CN111965698B - 一种浅地层层界提取方法及处理终端 - Google Patents

一种浅地层层界提取方法及处理终端 Download PDF

Info

Publication number
CN111965698B
CN111965698B CN202010886319.4A CN202010886319A CN111965698B CN 111965698 B CN111965698 B CN 111965698B CN 202010886319 A CN202010886319 A CN 202010886319A CN 111965698 B CN111965698 B CN 111965698B
Authority
CN
China
Prior art keywords
layer boundary
boundary
point
layer
shallow
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
CN202010886319.4A
Other languages
English (en)
Other versions
CN111965698A (zh
Inventor
马金凤
赵建虎
李邵波
张全印
曾凡祥
杨永
徐岩
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.)
Guangzhou Marine Geological Survey
Original Assignee
Guangzhou Marine Geological Survey
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 Guangzhou Marine Geological Survey filed Critical Guangzhou Marine Geological Survey
Priority to CN202010886319.4A priority Critical patent/CN111965698B/zh
Publication of CN111965698A publication Critical patent/CN111965698A/zh
Application granted granted Critical
Publication of CN111965698B publication Critical patent/CN111965698B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30—Analysis
    • G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/38—Seismology; Seismic or acoustic prospecting or detecting specially adapted for water-covered areas
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/62—Physical property of subsurface

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geophysics (AREA)
  • Oceanography (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明涉及一种浅地层层界提取方法及处理终端，所述方法包括如下步骤：步骤1：提取海底线和去除水体冗余；步骤2：基于阈值初步提取浅地层；步骤3：层界点连通处理；步骤4：确定浅地层层界的局部方向；步骤5：方向约束下间断层界延伸。本发明考虑到相邻层界段序列的连续性，基于Haar特征实现层界点的局部方向信息的获取；基于局部方向和低阈值约束，实现沿层界方向的间断层界端点延伸，同时基于浅地层剖面灰度直方图特点实现海底线提取和水体冗余数据去除。最终提取到的浅地层层界具有较好的连续性。

Description

一种浅地层层界提取方法及处理终端
技术领域
本发明涉及地震层界提取技术领域，具体是一种浅地层层界提取方法及处理终端。
背景技术
目前浅地层层界提取主要依靠人工或人机结合的半自动方法实现。采用人工方法是由解译人员手动绘制完整的浅地层层界，整个过程完全依靠人工完成。而半自动方法则是在解译人员辅助下，经过大量人工种子点提取后借助软件通过自动波形追踪实现层界提取。
在浅地层层界自动提取技术方面，申请号为201710843742.4的中国发明专利提出了一种基于沉积物品质因子和回波损失级曲线峰谷的浅地层层界划分方法。该专利在对浅地层数据声学属性分析的基础上实现层界的自动划分，主要包括海底线跟踪、浅地层层界朴素峰和稳定峰提取、结合沉积物品质因子的层界控制峰计算、基于层界控制峰的高可靠朴素峰获取等步骤，最终实现层界提取。
在与浅地层层界提取相关的类似领域，例如地震层位提取领域，也存在相应的公开内容。例如，申请号为201210183248.7的中国发明申请专利，公开了一种构建浅地层三维反射面的方法及设备；申请号为201210311613.8中国发明申请专利，公开了一种基于半监督分类的二维地震数据全层位追踪方法。
但以上在浅地层层界提取或地震层位提取方面，仍然存现一些不足和缺陷，主要包括：
1）基于浅地层剖面数据提取层界，仅依靠峰谷法提取层界，层界存在间断点，无法保证获取的层界具有连续性。
2）现有的地震层位拾取方法主要针对陆地地震勘探，未能考虑海洋浅地层剖面测量特点。由于浅地层具有高分辨率和较强噪声干扰特性，直接使用地震层位提取方法获取地层颜色方向存在针对性不足的缺陷以及计算量大的问题。
发明内容
针对现有技术的不足，本发明的目的之一是提供一种浅地层层界提取方法，其能够解决浅地层层界提取的问题；
本发明的目的之二是提供一种处理终端，其能够解决浅地层层界提取的问题。
实现本发明的目的的技术方案为：一种浅地层层界提取方法，包括如下步骤：
步骤1：获得浅地层剖面图，从浅地层剖面图每Ping数据的起始采样点开始，遍历每Ping数据，每Ping数据中满足条件一的像素点视为海底线上的点，从而提取到海底线，并且将海底线以上部分全部去除，从而去除掉水体冗余，
条件一：像素点的像素灰度与G的差值≤第一预设阈值，
G是指剖面灰度直方图峰值点对应的灰度值，剖面灰度直方图根据浅地层剖面图统计得到；
步骤2：沿Ping方向的阈值检测窗口，对窗口内每个像素进行判别，若某像素点的像素灰度为
Figure 696597DEST_PATH_IMAGE001
邻域内的极值点且大于
Figure 118351DEST_PATH_IMAGE002
，
Figure 197297DEST_PATH_IMAGE003
和
Figure 71712DEST_PATH_IMAGE004
均为≥1的整数，则将该像素点确定为初始层界点，遍历每Ping数据，提取到所有层界点，从而完成基于阈值初步提取到浅地层层界，
其中，
Figure 776362DEST_PATH_IMAGE005
表示阈值检测窗口内的像素灰度均值，
Figure 583781DEST_PATH_IMAGE006
表示阈值检测窗口内的像素灰度的标准差；
步骤3：将所有所述层界点分别进行邻域连通处理，以识别各层界点是否在同一层界段上，将同一层界段上的层界点存入同一数组序列中，从而形成若干层界段序列，
统计各层界段序列的连续层界长度，将连接层界长度小于横向分辨率的层界段去除，横向分辨率是指发射的声波在当前深度下的横向分辨率；
步骤4：根据步骤3得到的层界段，提取出各层界段的层界段端点，对层界段端点所在位置进行不同倾斜方向的Haar特征计算，得到层界段端点的若干Haar特征集合，每个倾斜方向对应一个Haar特征，将Haar特征集合中最大Haar特征对应的倾斜方向判定为该层界段端点的局部方向，对每一个层界段端点确定各自的局部方向，从而确定实现浅地层层界的局部方向；
步骤5：包括步骤51和步骤52，
步骤51：选定任一层界段端点作为当前层界段端点，在该层界段端点局部方向的约束下，计算下一Ping该层界段端点需延伸的位置，得到当前层界段端点需延伸的位置，
然后以需延伸的位置为中心位置，在沿Ping的垂直方向上设立一窗口，对窗口内每一个像素点进行判别，若某一像素点的像素灰度为极值点且该像素点的灰度值
Figure 817317DEST_PATH_IMAGE007
满足低阈值条件，则将此像素点对应的层界点确定为当前层界段端点的延伸层界点，
其中，低阈值条件为：
Figure 195340DEST_PATH_IMAGE008
式中，
Figure 438102DEST_PATH_IMAGE009
和
Figure 568869DEST_PATH_IMAGE010
分别为设立的所述窗口内像素灰度均值和标准差，
Figure 238885DEST_PATH_IMAGE011
为常数，
步骤52：然后，以延伸层界点为新的当前层界段端点，重复步骤51，直至无法确定延伸层界点，完成间断层界延伸，从而提取到最终的浅地层层界。
进一步地，所述
Figure 101274DEST_PATH_IMAGE001
为
Figure 882148DEST_PATH_IMAGE012
。
进一步地，将所有所述层界点分别进行八邻域连通处理。
实现本发明的目的之二的技术方案为：一种处理终端，其包括：
存储器，用于存储程序指令；
处理器，用于运行所述程序指令，以执行所述的浅地层层界提取方法的步骤。
本发明的有益效果为：本发明考虑到相邻层界段序列的连续性，基于Haar特征实现层界点的局部方向信息的获取；基于局部方向和低阈值约束，实现沿层界方向的间断层界端点延伸，同时基于浅地层剖面灰度直方图特点实现海底线提取和水体冗余数据去除。最终提取到的浅地层层界具有较好的连续性。
附图说明
图1为本发明的较佳实施例的流程示意图；
图2为提取出的某一浅地层层界的效果示意图；
图3为处理终端的示意图。
具体实施方案
下面，结合附图以及具体实施方案，对本发明做进一步描述：
如图1和图2所示，一种浅地层层界提取方法，包括如下步骤：
步骤1：提取海底线和去除水体冗余。
本步骤中，获得浅地层剖面图，从浅地层剖面图每Ping数据的起始采样点开始，遍历每Ping数据，每Ping数据中若某一像素点的像素灰度与G的差值≤第一预设阈值，也即像素灰度略大于G，则将该像素点认为海底线上的点，所有满足上述条件的像素点均视为海底线上的点，从而构成海底线，从而提取到海底线，并且将海底线以上部分全部去除，从而去除掉水体冗余。G是指剖面灰度直方图峰值点对应的灰度值，剖面灰度直方图根据浅地层剖面图统计得到。其中，Ping是指在勘探中声波的一次发射和接收，Ping数据即是指对应得到的数据。
由于浅地层剖面灰度直方图近似为瑞利分布，且反射层信号仅占少量像素，大多数像素点为水体回波，因此，可以将剖面灰度直方图峰值点对应的灰度值近似认为是水体回波的灰度强度值，从而可以根据剖面灰度直方图峰值点来提取海底线和去除水体冗余。
步骤2：基于阈值初步提取浅地层层界。
本步骤中，沿Ping方向的阈值检测窗口，阈值检测窗口是指单Ping回波序列中具有连续N个采样点的回波序列段，N即为阈值检测窗口大小，N个采样点即对应阈值检测窗口内的像素个数，对窗口内每个像素进行判别，若某像素点的像素灰度为
Figure 398580DEST_PATH_IMAGE001
邻域内的极值点且大于
Figure 973918DEST_PATH_IMAGE002
，
Figure 575801DEST_PATH_IMAGE003
和
Figure 911098DEST_PATH_IMAGE013
均为≥1的整数，则将该像素点确定为初始层界点，遍历每Ping数据，提取到所有层界点，从而完成基于阈值初步提取到浅地层层界。其中，
Figure 282037DEST_PATH_IMAGE005
表示阈值检测窗口内的像素灰度均值，
Figure 28276DEST_PATH_IMAGE006
表示阈值检测窗口内的像素灰度的标准差。
浅剖仪器垂直向下发射的声波在声阻抗差异界面会发生强反射，声阻抗相近的介质内部使得声波发生弱反射。因此，可以认为声阻抗差异界面（也即层界）反映在图像上为具有边缘特征的高亮区，因此，采用灰度阈值法在浅地层剖面图上提取层界是合适和合理的。
步骤3：层界点连通处理。
本步骤中，对步骤2提取到的所有层界点分别进行八邻域连通处理，以识别各层界点是否在同一层界段上，将同一层界段上的层界点存入同一数组序列中，从而形成若干层界段序列。统计各层界段序列的连续层界长度，将连接层界长度小于横向分辨率的层界段去除，横向分辨率是指发射的声波在当前深度下的横向分辨率，也即是在当前测量中，测量仪器在该深度下的分辨率。横向分辨率的大小等于第一菲涅尔带的大小，第一菲涅尔带由测量仪器发射声波时的波束开角和深度值共同决定，因此，横向分辨率是一个常数。
步骤4：确定浅地层层界的局部方向。
本步骤中，根据步骤3得到的层界段，提取出各层界段的层界段端点（也即是间断层界点），对层界段端点所在位置进行不同倾斜方向的Haar特征（Haar-like features，中文称之为哈尔特征）计算，得到层界段端点的若干Haar特征集合，每个倾斜方向对应一个Haar特征，Haar特征采用Line feature形式，将Haar特征集合中最大Haar特征对应的倾斜方向判定为该层界段端点的局部方向。对每一个层界段端点确定各自的局部方向，从而确定实现浅地层层界的局部方向。
由层界点构成的层界段序列，底质上同一层界应具有较好连续性，但因噪声和其他干扰，存在层界间断线性，需要进行沿层方向的层界延伸，以保证层界连续性。
步骤5：方向约束下间断层界延伸。
本步骤中，包括步骤51和步骤52，
步骤51：选定任一层界段端点作为当前层界段端点，在该层界段端点局部方向的约束下，计算下一Ping该层界段端点需延伸的位置，得到当前层界段端点需延伸的位置。然后以需延伸的位置为中心位置，在沿Ping的垂直方向上设立一窗口，对窗口内每一个像素点进行判别，若某一像素点的像素灰度为极值点且该像素点的灰度值
Figure 851875DEST_PATH_IMAGE007
满足低阈值条件，则将此像素点对应的层界点确定为当前层界段端点的延伸层界点，也即需延伸的位置。
其中，低阈值条件为：
Figure 990864DEST_PATH_IMAGE008
式中，
Figure 950730DEST_PATH_IMAGE009
和
Figure 133449DEST_PATH_IMAGE010
分别为设立的所述窗口内像素灰度均值和标准差，
Figure 444345DEST_PATH_IMAGE011
为常数，其值通常为较小，例如，介于0-1之间。上式，也即是表示窗口内某一像素点的灰度值
Figure 370713DEST_PATH_IMAGE014
略大于
Figure 201396DEST_PATH_IMAGE015
。
步骤52：然后，以延伸层界点为新的当前层界段端点，重复步骤51，直至无法确定延伸层界点，也即找不到满足低阈值条件的像素点，完成间断层界延伸，从而提取到最终的浅地层层界。
本发明考虑到相邻层界段序列的连续性，基于Haar特征实现层界点的局部方向信息的获取；基于局部方向和低阈值约束，实现沿层界方向的间断层界端点延伸，同时基于浅地层剖面灰度直方图特点实现海底线提取和水体冗余数据去除。最终提取到的浅地层层界具有较好的连续性。
图2是依据本发明提取的某一浅地层层界结果示意图。从该图中，可以看出，在同声阻抗差异界面中，能够很好保障了大层界的连续性，层界延伸未出现错位线性。提取的层界和剖面图声阻抗差异界面较符合，具有很好的一致性，主要的沉积层层界提取准确。
如图3所示，本发明还提供一种处理终端100，其包括：
存储器101，用于存储程序指令；
处理器102，用于运行所述程序指令，以执行所述浅地层层界提取方法的步骤。
本说明书所公开的实施例只是对本发明单方面特征的一个例证，本发明的保护范围不限于此实施例，其他任何功能等效的实施例均落入本发明的保护范围内。对于本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及变形，而所有的这些改变以及变形都应该属于本发明权利要求的保护范围之内。

Claims (4)

1.一种浅地层层界提取方法，其特征在于，包括如下步骤：
步骤1：获得浅地层剖面图，从浅地层剖面图每Ping数据的起始采样点开始，遍历每Ping数据，每Ping数据中满足条件一的像素点视为海底线上的点，从而提取到海底线，并且将海底线以上部分全部去除，从而去除掉水体冗余，
条件一：像素点的像素灰度与G的差值≤第一预设阈值，
G是指剖面灰度直方图峰值点对应的灰度值，剖面灰度直方图根据浅地层剖面图统计得到；
步骤2：沿Ping方向的阈值检测窗口，对窗口内每个像素进行判别，若某像素点的像素灰度为
Figure 437315DEST_PATH_IMAGE001
邻域内的极值点且大于
Figure 192781DEST_PATH_IMAGE002
，
Figure 785437DEST_PATH_IMAGE003
和
Figure 335367DEST_PATH_IMAGE004
均为≥1的整数，则将该像素点确定为初始层界点，遍历每Ping数据，提取到所有层界点，从而完成基于阈值初步提取到浅地层层界，
其中，
Figure 279052DEST_PATH_IMAGE005
表示阈值检测窗口内的像素灰度均值，
Figure 586012DEST_PATH_IMAGE006
表示阈值检测窗口内的像素灰度的标准差；
步骤3：将所有所述层界点分别进行邻域连通处理，以识别各层界点是否在同一层界段上，将同一层界段上的层界点存入同一数组序列中，从而形成若干层界段序列，
统计各层界段序列的连续层界长度，将连接层界长度小于横向分辨率的层界段去除，横向分辨率是指发射的声波在当前深度下的横向分辨率；
步骤4：根据步骤3得到的层界段，提取出各层界段的层界段端点，对层界段端点所在位置进行不同倾斜方向的Haar特征计算，得到层界段端点的若干Haar特征集合，每个倾斜方向对应一个Haar特征，将Haar特征集合中最大Haar特征对应的倾斜方向判定为该层界段端点的局部方向，对每一个层界段端点确定各自的局部方向，从而确定实现浅地层层界的局部方向；
步骤5：包括步骤51和步骤52，
步骤51：选定任一层界段端点作为当前层界段端点，在该层界段端点局部方向的约束下，计算下一Ping该层界段端点需延伸的位置，得到当前层界段端点需延伸的位置，
然后以需延伸的位置为中心位置，在沿Ping的垂直方向上设立一窗口，对窗口内每一个像素点进行判别，若某一像素点的像素灰度为极值点且该像素点的灰度值
Figure 33174DEST_PATH_IMAGE007
满足低阈值条件，则将此像素点对应的层界点确定为当前层界段端点的延伸层界点，
其中，低阈值条件为：
Figure 754005DEST_PATH_IMAGE008
式中，
Figure 184987DEST_PATH_IMAGE009
和
Figure 16676DEST_PATH_IMAGE010
分别为设立的所述窗口内像素灰度均值和标准差，
Figure 600236DEST_PATH_IMAGE011
为常数，
步骤52：然后，以延伸层界点为新的当前层界段端点，重复步骤51，直至无法确定延伸层界点，完成间断层界延伸，从而提取到最终的浅地层层界。
2.根据权利要求1所述的浅地层层界提取方法，其特征在于，所述
Figure 226389DEST_PATH_IMAGE012
为
Figure 144666DEST_PATH_IMAGE013
。
3.根据权利要求1所述的浅地层层界提取方法，其特征在于，将所有所述层界点分别进行八邻域连通处理。
4.一种处理终端，其特征在于，其包括：
存储器，用于存储程序指令；
处理器，用于运行所述程序指令，以执行如权利要求1-3任一项所述的浅地层层界提取方法的步骤。
CN202010886319.4A 2020-08-28 2020-08-28 一种浅地层层界提取方法及处理终端 Active CN111965698B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010886319.4A CN111965698B (zh) 2020-08-28 2020-08-28 一种浅地层层界提取方法及处理终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010886319.4A CN111965698B (zh) 2020-08-28 2020-08-28 一种浅地层层界提取方法及处理终端

Publications (2)

Publication Number Publication Date
CN111965698A CN111965698A (zh) 2020-11-20
CN111965698B true CN111965698B (zh) 2021-04-23

Family

ID=73400575

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010886319.4A Active CN111965698B (zh) 2020-08-28 2020-08-28 一种浅地层层界提取方法及处理终端

Country Status (1)

Country Link
CN (1) CN111965698B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103426177A (zh) * 2013-08-30 2013-12-04 中国科学院国家天文台 一种基于测月雷达的月球次表层层位检测方法
CN105093289A (zh) * 2014-05-22 2015-11-25 中国石油化工股份有限公司 一种基于图像处理的地震层位识别方法
CN107703548A (zh) * 2017-09-15 2018-02-16 上海海洋大学 基于沉积物品质因子和回波损失级曲线峰谷的浅地层层界划分方法
CN108985304A (zh) * 2017-05-31 2018-12-11 中国科学院声学研究所 一种基于浅剖数据的沉积层结构自动提取方法
CN110378921A (zh) * 2019-07-22 2019-10-25 江苏海洋大学 基于浮泥流变特性与灰度共生矩阵的航道底质层界智能识别方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7542376B1 (en) * 2006-07-27 2009-06-02 Blueview Technologies, Inc. Vessel-mountable sonar systems
WO2016030508A1 (en) * 2014-08-29 2016-03-03 Pgs Geophysical As Methods and systems to evaluate noise content in seismic data

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103426177A (zh) * 2013-08-30 2013-12-04 中国科学院国家天文台 一种基于测月雷达的月球次表层层位检测方法
CN105093289A (zh) * 2014-05-22 2015-11-25 中国石油化工股份有限公司 一种基于图像处理的地震层位识别方法
CN108985304A (zh) * 2017-05-31 2018-12-11 中国科学院声学研究所 一种基于浅剖数据的沉积层结构自动提取方法
CN107703548A (zh) * 2017-09-15 2018-02-16 上海海洋大学 基于沉积物品质因子和回波损失级曲线峰谷的浅地层层界划分方法
CN110378921A (zh) * 2019-07-22 2019-10-25 江苏海洋大学 基于浮泥流变特性与灰度共生矩阵的航道底质层界智能识别方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
A Comprehensive Horizon Picking Method on Subbottom Profiles by Combining Envelope, PhaseAttributes, and Texture Analysis;Jianhu Zhao et al.;《Earth and Space Science》;20200226;全文 *
A Novel Horizon Picking Method on Sub-Bottom Profiler Sonar Images;Shaobo Li et al.;《remote sensing》;20201012;第1-20页 *
Comprehensive Sediment Horizon Picking From Subbottom Profile Data;Jianhu Zhao et al.;《IEEE JOURNAL OF OCEANIC ENGINEERING》;20181231;第1-11页 *
Multi-Frequency, Multi-Sonar Mapping of Shallow Habitats—Efficacy and Management Implications in the National Marine Park of Zakynthos, Greece;Elias Fakiris et al.;《remote sensing》;20190223;第1-23页 *
基于 ＸＴＦ格式的侧扫声纳数据解码及可视化;郭军等;《测绘工程》;20161130;第25卷(第11期);第50-53页 *
基于能量比与互相关法的地震剖面反射同相轴交互自动拾取研究;丁维凤等;《海洋学报》;20120531;第34卷(第3期);第87-91页 *
联合灰度突变和方向约束的浅剖层位自动拾取;李邵波等;《武汉大学学报·信息科学版》;20190430;第44卷(第4期);第532-538页 *

Also Published As

Publication number Publication date
CN111965698A (zh) 2020-11-20

Similar Documents

Publication Publication Date Title
CN108872997B (zh) 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
CN111860336B (zh) 基于位置感知的高分辨遥感图像倾斜船舶目标检测方法
CN103292792B (zh) 一种适用海底探测与假地形处理的实测svp重构方法
CN111126335B (zh) 一种结合显著性和神经网络的sar船只识别方法及系统
CN110706177B (zh) 一种侧扫声呐图像灰度均衡化方法及系统
CN115393734A (zh) 基于Faster R-CNN与CV模型联合方法的SAR图像舰船轮廓提取方法
CN112324422A (zh) 一种电成像测井缝洞识别方法、系统及孔隙结构表征方法
CN111965698B (zh) 一种浅地层层界提取方法及处理终端
CN112558077B (zh) 一种基于相邻条幅的多波束滤波方法及处理终端
Zhang et al. A reverberation noise suppression method of sonar image based on shearlet transform
CN107169978B (zh) 超声图像边缘检测方法及系统
Wang et al. Bottom Tracking Method Based on LOG/Canny and the Threshold Method for Side-scan Sonar.
CN115248436A (zh) 一种基于成像声呐的鱼类资源评估方法
Zhang et al. A mosaic method based on feature matching for side scan sonar images
Maroni et al. Horizon picking on subbottom profiles using multiresolution analysis
US20130039578A1 (en) Precision improving device for three dimensional topographical data, precision improving method for three dimensional topographical data and recording medium
CN113589294A (zh) 一种水下浅地层剖面数据的处理方法、系统、设备及介质
CN115291182B (zh) 一种航道单波束密采水深的滤波方法
CN111476790A (zh) 一种超声穿刺中穿刺针增强显示方法及装置
CN114994764B (zh) 融合多波束水深数据改正深水浅剖反射数据体的方法
CN116930976B (zh) 基于小波模极大值的侧扫声呐图像的海底线检测方法
CN116626685B (zh) 基于机器学习的河道底泥实时监测方法及系统
CN113705605B (zh) 部分人工介入的多波束测深数据异常值自动清理方法
Yang et al. Automatic detecting outliers in multibeam sonar based on density of points
TWI736446B (zh) 可濾橫紋雜訊之海床邊線偵測方法

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