方法。
本发明具体采用如下技术方案:
一种基于分治思想的多波束海底底质分类方法,具体包括以下步骤:
步骤1,获取施加姿态改正后的多波束水深测量数据和回波强度测量数据,并分别进行粗差剔除;
步骤2,多波束水深测量数据标准化改正,通过对多波束水深测量数据进行异常数据剔除、声线折射假象改正、动态运动残差改正、潮汐改正,获取准确的海底地形信息;
步骤3,多波束回波强度测量数据精确补偿,通过对多波束回波强度信息进行系统参数变化改正、信号脉宽影响改正、几何传播衰减改正、海水能量吸收改正、波束脚印尺寸效应改正、声照入射角度精确计算、异常数据剔除,获得精确校正后的回波强度测量信息;
步骤4,利用步骤3精确校正后的回波强度测量信息,通过对回波强度数据进行分组处理,并基于稳健估计理论,设置滑动窗口截取数据序列,独立提取各组回波强度数据的声学特征参量;
步骤5,根据海底采样真值数据,结合各组回波强度数据提取到的声学特征参量,通过对各组回波强度数据提取到的声学特征参量进行聚类分析,并将聚类分析结果进行匹配融合,为全局分类结果赋予对应的地理或地质标签,从而得到准确的海底底质分类结果。
优选地,所述步骤3中声照入射角度精确计算具体包括如下子步骤:
步骤3.1:根据多波束回波强度测量数据中的声速剖面信息,对声呐信号到达海底的波束角信息进行声速剖面改正;
基于载体姿态传感器信息改正声波波束发射角,根据测量得到的声速剖面信息,利用Snell法则计算声波到达平坦海底的入射角θi,公式如下所示:
θi=arcsin((ci/cs)sinθs) (1)
式中,ci为换能器处的声速,cs为声波到达海底时的声速,θs为声速剖面校正前声波信号的发射角;
步骤3.2:根据精确校正后的海底地形信息,对海底地形起伏效应进行补偿,得到相当于海底真实入射角θT的声波波束信号;
将公式(3)和公式(4)代入公式(2)中,得到声波波束在海底的入射角θT的计算公式,如下所示:
式中,θi表示声波到达平坦海底的入射角,A为方位角。
优选地,所述步骤3中波束脚印尺寸效应改正过程中,由于回波能量强度随传播时间增加受几何传播耗散和海水声能量吸收的影响,因此在测量过程中需要对多波束测量系统的回波信号施加时间变化增益;
根据脉冲长度ω,沿航迹方向的发射波束宽度θW,航迹正横方向的接收波束宽度θR,结合声波信号入射角θ和声波传播的距离R确定限定角θL,公式如下所示:,
根据声波信号入射角θ与限定角θL的关系,计算波束有效声照面积S,公式如下所示:
式中,c表示声速,τ表示脉冲长度;
利用波束有效声照面积S对回波强度测量值BSr进行补偿,公式如下所示:
BS=BSr+10logS (9)
式中,BS表示补偿后的回波强度值。
优选地,所述步骤4具体包括如下子步骤:
步骤4.1:根据声照入射角度精确计算结果,利用声波信号替代海底真实入射角θT,对回波强度数据进行分组;
通过将多波束系统垂直于航迹方向的角度分辨率θthere设置为回波强度数据组内最大角度差异,使得每一组组回波强度数据中各数据对应的θT之间的差异均不超过θthere;根据多波束测量开角θmax,则第一组数据所对应的θT位于[θmax-θthere,θmax],第二组数据所对应的θT位于[θmax-2×θthere,θmax-θthere],以此类推,对回波强度数据进行分组;
步骤4.2:设置尺寸为k的滑动窗口截取回波强度序列xi;
计算滑动窗口内回波强度序列xi的中值μx,公式如下所示:
μx=median(xi) (10)
式中,median(·)表示中值求取函数,i表示回波强度序列数,i=1,…,k;
计算滑动窗口内数据的标准差σx,公式如下所示:
σx=1.4826·median(abs(xi-μx)) (11)
式中,abs(·)表示绝对值求取函数,median(·)表示中值求取函数;
根据中值μx和标准差σx,识别滑动窗口中的异常值xout:
xout=(xi<μx-3σx)||(xi>μx+3σx) (12)
式中,||表示区间范围;
步骤4.3:基于稳健估计在滑动窗口所含数据中剔除识别出的异常值xout;
步骤4.4:根据最小二乘准确下的最优估计方法,使用剩余数据重新计算窗口内回波强度数据均值m作为该滑动窗口对应的声学特征值,公式如下所示:
式中,kt为剔除异常值后滑动窗口内剩余的回波强度测量值个数。
优选地,所述步骤5具体包括如下子步骤:
步骤5.1:采用聚类分析统计学习算法,各组回波强度数据提取到的声学特征参量进行无监督分类;
根据海底采样真值数据的地理标签类型,设置分类数量M;再利用最小化目标函数JL,对声学特征参量{vi,i=1,…,N}进行统计分类,得到每组数据对应的单独无监督分类结果,公式如下所示:
式中,uij表示vi属于第j类别的隶属度,cj表示类别j的聚类中心,L表示人为设置的分类调整参数,||·||表示任一声学特征值与聚类中心的相似度;
步骤5.2:根据不同组别的分类结果,结合其空间位置信息,按照相同类别空间距离相近的原则对不同组别分类结果进行匹配,得到全局范围内无地理标签的海底分类结果;
步骤5.3:使用海底采样得到的真实海底地理或地质标签,通过对各分类类别选取其空间范围内分布的海底真值数据,并以其中出现频率最高的标签类别作为该分类类别的标签,从而为全局分类结果赋予对应的地理或地质标签。
本发明具有如下有益效果:
本发明提出了一种基于分治思想的多波束海底底质分类方法,通过对多波束回波强度数据依据其真实入射角进行分组,利用分别进行统计学习的策略,有效地克服了复杂海底底质环境和深海船载测量所引起的大尺度波束扇面覆盖范围对海底底质分类所造成的影响,提升了对海底底质分类的准确性和对海底底质分布细节表达的精确性;本发明使用多波束对海底底质信息进行探测,具有重要的工程应用价值,可广泛应用在海洋测绘、海洋信息科学和海底科学领域中。
附图说明
图1为本发明一种基于分治思想的多波束海底底质分类方法流程图。
图2为本发明实施例中所使用的回波强度数据及所使用的数据校正方法的效果图;其中(a)为原始回波强度数据,(b)为进行信号脉宽影响改正、几何传播衰减改正、海水能量吸收改正、波束脚印尺寸效应改正后的效果,(c)为再次经过波束脚印尺寸效应改正后的效果。
图3为本发明实施分组统计分类结果匹配融合的示意图;其中(a)为分组统计分类结果匹配正确结果,(b)为分组统计分类结果匹配错误结果。
图4为本发明提出的声学特征提取算法与传统声学特征提取算法的效果对比图;其中类别1为深海软泥底质所对应的回波强度数据,类别2为锰结核底质所对应的回波强度数据。
图5为本发明实施例中分组分类方法相对于传统多波束海底底质分类方法在深海环境下的效果对比图;其中(a)为传统多波束海底底质分类方法效果图,(b)为本发明提出的海底底质分类方法效果图。
具体实施方式
下面结合附图和具体实施例对本发明的具体实施方式做进一步说明:
一种基于分治思想的多波束海底底质分类方法,如图1所示,采用实测的多波束回波强度测量数据进行海底底质分类,评估不同分类方法的效果,具体包括以下步骤:
步骤1,获取施加姿态改正后的多波束水深测量数据和回波强度测量数据,并分别进行粗差剔除。
步骤2,多波束水深测量数据标准化改正,通过对多波束水深测量数据进行异常数据剔除、声线折射假象改正、动态运动残差改正、潮汐改正,获取准确的海底地形信息。
步骤3,获取多波束系统参数设置,对回波强度信息进行精确补偿,获得精确校正后的回波强度测量信息;
通过对多波束回波强度信息进行系统参数变化改正、信号脉宽影响改正、几何传播衰减改正、海水能量吸收改正、波束脚印尺寸效应改正、声照入射角度精确计算、异常数据剔除,得到如图3所示的回波强度数据改正效果图,其中图2(a)为原始回波强度数据,图2(b)为进行信号脉宽影响改正、几何传播衰减改正、海水能量吸收改正、波束脚印尺寸效应改正后的效果,图2(c)为在图2(b)的基础上再次进行波束脚印尺寸效应改正后的效果。
步骤4,根据精确校正后的回波强度测量信息,通过对回波强度数据进行分组处理,并基于稳健估计理论,设置滑动窗口截取数据序列,独立提取各组回波强度数据的声学特征参量,具体过程如下:
首先,根据声照入射角度精确计算结果,利用声波信号替代海底真实入射角θT,设置回波强度数据组内最大角度差异θthere=1°,选取入射角位于左舷和右舷21~50°的范围,对回波强度数据进行分组处理,得到60组独立的回波强度数据;
其次,设置滑动窗口,计算滑动窗口内回波强度序列xi的中值μx标和标准差σx,滑动窗口内回波强度序列xi的中值μx计算公式如下所示:
μx=median(xi) (10)
式中,median(·)表示中值求取函数,i表示回波强度序列数,i=1,…,k。
滑动窗口内数据的标准差σx计算公式如下所示:
σx=1.4826·median(abs(xi-μx)) (11)
式中,abs(·)表示绝对值求取函数,median(·)表示中值求取函数。
通过计算得到本实施例中回波强度序列中值为-72.89,标准差为2.51。
根据计算得到的回波强度序列的中值μx和标准差σx设置异常值xout判别界限,如公式(12)所示,将位于判别界限之外的数据剔除;
xout=(xi<-80.42)||(xi>-65.36) (12)
最后,求取滑动窗口内剩余数据的均值作为该滑动窗口对应的声学特征值,并将本发明提出的声学特征提取算法与传统声学特征提取算法进行对比,对比结果如图4所示,通过对比发现,不同于传统声学特征提取算法以均值或中位数作为声学特征值,本方法剔除了数据中的异常值,相比于传统声学特征提取算法能够更有效的捕捉滑动窗口内部主要底质类型的声学特征值。
步骤5,根据海底采样真值数据,结合各组回波强度数据提取到的声学特征参量,通过对各组回波强度数据提取到的声学特征参量进行聚类分析,并将聚类分析结果进行匹配融合,为全局分类结果赋予对应的地理或地质标签,从而得到准确的海底底质分类结果,具体过程如下:
首先,针对各组独立的声学特征参量,使用聚类分析统计学习算法对其进行无监督分类,分类计算过程中,将分类数量M设置为3,结合海底采样数据的统计分析结果,得到每组数据对应的单独无监督分类结果;
其次,根据不同组别的分类结果,基于相邻组别不同类别之间的空间关系,以及同一类别海底底质趋向于临近分布的特点,对不同组别分类结果进行匹配融合,分组统计分类结果匹配融合示意图如图3所示,通过对不同组别分类结果进行匹配融合,得到如图5(b)所示的全局无监督分类结果,通过与图5(a)所示的传统海底底质分类方法分类结果进行对比,发现使用本发明基于分治思想的底质分类方法,可以更有效的表达不同底质类别的复杂边界细节,从而有效提升海底底质分类的准确程度。
最后,使用海底采样得到的真实海底地理/地质标签,为全局分类结果赋予对应的地理或地质标签,得到准确的海底底质分类结果;海底底质分类结果如图5(b)所示,类别1对应的地质标签为含多金属结核的沉积物,类别2对应的地质标签为深海软泥,类别3对应的地质标签为深海黏土。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。
Claims (5)
1.一种基于分治思想的多波束海底底质分类方法,其特征在于,具体包括以下步骤:
步骤1,获取施加姿态改正后的多波束水深测量数据和回波强度测量数据,并分别进行粗差剔除;
步骤2,多波束水深测量数据标准化改正,通过对多波束水深测量数据进行异常数据剔除、声线折射假象改正、动态运动残差改正、潮汐改正,获取准确的海底地形信息;
步骤3,多波束回波强度测量数据精确补偿,通过对多波束回波强度信息进行系统参数变化改正、信号脉宽影响改正、几何传播衰减改正、海水能量吸收改正、波束脚印尺寸效应改正、声照入射角度精确计算、异常数据剔除,获得精确校正后的回波强度测量信息;
步骤4,利用步骤3精确校正后的回波强度测量信息,通过对回波强度数据进行分组处理,并基于稳健估计理论,设置滑动窗口截取数据序列,独立提取各组回波强度数据的声学特征参量;
步骤5,根据海底采样真值数据,结合各组回波强度数据提取到的声学特征参量,通过对各组回波强度数据提取到的声学特征参量进行聚类分析,并将聚类分析结果进行匹配融合,为全局分类结果赋予对应的地理或地质标签,从而得到准确的海底底质分类结果。
2.如权利要求1所述的一种基于分治思想的多波束海底底质分类方法,其特征在于,所述步骤3中声照入射角度精确计算具体包括如下子步骤:
步骤3.1:根据多波束回波强度测量数据中的声速剖面信息,对声呐信号到达海底的波束角信息进行声速剖面改正;
基于载体姿态传感器信息改正声波波束发射角,根据测量得到的声速剖面信息,利用Snell法则计算声波到达平坦海底的入射角θi,公式如下所示:
θi=arcsin((ci/cs)sinθs) (1)
式中,ci为换能器处的声速,cs为声波到达海底时的声速,θs为声速剖面校正前声波信号的发射角;
步骤3.2:根据精确校正后的海底地形信息,对海底地形起伏效应进行补偿,得到相当于海底真实入射角θT的声波波束信号;
将公式(3)和公式(4)代入公式(2)中,得到声波波束在海底的入射角θT的计算公式,如下所示:
式中,θi表示声波到达平坦海底的入射角,A为方位角。
3.如权利要求1所述的一种基于分治思想的多波束海底底质分类方法,其特征在于,所述步骤3中波束脚印尺寸效应改正过程中,由于回波能量强度随传播时间增加受几何传播耗散和海水声能量吸收的影响,因此在测量过程中需要对多波束测量系统的回波信号施加时间变化增益;
根据脉冲长度ω,沿航迹方向的发射波束宽度θW,航迹正横方向的接收波束宽度θR,结合声波信号入射角θ和声波传播的距离R确定限定角θL,公式如下所示:,
根据声波信号入射角θ与限定角θL的关系,计算波束有效声照面积S,公式如下所示:
式中,c表示声速,τ表示脉冲长度;
利用波束有效声照面积S对回波强度测量值BSr进行补偿,公式如下所示:
BS=BSr+10log S (9)
式中,BS表示补偿后的回波强度值。
4.如权利要求1所述的一种基于分治思想的多波束海底底质分类方法,其特征在于,所述步骤4具体包括如下子步骤:
步骤4.1:根据声照入射角度精确计算结果,利用声波信号替代海底真实入射角θT,对回波强度数据进行分组;
通过将多波束系统垂直于航迹方向的角度分辨率θthere设置为回波强度数据组内最大角度差异,使得每一组组回波强度数据中各数据对应的θT之间的差异均不超过θthere;根据多波束测量开角θmax,则第一组数据所对应的θT位于[θmax-θthere,θmax],第二组数据所对应的θT位于[θmax-2×θthere,θmax-θthere],以此类推,对回波强度数据进行分组;
步骤4.2:设置尺寸为k的滑动窗口截取回波强度序列xi;
计算滑动窗口内回波强度序列xi的中值μx,公式如下所示:
μx=median(xi) (10)
式中,median(·)表示中值求取函数,i表示回波强度序列数,i=1,…,k;
计算滑动窗口内数据的标准差σx,公式如下所示:
σx=1.4826·median(abs(xi-μx)) (11)
式中,abs(·)表示绝对值求取函数,median(·)表示中值求取函数;
根据中值μx和标准差σx,识别滑动窗口中的异常值xout:
xout=(xi<μx-3σx)||(xi>μx+3σx) (12)
式中,||表示区间范围;
步骤4.3:基于稳健估计在滑动窗口所含数据中剔除识别出的异常值xout;
步骤4.4:根据最小二乘准确下的最优估计方法,使用剩余数据重新计算窗口内回波强度数据均值m作为该滑动窗口对应的声学特征值,公式如下所示:
式中,kt为剔除异常值后滑动窗口内剩余的回波强度测量值个数。
5.如权利要求1所述的一种基于分治思想的多波束海底底质分类方法,其特征在于,所述步骤5具体包括如下子步骤:
步骤5.1:采用聚类分析统计学习算法,各组回波强度数据提取到的声学特征参量进行无监督分类;
根据海底采样真值数据的地理标签类型,设置分类数量M;再利用最小化目标函数JL,对声学特征参量{vi,i=1,…,N}进行统计分类,得到每组数据对应的单独无监督分类结果,公式如下所示:
式中,uij表示vi属于第j类别的隶属度,cj表示类别j的聚类中心,L表示人为设置的分类调整参数,||·||表示任一声学特征值与聚类中心的相似度;
步骤5.2:根据不同组别的分类结果,结合其空间位置信息,按照相同类别空间距离相近的原则对不同组别分类结果进行匹配,得到全局范围内无地理标签的海底分类结果;
步骤5.3:使用海底采样得到的真实海底地理或地质标签,通过对各分类类别选取其空间范围内分布的海底真值数据,并以其中出现频率最高的标签类别作为该分类类别的标签,从而为全局分类结果赋予对应的地理或地质标签。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010100573.7A CN111291327B (zh) | 2020-02-19 | 2020-02-19 | 一种基于分治思想的多波束海底底质分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010100573.7A CN111291327B (zh) | 2020-02-19 | 2020-02-19 | 一种基于分治思想的多波束海底底质分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111291327A true CN111291327A (zh) | 2020-06-16 |
CN111291327B CN111291327B (zh) | 2023-04-25 |
Family
ID=71025579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010100573.7A Active CN111291327B (zh) | 2020-02-19 | 2020-02-19 | 一种基于分治思想的多波束海底底质分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111291327B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709386A (zh) * | 2020-06-22 | 2020-09-25 | 中国科学院空天信息创新研究院 | 一种水下浅地层剖面图像底质分类方法及系统 |
CN111983672A (zh) * | 2020-09-04 | 2020-11-24 | 广州海洋地质调查局 | 一种多扇区多波束回波强度处理方法及处理终端 |
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 |
CN114545422A (zh) * | 2022-04-25 | 2022-05-27 | 杭州应用声学研究所(中国船舶重工集团公司第七一五研究所) | 基于多物理特征的主动声呐目标识别方法 |
CN114663640A (zh) * | 2022-05-20 | 2022-06-24 | 自然资源部第二海洋研究所 | 基于地形地貌和构造特征的海底地理实体划定与分类方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020173916A1 (en) * | 2001-03-22 | 2002-11-21 | Bishwajit Chakraborty | Method for determining seafloor roughness using multibeam echosounder |
CN102109495A (zh) * | 2009-12-28 | 2011-06-29 | 唐秋华 | 基于多波束声纳技术的海底混合底质类型分类方法 |
CN105388465A (zh) * | 2015-12-17 | 2016-03-09 | 西安电子科技大学 | 基于海浪谱模型的海杂波模拟方法 |
CN108332816A (zh) * | 2018-01-12 | 2018-07-27 | 河海大学 | 测量河道地表水与地下水交换水量的装置及其测量方法 |
-
2020
- 2020-02-19 CN CN202010100573.7A patent/CN111291327B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020173916A1 (en) * | 2001-03-22 | 2002-11-21 | Bishwajit Chakraborty | Method for determining seafloor roughness using multibeam echosounder |
CN102109495A (zh) * | 2009-12-28 | 2011-06-29 | 唐秋华 | 基于多波束声纳技术的海底混合底质类型分类方法 |
CN105388465A (zh) * | 2015-12-17 | 2016-03-09 | 西安电子科技大学 | 基于海浪谱模型的海杂波模拟方法 |
CN108332816A (zh) * | 2018-01-12 | 2018-07-27 | 河海大学 | 测量河道地表水与地下水交换水量的装置及其测量方法 |
Non-Patent Citations (1)
Title |
---|
张国堙等: "多波束声参数在海底热液区底质分类中的应用――以东太平洋海隆"宝石山"热液区为例", 《海洋地质前沿》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709386A (zh) * | 2020-06-22 | 2020-09-25 | 中国科学院空天信息创新研究院 | 一种水下浅地层剖面图像底质分类方法及系统 |
CN111709386B (zh) * | 2020-06-22 | 2023-05-12 | 中国科学院空天信息创新研究院 | 一种水下浅地层剖面图像底质分类方法及系统 |
CN111983672A (zh) * | 2020-09-04 | 2020-11-24 | 广州海洋地质调查局 | 一种多扇区多波束回波强度处理方法及处理终端 |
CN111983672B (zh) * | 2020-09-04 | 2021-06-25 | 广州海洋地质调查局 | 一种多扇区多波束回波强度处理方法及处理终端 |
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 |
CN114429160B (zh) * | 2022-04-06 | 2022-07-05 | 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 |
CN114545422A (zh) * | 2022-04-25 | 2022-05-27 | 杭州应用声学研究所(中国船舶重工集团公司第七一五研究所) | 基于多物理特征的主动声呐目标识别方法 |
CN114545422B (zh) * | 2022-04-25 | 2022-07-19 | 杭州应用声学研究所(中国船舶重工集团公司第七一五研究所) | 基于多物理特征的主动声呐目标识别方法 |
CN114663640A (zh) * | 2022-05-20 | 2022-06-24 | 自然资源部第二海洋研究所 | 基于地形地貌和构造特征的海底地理实体划定与分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111291327B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111291327B (zh) | 一种基于分治思想的多波束海底底质分类方法 | |
CN111090103B (zh) | 水下小目标动态精细检测三维成像装置及方法 | |
EP1097393B1 (en) | Method for producing a 3d image | |
CN110412588B (zh) | 一种基于交叉阵列的目标三维信息测量方法及系统 | |
CN110132281B (zh) | 一种基于询问应答模式的水下高速目标高精度自主声学导航方法 | |
CN111537982B (zh) | 一种畸变拖曳阵线谱特征增强方法及系统 | |
CN111025273B (zh) | 一种畸变拖曳阵线谱特征增强方法及系统 | |
CN109738902B (zh) | 一种基于同步信标模式的水下高速目标高精度自主声学导航方法 | |
CN112529841B (zh) | 多波束水柱数据中海底气体羽状流处理方法、系统及应用 | |
Mohammadloo et al. | Correcting multibeam echosounder bathymetric measurements for errors induced by inaccurate water column sound speeds | |
CN115187666A (zh) | 深度学习和图像处理结合的侧扫声呐海底高程探测方法 | |
CN110907937B (zh) | 一种基于“t”型阵的掩埋物合成孔径三维成像方法 | |
CN116027349A (zh) | 基于激光雷达和侧扫声呐数据融合的珊瑚礁底质分类方法 | |
Li et al. | Automatic detection of pipelines from sub-bottom profiler sonar images | |
CN114966579A (zh) | 一种雷达系统的定标参数的获取方法及装置 | |
CN111580079A (zh) | 一种基于单矢量水听器的水下运动目标最近接近距离估计方法 | |
CN114740493A (zh) | 一种基于多线激光雷达的路沿检测方法 | |
CN111175761A (zh) | 水下机器人定位声纳数据的配准方法 | |
Hiroji | Extracting sonar relative beam patterns for multi-sector multibeam sonar | |
CN112731409B (zh) | 一种多波束测深数据优化方法 | |
CN115272461A (zh) | 一种基于先验知识的侧扫声呐图像的海底高程检测方法 | |
Carpenter et al. | Concurrent mapping and localization and map matching on autonomous underwater vehicles | |
CN110471048B (zh) | 基于声呐三维图像置信度的自适应变尺度卷积核计算方法 | |
Lingsch et al. | Acoustic imagery using a multibeam bathymetric system | |
CN112862677A (zh) | 一种同平台异源声呐的声学图像拼接方法 |
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 |