CN111611975B - 基于二维海浪谱的海浪成分分区方法 - Google Patents

基于二维海浪谱的海浪成分分区方法 Download PDF

Info

Publication number
CN111611975B
CN111611975B CN202010493025.5A CN202010493025A CN111611975B CN 111611975 B CN111611975 B CN 111611975B CN 202010493025 A CN202010493025 A CN 202010493025A CN 111611975 B CN111611975 B CN 111611975B
Authority
CN
China
Prior art keywords
partition
dimensional
wave spectrum
adjacent
partitioning
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.)
Active
Application number
CN202010493025.5A
Other languages
English (en)
Other versions
CN111611975A (zh
Inventor
李秀仲
顾经纬
何宜军
刘保昌
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.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
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 Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN202010493025.5A priority Critical patent/CN111611975B/zh
Publication of CN111611975A publication Critical patent/CN111611975A/zh
Application granted granted Critical
Publication of CN111611975B publication Critical patent/CN111611975B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • 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
    • 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

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开一种基于二维海浪谱的海浪成分分区方法，该分区方法能够区分二维海浪谱中不同的海浪成分，并且采用了“边查找边分区，边查找边合并”的方法，在一定程度上解决了现有的分区方法中过度分割的问题，同时解决了现有分区方法过分依赖于图像分割技术、缺乏对实际海浪谱物理意义的考虑、对滤波较为依赖以及过滤噪声的同时会失去部分数据的问题。

Description

基于二维海浪谱的海浪成分分区方法
技术领域：
本发明涉及一种二维海浪谱不同海浪成分的分区方法，属于海洋工程领域。
背景技术：
海洋无时无刻不在运动，其运动形式多种多样，纷繁复杂，而海浪是海水运动最常见的形式之一。海浪就是海水质点在它的平衡位置附近产生一种周期性的震动运动和能量的传播，其对海上运输、沿海经济、海洋开发以及军事方面有着重要的影响。船舶在海上航行时，需要避开大浪区；而沿海地带会经常遭受大浪带来的经济损失；对于海洋开发来说，海浪又是一种取之不尽用之不竭的能源；对于军事来说，海浪对水面舰艇航行具有重要影响。因此，研究海浪有很重要的意义。
由于海洋有复杂的气象条件，会产生各种不同波长不同振幅的波浪，而这些波浪往往混合在一起，因此仅仅通过观测很难区分不同的海浪成分。二维海浪谱可以描述海浪的总能量在频率和方向上的分布，其包含了很多海浪能量成分的不同信息和特征。目前，卫星和各种现场观测仪器测量的二维海浪谱数据日益增多，通过二维海浪谱分区算法，我们可以将这些不同成分的波浪能量区分开，从而为海浪模式提供准确的数据支撑，进一步优化海浪预报精度。现有的海浪谱分区方法主要存在过度分割问题，并且其主要依赖于图像分割技术，缺乏对实际二维海浪谱物理意义的考虑、对滤波较为依赖以及过滤噪声的同时会失去部分数据的问题。
发明内容：
为解决上述问题，本发明提供一种基于二维海浪谱的海浪成分分区方法。
本发明提出的技术方案为：
一种基于二维海浪谱的海浪成分分区方法，包括如下具体步骤：
步骤一、获取目标海域的二维海浪谱，并确定所述二维海浪谱的限制关系；
步骤二、剔除所述二维海浪谱中异常部分，并判断所述二维海浪谱是否存在异常缺测值，如存在，则该二维海浪谱不完整，不对其进行分区；如不存在，则进入步骤三；
步骤三、对所述二维海浪谱去噪；
步骤四、在所述二维海浪谱没有分区的像素点中找出能量最大的像素点，如果该像素点的能量为0，则该二维海浪谱已分区完毕，进入步骤九；如果该像素点的能量不为0，则根据该像素点是否有相邻分区进行如下判断：
①如果该像素点没有相邻分区，则将该像素点划分为一个新分区；
②如果该像素点至少有1个相邻分区，则根据该像素点的相邻分区数目进行如下判断：
(a)如果该像素点仅有1个相邻分区，则判断如果该像素点合并入该相邻分区后，该相邻分区是否满足步骤1)中限制关系：如果满足，则将该像素点合并入该相邻分区；如果不满足，则将该像素点划分为一个新分区；
(b)如果该像素点至少有2个相邻分区，则判断该像素点分别合并入每个相邻分区后，是否满足步骤1)中限制关系：
(I)如果相邻分区均不满足，则将该像素点划分为一个新分区；
(II)如果仅一个相邻分区满足，则将该像素点合并入该相邻分区；
(III)如果至少两个相邻分区满足，则先将该像素点与任意一个相邻分区合并，得到一个新分区；顺次判断该新分区与下一个相邻分区是否满足步骤1)中限制关系，满足则合并成一个新分区，并以该新分区继续顺次判断下一相邻分区，不满足则直接判断下一相邻分区；直至判断完所有相邻分区；
步骤五、不断重复步骤四，直到所述二维海浪谱中有一个分区的总能量达到能量阈值，将该分区记为显著分区；
步骤六、遍历所述二维海浪谱，将所有满足与显著分区合并条件的像素点合并入该显著分区，所述满足与显著分区合并条件的像素点为与显著分区相邻、且该像素点的能量不大于与显著分区中与其相邻的像素点的能量、且没有分区的像素点；
步骤七、不断重复步骤六，直到所述二维海浪谱中不存在满足与显著分区合并条件的像素点，进入步骤八；
步骤八、将步骤七中显著分区中的所有像素点和所有与显著分区相邻的像素点中的孤立部分并入显著分区；
步骤九、存储步骤八中得到的显著分区，对所述二维海浪谱其余部分不断重复步骤四～步骤八，直到所述二维海浪谱中所有能量大于0的像素点都有分区；
步骤十、将所述二维海浪谱中所有分区按分区能量的大小进行排序，取其中能量最大的N个分区作为该二维海浪谱海浪成分分区结果。
优选地，所述异常部分为二维海浪谱中波长小于30m和波长大于600m的部分；
优选地，述限制关系包括波长波向限制关系。
优选地，步骤三中所述去噪包括如下具体步骤：
3.1)去除观测仪器导致二维海浪谱中的热噪声；
3.2)采用高斯滤波去除二维海浪谱中的随机噪声。
优选地，所述高斯滤波的高斯内核为(3,3)，高斯核函数在X和Y方向的标准偏差均为0.8。
优选地，步骤五中所述能量阈值为所述二维海浪谱总能量的5％-10％。
优选地，步骤五中所述能量阈值为所述二维海浪谱总能量的6.25％。
优选地，步骤八中所述孤立部分为相邻的三个及其以上像素点都属于同一分区的像素点以及上、下相邻或者左、右相邻的像素点都属于同一分区的像素点。
优选地，步骤十中N取3-6。
本发明相比于现有技术具有如下有益效果
本发明提出的基于二维海浪谱的海浪成分分区方法，能够区分二维海浪谱中不同的海浪成分，并且采用了“边查找边分区，边查找边合并”的方法，在一定程度上解决了现有的分区方法中过度分割的问题，同时解决了现有分区方法过分依赖于图像分割技术、缺乏对实际情况的考虑、对滤波较为依赖以及过滤噪声的同时会失去部分数据的问题。
本发明分区方法结果更多的受实际海浪谱影响，而现有技术对海浪谱使用的分水岭算法则侧重图像识别，本发明更能考虑海浪谱的实际物理意义。
本发明分区方法对于滤波的依赖是轻微的，这也就决定了本发明可以采用较小的滤波参数，从而既能过滤较明显的噪声，又不会丢失太多海浪谱数据，同时轻微的噪声也有合并算法进行处理。
附图说明：
图1为实施例中分区方法的流程示意图；
图2为实施例中步骤四的流程示意图；
图3为实施例中海浪谱波长波向限制关系示意图；
图4为实施例中采用本发明分区方法对目标海域的分区结果示意图；其中，图4(a)为第76个box左侧二维海浪谱分区结果示意图；图4(b)为第79个box左侧二维海浪谱分区结果示意图；
图5为实施例中采用超强滤波参数的方法对目标海域的分区结果示意图；其中，图5(a)为第76个box左侧二维海浪谱分区结果示意图；图5(b)为第79个box左侧二维海浪谱分区结果示意图；
图6为实施例中采用去除滤波参数的方法对目标海域的分区结果示意图；其中，图6(a)为第76个box左侧二维海浪谱分区结果示意图；图6(b)为第79个box左侧二维海浪谱分区结果示意图；
具体实施方式：
下面结合具体实施例及对应附图对本发明作进一步说明。
实施例一：
本实施例对某海域实施本发明的基于二维海浪谱的海浪成分分区方法，如图1所示，该方法包括如下具体步骤：
1)获取目标海域中法星波谱仪L2级数据中，时间为2019年8月11日21点18分53秒至22点51分39秒中两个box的左侧二维海浪谱，并确定获取二维海浪谱的波长波向限制关系。如图3所示，在不同风速情况下，二维海浪谱中各像素点满足不同的波长波向限制关系，本实施例所选二维海浪谱对应的风速为6m/s，所选二维海浪谱中各像素点均满足图3中风速为6m/s的曲线对应的波长波向限制关系。当目标海域二维海浪谱对应的风速无法获取时，该二维海浪谱中各像素点均满足无风速数据情况下的波长波向限制关系。
2)剔除二维海浪谱波长小于30m和波长大于600m的像素点，并判断该二维海浪谱是否存在异常缺测值，如存在，则该二维海浪谱不完整，不对其进行分区；如不存在，则进入步骤3；
3)对该二维海浪谱去噪，该去噪过程包括：
3.1)去除观测仪器导致二维海浪谱中的热噪声；
3.2)采用高斯滤波去除二维海浪谱中的随机噪声，其中，高斯滤波的高斯内核为(3,3)，高斯核函数在X和Y方向的标准偏差均为0.8。
4)如图2所示，在该二维海浪谱没有分区的像素点中找出能量最大的像素点max，记其位置为(maxi,maxj)，
如果该像素点max的能量为0，则该二维海浪谱已分区完毕，进入步骤9)；
如果该像素点max的能量不为0，则根据该像素点上，下，左，右四个方向，即(maxi±1,maxj±1)是否有相邻分区进行如下判断：
①如果该像素点max没有相邻分区，则将该像素点划分为一个新分区；
②如果该像素点max至少有1个相邻分区，则根据该像素点的相邻分区数目进行如下判断：
(a)如果该像素点max仅有1个相邻分区，将该相邻分区记为Part_1，并判断如果该像素点max合并入该相邻分区Part_1后，该相邻分区Part_1是否满足步骤1)中限制关系，如果满足，则将该像素点max合并入该相邻分区Part_1；如果不满足，则将该像素点max划分为一个新分区；
(b)如果该像素点max至少有2个相邻分区，记这些相邻分区的集合为Part_x，并判断如果该像素点分别合并入Part_x中各相邻分区后，合并后的对应分区是否满足步骤1)中限制关系，
(I)如果该像素点max分别合并入Part_x中各相邻分区后，合并后的对应分区均不满足步骤1)中的限制关系，则将该像素点max划分为一个新分区；
(II)如果该像素点max分别合并入各相邻分区后，仅一个合并后的对应相邻分区满足步骤1)中限制关系，则将该像素点max合并入该相邻分区；
(III)如果该像素点max分别合并入各相邻分区后，至少两个合并后的对应分区满足步骤1)中限制关系，记这些相邻分区的集合为Part_y，再将该像素点max与Part_y中任意一个相邻分区合并，得到一个新分区，并按顺时针或逆时针顺序依次判断该新分区与下一相邻分区合并后是否仍满足步骤1)中的限制关系，满足则合并成一个新分区，并以该新分区继续顺次判断下一相邻分区，不满足则直接判断下一相邻分区；直至判断完Part_y中所有相邻分区；
5)不断重复步骤4)，直到二维海浪谱中有一个分区的总能量达到能量阈值，将该分区记为显著分区；其中，能量阈值为二维海浪谱总能量5％-10％。本实施例中取6.25％。
6)遍历二维海浪谱，将所有满足与显著分区合并条件的像素点合并入该显著分区，所述满足与显著分区合并条件的像素点为与显著分区相邻、且该像素点的能量不大于与显著分区中与其相邻的像素点的能量、且没有分区的像素点；
7)不断重复步骤六，直到所述二维海浪谱中不存在满足与显著分区合并条件的像素点，进入步骤八；
8)将步骤7)中显著分区中的所有像素点和所有与显著分区相邻的像素点中的孤立部分并入显著分区；孤立部分为该像素点相邻的三个及其以上像素点都属于同一分区以及该像素点上、下相邻或者左、右相邻的像素点都属于同一分区。
9)存储步骤8)中得到的显著分区，对二维海浪谱其余部分重复步骤4～步骤8，直到二维海浪谱中所有能量大于0的像素点都有分区；
10)将二维海浪谱中所有分区按分区能量的大小进行排序，取其中能量最大的3～6个分区作为该二维海浪谱海浪成分分区结果，本实施例中取3个分区。
本实施例对目标海域的二维海浪谱分区结果如图4所示；图4(a)为第76个box左侧二维海浪谱分区结果示意图，图4(b)为第79个box左侧二维海浪谱分区结果示意图。
对比实施例一：
本对比实施例将实施例一步骤3.2)中高斯核函数在X和Y方向的标准偏差均改为18，其余步骤不变，即采用超强滤波参数的方法对相同目标海域进行分区，其分区结果如图5所示；图5(a)为第76个box左侧二维海浪谱分区结果示意图，图5(b)为第79个box左侧二维海浪谱分区结果示意图。
对比图4和图5可以发现，滤波参数的增强并不会导致分区结果有明显的差异，这是因为本发明中的步骤六～步骤八已经充分考虑了分区边界的粗糙问题，而本发明的分区方法与采用超强滤波参数分区方法相比，优势在于本发明分区方法在不丢失海浪谱数据的同时，充分考虑了海浪谱的实际物理意义，而不是单纯的依靠数学工具进行分区。
对比实施例二：
本对比实施例将实施例一步骤3.2)去除，其余步骤不变，即采用去除高斯滤波参数的方法对相同目标海域进行分区，其分区结果如图6所示；图6(a)为第76个box左侧二维海浪谱分区结果示意图，图6(b)为第79个box左侧二维海浪谱分区结果示意图。
对比图4和图6可以发现，滤波参数的去除确实导致了边界的一些粗糙，但是同样得益于步骤六～步骤八，边界的粗糙程度并不明显，并且分区的总体特征没有改变。
以上所述，仅是本发明的较佳实施例而已，不用于限制本发明，本领域技术人员可以在本发明的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明技术方案的保护范围内。

Claims (8)

1.一种基于二维海浪谱的海浪成分分区方法，其特征在于：包括如下具体步骤：
步骤一、获取目标海域的二维海浪谱，并确定所述二维海浪谱的限制关系；所述限制关系包括波长波向限制关系；
步骤二、剔除所述二维海浪谱中异常部分，并判断所述二维海浪谱是否存在异常缺测值，如存在，则该二维海浪谱不完整，不对其进行分区；如不存在，则进入步骤三；
步骤三、对所述二维海浪谱去噪；
步骤四、在所述二维海浪谱没有分区的像素点中找出能量最大的像素点，如果该像素点的能量为0，则该二维海浪谱已分区完毕，进入步骤九；如果该像素点的能量不为0，则根据该像素点是否有相邻分区进行如下判断：
①如果该像素点没有相邻分区，则将该像素点划分为一个新分区；
②如果该像素点至少有1个相邻分区，则根据该像素点的相邻分区数目进行如下判断：
（a）如果该像素点仅有1个相邻分区，则判断如果该像素点合并入该相邻分区后，该相邻分区是否满足步骤1）中限制关系：如果满足，则将该像素点合并入该相邻分区；如果不满足，则将该像素点划分为一个新分区；
（b）如果该像素点至少有2个相邻分区，则判断该像素点分别合并入每个相邻分区后，是否满足步骤1）中限制关系：
（I）如果相邻分区均不满足，则将该像素点划分为一个新分区；
（II）如果仅一个相邻分区满足，则将该像素点合并入该相邻分区；
（III）如果至少两个相邻分区满足，则先将该像素点与任意一个相邻分区合并，得到一个新分区；顺次判断该新分区与下一个相邻分区是否满足步骤1）中限制关系，满足则合并成一个新分区，并以该新分区继续顺次判断下一相邻分区，不满足则直接判断下一相邻分区；直至判断完所有相邻分区；
步骤五、不断重复步骤四，直到所述二维海浪谱中有一个分区的总能量达到能量阈值，将该分区记为显著分区；
步骤六、遍历所述二维海浪谱，将所有满足与显著分区合并条件的像素点合并入该显著分区，所述满足与显著分区合并条件的像素点为与显著分区相邻、且该像素点的能量不大于与显著分区中与其相邻的像素点的能量、且没有分区的像素点；
步骤七、不断重复步骤六，直到所述二维海浪谱中不存在满足与显著分区合并条件的像素点，进入步骤八；
步骤八、将步骤七中显著分区中的所有像素点和所有与显著分区相邻的像素点中的孤立部分并入显著分区；
步骤九、存储步骤八中得到的显著分区，对所述二维海浪谱其余部分不断重复步骤四~步骤八，直到所述二维海浪谱中所有能量大于0的像素点都有分区；
步骤十、将所述二维海浪谱中所有分区按分区能量的大小进行排序，取其中能量最大的N个分区作为该二维海浪谱海浪成分分区结果。
2.根据权利要求1所述的基于二维海浪谱的海浪成分分区方法，其特征在于：所述异常部分为二维海浪谱中波长小于30m和波长大于600m的部分。
3.根据权利要求2所述的基于二维海浪谱的海浪成分分区方法，其特征在于：步骤三中所述去噪包括如下具体步骤：
3.1）去除观测仪器导致二维海浪谱中的热噪声；
3.2）采用高斯滤波去除二维海浪谱中的随机噪声。
4.根据权利要求3所述的基于二维海浪谱的海浪成分分区方法，其特征在于：所述高斯滤波的高斯内核为(3,3)，高斯核函数在X和Y方向的标准偏差均为0.8。
5.根据权利要求1-4任一所述的基于二维海浪谱的海浪成分分区方法，其特征在于：步骤五中所述能量阈值为所述二维海浪谱总能量的5%-10%。
6.根据权利要求5所述的基于二维海浪谱的海浪成分分区方法，其特征在于：步骤五中所述能量阈值为所述二维海浪谱总能量的6.25%。
7.根据权利要求6所述的基于二维海浪谱的海浪成分分区方法，其特征在于：步骤八中所述孤立部分为相邻的三个及其以上像素点都属于同一分区的像素点以及上、下相邻或者左、右相邻的像素点都属于同一分区的像素点。
8.根据权利要求7所述的基于二维海浪谱的海浪成分分区方法，其特征在于：步骤十中N取3-6。
CN202010493025.5A 2020-06-03 2020-06-03 基于二维海浪谱的海浪成分分区方法 Active CN111611975B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010493025.5A CN111611975B (zh) 2020-06-03 2020-06-03 基于二维海浪谱的海浪成分分区方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010493025.5A CN111611975B (zh) 2020-06-03 2020-06-03 基于二维海浪谱的海浪成分分区方法

Publications (2)

Publication Number Publication Date
CN111611975A CN111611975A (zh) 2020-09-01
CN111611975B true CN111611975B (zh) 2023-05-05

Family

ID=72200262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010493025.5A Active CN111611975B (zh) 2020-06-03 2020-06-03 基于二维海浪谱的海浪成分分区方法

Country Status (1)

Country Link
CN (1) CN111611975B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112365469B (zh) * 2020-11-11 2023-05-23 中国船舶科学研究中心 一种基于Otsu阈值的二维波浪谱分割方法
CN112949220B (zh) * 2021-03-01 2022-11-11 自然资源部第一海洋研究所 一种波浪能资源评估方法、系统、存储介质、计算机设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011033529A (ja) * 2009-08-04 2011-02-17 Japan Radio Co Ltd レーダ波浪解析装置
CN103323816A (zh) * 2013-05-24 2013-09-25 南京信息工程大学 基于信息熵的导航x波段雷达海浪波高反演算方法
CN110456348A (zh) * 2019-08-19 2019-11-15 中国石油大学(华东) 多视向sar海浪谱数据融合的海浪截断波长补偿方法
CN111222531A (zh) * 2019-10-21 2020-06-02 中国地质大学（武汉） 一种海浪场时空演化信息提取方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011033529A (ja) * 2009-08-04 2011-02-17 Japan Radio Co Ltd レーダ波浪解析装置
CN103323816A (zh) * 2013-05-24 2013-09-25 南京信息工程大学 基于信息熵的导航x波段雷达海浪波高反演算方法
CN110456348A (zh) * 2019-08-19 2019-11-15 中国石油大学(华东) 多视向sar海浪谱数据融合的海浪截断波长补偿方法
CN111222531A (zh) * 2019-10-21 2020-06-02 中国地质大学（武汉） 一种海浪场时空演化信息提取方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Wave Spectra Partitioning and Identification of Wind Sea and Swell Events;Komlan A. Kpogo-Nuwoklo et al;《Proceedings of the ASME 2014 33rd International Conference on Ocean, Offshore and Arctic Engineering OMAE2014》;20140613;1-10 *
降雨条件下的导航X波段雷达海浪参数反演算法研究;马玉菲等;《海洋科学》;20121231;第42卷(第7期);10-17 *

Also Published As

Publication number Publication date
CN111611975A (zh) 2020-09-01

Similar Documents

Publication Publication Date Title
CN111611975B (zh) 基于二维海浪谱的海浪成分分区方法
CN106599129B (zh) 一种顾及地形特点的多波束点云数据去噪方法
CN115456970B (zh) 一种基于降维回归的干舷分割船舶载重线识别方法
CN111665846B (zh) 一种基于快速扫描法的水面无人艇路径规划方法
CN111723632B (zh) 一种基于孪生网络的船舶跟踪方法及系统
CN111325138A (zh) 一种基于点云局部凹凸特征的道路边界实时检测方法
CN116503268B (zh) 一种用于雷达回波图像的质量改进方法
CN102419436A (zh) 基于总传播误差滤波器的多波束数据处理方法
CN110866926A (zh) 一种红外遥感图像快速精细海陆分割方法
CN115421150B (zh) 基于激光雷达点云数据的船岸距离计算方法及系统
CN111412918B (zh) 无人艇全局安全路径规划方法
CN113780085B (zh) 一种近海单光子去噪分类方法
CN117518089B (zh) 一种近岸构造波形重跟踪方法、装置及设备
Tanner Shallow water ripple mark varieties [Florida]
CN114743059B (zh) 一种综合地形地貌特征的海底地理实体自动分类方法
CN115112129B (zh) 一种基于ais数据的船舶航行航路推荐算法
CN112882058B (zh) 一种基于变尺寸栅格地图的船载激光雷达障碍物检测方法
CN113343161B (zh) 一种低位域陆架边缘三角洲的定量表征方法
CN112905686B (zh) 基于Python程序的海洋剖面水体数据提取方法
CN113567968A (zh) 一种基于浅水多波束水深数据的水下目标实时分割方法及应用
CN113920300A (zh) 一种可见光遥感图像船舶目标识别方法及系统
CN104239635B (zh) 一种内河电子海图上可航区域中心线自动绘制方法
CN114594503A (zh) 一种浅海地形反演方法、计算机设备及存储介质
Shi et al. Fast classification and detection of marine targets in complex scenes with YOLOv3
CN112697148A (zh) 一种自适应复杂度栅格环境模型构建方法以及路径搜索方法

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