CN112464171A - 冰下地形自适应粗糙度量化方法 - Google Patents

冰下地形自适应粗糙度量化方法 Download PDF

Info

Publication number
CN112464171A
CN112464171A CN202011445074.8A CN202011445074A CN112464171A CN 112464171 A CN112464171 A CN 112464171A CN 202011445074 A CN202011445074 A CN 202011445074A CN 112464171 A CN112464171 A CN 112464171A
Authority
CN
China
Prior art keywords
central point
roughness
window
determining
bedrock
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.)
Pending
Application number
CN202011445074.8A
Other languages
English (en)
Inventor
许奔
崔祥斌
稂时楠
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.)
POLAR RESEARCH INSTITUTE OF CHINA
Beijing University of Technology
Original Assignee
POLAR RESEARCH INSTITUTE OF CHINA
Beijing University of 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 POLAR RESEARCH INSTITUTE OF CHINA, Beijing University of Technology filed Critical POLAR RESEARCH INSTITUTE OF CHINA
Priority to CN202011445074.8A priority Critical patent/CN112464171A/zh
Publication of CN112464171A publication Critical patent/CN112464171A/zh
Pending legal-status Critical Current

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Instructional Devices (AREA)

Abstract

本发明实施例公开了一种冰下地形自适应粗糙度量化方法。该方法包括：获取待量化粗糙度的基岩的高程数据；依次将所述高程数据的每个采样点位置作为中心点，根据所述高程数据的距离范围对每个中心点设置至少两个不同距离范围的窗口；确定每个中心点对应的各窗口内基岩的地形及粗糙度；分别确定每个中心点对应的各窗口内基岩的地形的权重，根据所述权重和每个中心点对应的各窗口内地形的粗糙度确定每个采样点位置的冰下基岩的粗糙度。本发明实施例的技术方案，实现了通过多尺度范围的粗糙度信息确定最终粗糙度结果，使得到的粗糙度结果更加准确的效果。

Description

冰下地形自适应粗糙度量化方法
技术领域
本发明实施例涉及冰雷达数据处理技术领域，尤其涉及一种冰下地形自适应粗糙度量化方法。
背景技术
在极地冰川的研究中，基底粗糙度在控制冰川滑动，判断地貌形成和侵蚀历史，地质统计学和地形插值上扮演着重要的角色。
现有的粗糙度量化方法，采用固定尺度的移动框进行量化，即以相同尺度的移动框量化各个位置的粗糙度。固定的窗口大小会限制结果的时频域分辨率。较小的窗口无法容纳较大跨度的地形，而较大的窗口对较小跨度的地形变化并不敏感。而实际的基岩地形是复杂的多尺度的，如果以单一的尺度去量化粗糙度，则会造成选用不同尺度得到不同的粗糙度结果。
发明内容
本发明实施例提供一种冰下地形自适应粗糙度量化方法，以实现通过该位置多尺度范围的粗糙度信息确定该位置的粗糙度结果，使得到的粗糙度结果更加准确。
第一方面，本发明实施例提供了一种冰下地形自适应粗糙度量化方法，该方法包括：
获取待量化粗糙度的基岩的高程数据；
依次将所述高程数据的每个采样点位置作为中心点，根据所述高程数据的距离范围对每个中心点设置至少两个不同距离范围的窗口；
确定每个中心点对应的各窗口内基岩的地形及粗糙度；
分别确定每个中心点对应的各窗口内基岩的地形的权重，根据所述权重和每个中心点对应的各窗口内地形的粗糙度确定每个采样点位置的冰下基岩的粗糙度。
第二方面，本发明实施例还提供了一种粗糙度确定装置，该装置包括：
高程数据获取模块，用于获取待量化粗糙度的基岩的高程数据；
窗口设置模块，用于依次将所述高程数据的每个采样点位置作为中心点，根据所述高程数据的距离范围对每个中心点设置至少两个不同距离范围的窗口；
地形及粗糙度确定模块，用于确定每个中心点对应的各窗口内基岩的地形及粗糙度；
基岩的粗糙度确定模块，用于分别确定每个中心点对应的各窗口内基岩的地形的权重，根据所述权重和每个中心点对应的各窗口内地形的粗糙度确定每个采样点位置的冰下基岩的粗糙度。
第三方面，本发明实施例还提供了一种服务器，其中，所述服务器包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所提供的冰下地形自适应粗糙度量化方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如本发明任意实施例所提供的冰下地形自适应粗糙度量化方法。
本发明实施例通过获取待量化粗糙度的基岩的高程数据；依次将所述高程数据的每个采样点位置作为中心点，基于每个中心点设置至少两个不同距离范围的窗口；确定每个中心点对应的各窗口内基岩的地形及粗糙度；分别确定每个中心点对应的各窗口内基岩的地形的权重，根据所述权重和每个中心点对应的各窗口内地形的粗糙度确定每个采样点位置的冰下基岩的粗糙度，解决了单一尺度的窗口量化粗糙度，准确率低的问题，实现了通过多尺度范围的粗糙度信息确定最终粗糙度结果，使得到的粗糙度结果更加准确的效果。
附图说明
图1是本发明实施例一中的一种冰下地形自适应粗糙度量化方法的流程图；
图2是本发明实施例一中的地形确定方法的流程示意图；
图3是本发明实施例二中的一种冰下地形自适应粗糙度量化方法的流程图；
图4是本发明实施例二中的获取表征地形参数的方法流程图；
图5是本发明实施例二中的粗糙度计算的方法流程图；
图6是本发明实施例三中的一种粗糙度确定装置的结构图；
图7是本发明实施例四中的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种冰下地形自适应粗糙度量化方法的流程图，本实施例可适用于确定基岩粗糙度的情况，该方法可以由粗糙度确定装置来执行，具体包括如下步骤：
S110、获取待量化粗糙度的基岩的高程数据。
高程指的是某点沿铅垂线方向到绝对基准面的距离，基岩的高程数据，即通过冰雷达观测的基岩到绝对基准面的距离。在地形的研究中，通过基岩的高程数据获取粗糙度，具有判断地貌的形成和侵蚀历史等作用。
可选的，获取待量化粗糙度的基岩的高程数据，包括：获取基岩的采样高程数据；对所述采样高程数据进行预设间隔的插值，得到待量化粗糙度的基岩的高程数据。因通过冰雷达采集的高程数据为采样点间隔不相等的高程数据，若采用采样点间隔不相等的高程数据进行粗糙度量化，会导致粗糙度量化结果不准确的问题，故需将采样高程数据进行预设间隔的插值，得到采样点间隔相等的高程数据，提高粗糙度量化结果的准确度。高程数据的插值间隔可根据需要进行设定。
S120、依次将高程数据的每个采样点位置作为中心点，根据高程数据的距离范围对每个中心点设置至少两个不同距离范围的窗口。
将插值操作后的高程数据中的每个采样点作为中心点，根据插值后的高程数据的距离范围，对每个中心点设置至少两个不同距离范围的窗口，窗口的距离范围需大于高程数据的最小距离范围，可选的，至少两个不同距离范围的窗示例性的，采集的高程数据的距离范围为100-10000m，为了便于之后进行快速傅立叶频域转换，可将窗口内包含的采样点数目设置为2的N次幂。以实际使用的数据间隔将距离尺度范围转化为尺度范围的点数，以目前中国南极科考航空冰雷达数据举例，插值重采样后间隔约为19m，因此可设置窗口内包含采样点数的范围为25-210。即窗口的距离范围可设置在608-19456m。
S130、确定每个中心点对应的各窗口内基岩的地形及粗糙度。
依次确定每个中心点对应的各窗口内的地形和粗糙度，根据每个中心点对应的不同距离范围窗口内的地形和粗糙度，综合该中心点不同距离范围的各窗口内的地形和粗糙度，进而确定该中心点位置的地形和粗糙度。提高确定地形和粗糙度的准确度。可选的，确定每个中心点对应的各窗口内基岩的地形，包括：根据每个窗口内的高程数据确定对应的高程曲线；根据所述高程曲线获取表征地形特征的参数；根据所述参数确定每个中心点对应的各窗口内基岩的地形。对每中心点对应的各距离范围的窗口，根据各窗口中的高程数据确定对应的高程曲线，通过高程曲线获取能够确定地形的参数，根据获取的参数确定该窗口内高程数据对应的地形。
可选的，所述参数包括：中心点前沿拟合斜率、中心点后沿拟合斜率、中心点前斜率、中心点后斜率、偏度系数和变异系数；所述根据所述参数确定每个中心点对应的各窗口内基岩的地形，包括：当所述中心点前沿拟合斜率为正数，所述中心点后沿拟合斜率为负数，所述偏度系数满足偏度系数预设阈值条件且所述变异系数满足变异系数预设阈值条件时，确定当前窗口内基岩地形为凸起；当所述中心点前沿拟合斜率为负数，所述中心点后沿拟合斜率为正数，所述偏度系数满足偏度系数预设阈值条件且所述变异系数满足变异系数预设阈值条件时，确定当前窗口内基岩地形为凹陷；当所述中心点前沿拟合斜率和所述中心点后沿拟合斜率同时为正数或同时为负数时，根据所述中心点前斜率和所述中心点后斜率确定当前窗口内基岩地形。
具体的，基于中心点前所有的高程数据通过最小二乘法拟合法进行拟合，得到中心点前拟合高程曲线，计算中心点前拟合高程曲线的斜率得到中心点前沿拟合斜率；基于中心点后所有的高程数据通过最小二乘法拟合法进行拟合，得到中心点后拟合高程曲线，计算中心点后拟合高程曲线的斜率得到中心点后沿拟合斜率；通过中心点前沿拟合斜率和中心点后沿拟合斜率可以量化中心点前后的地形变化趋势。中心点前斜率为窗口内中心点高程数据与中心点前第一个拐点高程数据计算的斜率；中心点后斜率为窗口内中心点高程数据与中心点后的第一个拐点高程数据计算的斜率；偏度系数通过将窗口内的高程数据作为概率密度曲线计算得出，偏度系数可反映当前窗口中的高程曲线的对称性；变异系数通过将窗口内的高程数据作为概率密度曲线计算得出，变异系数可反映当前窗口中的高程曲线在形态上距离中点的分散程度。
如图2所示，在确定窗口内高程数据对应的地形时，先根据中心点前沿拟合斜率和中心点后沿拟合斜率进行确定。判断中心点前沿拟合斜率和中心点后沿拟合斜率是否同时大于零或同时小于零，若否，即中心点前沿拟合斜率为正数，中心点后沿拟合斜率为负数，或中心点前沿拟合斜率为负数，中心点后沿拟合斜率为正数。当所述中心点前沿拟合斜率为正数，中心点后沿拟合斜率为负数时，确定该窗口内高程数据对应的地形可能为凸起，还需根据偏度系数和变异系数进一步确定该窗口内高程数据对应的地形。当偏度系数小于预设偏度系数数值，且变异系数大于预设变异系数数值时，说明该窗口内的高程曲线的对称性高，且凸起程度足够高，可确定该窗口的高程数据对应的地形为凸起。当所述中心点前沿拟合斜率为负数，中心点后沿拟合斜率为正数时，确定该窗口内高程数据对应的地形可能为凹陷，还需根据偏度系数和变异系数进一步确定该窗口内高程数据对应的地形。当偏度系数小于预设偏度系数数值，且变异系数大于预设变异系数数值时，说明该窗口内的高程曲线的对称性高，且凹陷程度足够高，可确定该窗口的高程数据对应的地形为凹陷。
若是，即当前窗口对应的中心点前沿拟合斜率和中心点后沿拟合斜率同时为正数或负数时，说明当前窗口的高程数据对应的地形的整体地形趋势为斜坡，通过中心点前斜率和中心点后斜率确定斜坡中是否包含凸起或凹陷。可选的，根据所述中心点前斜率、所述中心点后斜率、所述偏度系数和所述变异系数确定当前窗口内基岩地形，包括：当所述中心点前斜率和所述中心点后斜率同时为正数或同时为负数时，确定当前窗口内基岩的地形为斜坡；当所述中心点前斜率为正数，所述中心点后斜率为负数，或所述中心点前斜率为负数，所述中心点后斜率为正数时，根据所述高程曲线分别获取中心点前拐点和中心点后拐点，将所述中心点分别与所述中心点前拐点和所述中心点后拐点进行连线，得到中心点前连线和中心点后连线，根据所述中心点前连线和所述中心点后连线确定当前窗口内基岩的地形。
判断中心点前斜率和中心点后斜率是否同时大于零或同时小于零，若是，即当中心点前斜率和中心点后斜率同时为正或同时为负时，说明该斜坡中不包含凸起或凹陷，确定该窗口的高程数据对应的地形为斜坡。若否，即中心点前斜率为正，中心点后斜率为负，或中心点前斜率为负，中心点后斜率为正时，说明该斜坡中包含凸起或凹陷，将中心点分别与中心点前和中心点后拐点连接，得到中心点前连线和中心点后连线。可选的，所述根据所述中心点前连线、所述中心点后连线、所述偏度系数和所述变异系数确定当前窗口内基岩的地形，包括：当所述中心点前斜率为正数，所述中心点后斜率为负数时，将所述中心点前连线和所述中心点后连线的一端延长至当前窗口内高程数据的最小值，得到第一延长线端点和第二延长线端点，获取所述第一延长线端点和第二延长线端点之间的第一端点间距离，当所述第一端点间距离大于预设端点间距离，所述偏度系数小于预设偏度系数数值，且所述变异系数大于预设变异系数数值时，确定当前窗口内基岩地形为凸起；当所述中心点前斜率为负数，所述中心点后斜率为正数时，将所述中心点前连线和所述中心点后连线的一端延长至当前窗口内高程数据的最大值，得到第三延长线端点和第四延长线端点，获取所述第三延长线端点和第四延长线端点之间的第二端点间距离，当所述第二端点间距离大于预设端点间距离，所述偏度系数小于预设偏度系数数值，且所述变异系数大于预设变异系数数值时，确定当前窗口内基岩地形为凹陷。
当中心点前斜率和中心点后斜率不同时为正或不同时为负时，将中心点前连线的一端和中心点后连线的一端均延长至该窗口中高程数据的最小值，得到两延长线延长一端的端点，计算两端点之间的距离。示例性的，将预设距离值设置为窗口的一半距离，判断两点之间的距离是否大于预设距离，当距离大于预设距离值时，说明凸起或凹陷占据该斜坡的至少一半比例，当偏度系数小于预设偏度系数数值，且变异系数大于预设变异系数数值时，确定该窗口的地形为凸起或凹陷。若否，确定该窗口的地形为斜坡，直到得到所有窗口对应的高程数据的地形结果。
S140、分别确定每个中心点对应的各窗口内基岩的地形的权重，根据权重和每个中心点对应的各窗口内地形的粗糙度确定每个采样点位置的冰下基岩的粗糙度。
根据中心点对应的各不同距离范围的窗口对应的地形，分配该中心点各窗口对应地形的权重。示例性的，针对当期中心点设置有3个不同距离范围的窗口，分别为窗口1、窗口2和窗口3，其中，窗口1对应的地形为斜坡，窗口2和窗口3对应的地形为凸起，地形为斜坡不分配权重，故窗口2对应的地形分配的权重为二分之一，窗口3对应的地形分配的权重为二分之一。根据该中心点每个窗口对应的地形分配的权重，对该中心点对应的各窗口内的地形的粗糙度进行加权求和，得到该中心点位置的粗糙度。
本实施例的技术方案，通过获取待量化粗糙度的基岩的高程数据；依次将所述高程数据的每个采样点位置作为中心点，基于每个中心点设置至少两个不同距离范围的窗口；确定每个中心点对应的各窗口内基岩的地形及粗糙度；分别确定每个中心点对应的各窗口内基岩的地形的权重，根据所述权重和每个中心点对应的各窗口内地形的粗糙度确定每个采样点位置的冰下基岩的粗糙度，解决了单一尺度的窗口量化粗糙度，准确率低的问题，实现了通过多尺度范围的粗糙度信息确定最终粗糙度结果，使得到的粗糙度结果更加准确的效果。
实施例二
图3为本发明实施例二提供的一种冰下地形自适应粗糙度量化方法的流程图，本实施例是在上一实施例的基础上的进一步细化，粗糙度包括垂直粗糙度，确定每个中心点对应的各窗口内基岩的粗糙度，包括：依次计算每个中心点对应的各窗口内的高程数据的平均功率谱密度，得到每个中心点对应的各窗口内基岩的垂直粗糙度；粗糙度还包括水平粗糙度，确定每个中心点对应的各窗口内基岩的粗糙度，还包括：计算各窗口内的高程数据对应的高程曲线的倾斜度；根据所述倾斜度确定各窗口内高程数据的倾斜平均功率谱密度；依次计算每个中心点对应的各窗口内的高程数据的平均功率谱密度与高程数据的倾斜平均功率谱密度的比值，得到每个中心点对应的各窗口内基岩的水平粗糙度。分别从水平方向和垂直方上向量化各窗口内基岩的粗糙度，得到不同方向上的基岩粗糙度，使得到的基岩粗糙度更加准确。
如图3所示，具体包括如下步骤：
S210、获取待量化粗糙度的基岩的高程数据。
S220、依次将高程数据的每个采样点位置作为中心点，根据高程数据的距离范围对每个中心点设置至少两个不同距离范围的窗口。
S230、确定每个中心点对应的各窗口内基岩的地形。
如图4所示在确定每个中心点对应的各窗口内基岩的地形前先对高程数据进行预设长度的均值滤波，以去除干扰数据，再根据滤波后的高程数据确定高程曲线，根据高程曲线提取表征地形的参数，使确定的地形更加准确。
S240、依次计算每个中心点对应的各窗口内的高程数据的平均功率谱密度，得到每个中心点对应的各窗口内基岩的垂直粗糙度。
如图5所示，将每个高程数据均减去高程数据的均值，使高程数据中心化，消除量纲对高程数据结构的影响，进而消除高程数据的偏误，使得到的粗糙度的准确性进一步提高。根据减去均值的高程数据计算平均功率谱密度，得到每个中心点对应的各窗口内基岩的垂直粗糙度。
S250、计算各窗口内的高程数据对应的高程曲线的倾斜度；根据倾斜度确定各窗口内高程数据的倾斜平均功率谱密度；依次计算每个中心点对应的各窗口内的高程数据的平均功率谱密度与高程数据的倾斜平均功率谱密度的比值，得到每个中心点对应的各窗口内基岩的水平粗糙度。
获取各窗口中的高程数据对应的高程曲线，根据高程曲线计算倾斜度，计算各窗口内高程数据的倾斜功率谱密度，计算各窗口内的高程数据的平均功率谱密度与高程数据的倾斜平均功率谱密度的比值，得到各窗口内基岩的水平粗糙度。
可选的，计算各窗口内的高程数据对应的高程曲线的倾斜度，包括：根据各窗口内的高程数据，将各窗口内相邻的两个高程数据确定为高程数据对；确定与各所述高程数据对对应的数据对高程曲线，计算所述高程数据对曲线的倾斜度；根据所述高程数据对曲线的倾斜度计算各窗口内高程数据对应的高程曲线的倾斜度。示例性的，若当前窗口中包含32个高程数据，编号为1-32，。将相邻的两个高程数据确定为高程数据对，如将1号和2号高程数据确定为高程数据对，2号和3号高程数据确定为高程数据对。根据该窗口中的高程数据对应的高程曲线，计算每对高程数据对的倾斜度，根据每对高程数据对的倾斜度进行倾斜度的积分，得到该窗口高程数据对应高程曲线的倾斜度。
S260、分别确定每个中心点对应的各窗口内基岩的地形的权重，根据权重和每个中心点对应的各窗口内地形的粗糙度确定每个采样点位置的冰下基岩的粗糙度。
根据每个中心点对应的各窗口内基岩的地形的权重，分别对每个中心点对应的各窗口内地形的水平粗糙度和垂直粗糙度进行加权求和，进而得到该采样点位置的冰下基岩的水平粗糙度和垂直粗糙度。使得到的基岩粗糙度更加细化，更加准确。
本实施例的技术方案，通过获取待量化粗糙度的基岩的高程数据；依次将所述高程数据的每个采样点位置作为中心点，基于每个中心点设置至少两个不同距离范围的窗口；确定每个中心点对应的各窗口内基岩的地形；依次计算每个中心点对应的各窗口内的高程数据的平均功率谱密度，得到每个中心点对应的各窗口内基岩的垂直粗糙度；计算各窗口内的高程数据对应的高程曲线的倾斜度；根据所述倾斜度确定各窗口内高程数据的倾斜平均功率谱密度；依次计算每个中心点对应的各窗口内的高程数据的平均功率谱密度与高程数据的倾斜平均功率谱密度的比值，得到每个中心点对应的各窗口内基岩的水平粗糙度；分别确定每个中心点对应的各窗口内基岩的地形的权重，根据所述权重和每个中心点对应的各窗口内地形的粗糙度确定每个采样点位置的冰下基岩的粗糙度，解决了单一尺度的窗口量化粗糙度，准确率低的问题，实现了通过多尺度范围的粗糙度信息确定最终粗糙度结果，使得到的粗糙度结果更加准确的效果。
实施例三
图6为本发明实施例三提供的一种粗糙度确定装置的结构图，该粗糙度确定装置包括：高程数据获取模块310、窗口设置模块320、地形及粗糙度确定模块330和基岩的粗糙度确定模块340。
其中，高程数据获取模块310，用于获取待量化粗糙度的基岩的高程数据；窗口设置模块320，用于依次将所述高程数据的每个采样点位置作为中心点，根据所述高程数据的距离范围对每个中心点设置至少两个不同距离范围的窗口；地形及粗糙度确定模块330，用于确定每个中心点对应的各窗口内基岩的地形及粗糙度；基岩的粗糙度确定模块340，用于分别确定每个中心点对应的各窗口内基岩的地形的权重，根据所述权重和每个中心点对应的各窗口内地形的粗糙度确定每个采样点位置的冰下基岩的粗糙度。
在上述实施例的技术方案中，高程数据获取模块310，包括：
采样高程数据获取单元，用于获取基岩的采样高程数据；
高程数据插值单元，用于对所述采样高程数据进行预设间隔的插值，得到待量化粗糙度的基岩的高程数据。
在上述实施例的技术方案中，地形及粗糙度确定模块330，包括：
高程曲线确定单元，用于根据每个窗口内的高程数据确定对应的高程曲线；
参数获取单元，用于根据所述高程曲线获取表征地形特征的参数；
地形确定单元，用于根据所述参数确定每个中心点对应的各窗口内基岩的地形。
可选的，参数包括：中心点前沿拟合斜率、中心点后沿拟合斜率、中心点前斜率、中心点后斜率、偏度系数和变异系数。
在上述实施例的技术方案中，地形确定单元具体用于当所述中心点前沿拟合斜率为正数，所述中心点后沿拟合斜率为负数，所述偏度系数满足偏度系数预设阈值条件且所述变异系数满足变异系数预设阈值条件时，确定当前窗口内基岩地形为凸起；当所述中心点前沿拟合斜率为负数，所述中心点后沿拟合斜率为正数，所述偏度系数满足偏度系数预设阈值条件且所述变异系数满足变异系数预设阈值条件时，确定当前窗口内基岩地形为凹陷；当所述中心点前沿拟合斜率和所述中心点后沿拟合斜率同时为正数或同时为负数时，根据所述中心点前斜率、所述中心点后斜率、所述偏度系数和所述变异系数确定当前窗口内基岩地形。
在上述实施例的技术方案中，地形确定单元还用于当所述中心点前斜率和所述中心点后斜率同时为正数或同时为负数时，确定当前窗口内基岩的地形为斜坡；当所述中心点前斜率为正数，所述中心点后斜率为负数，或所述中心点前斜率为负数，所述中心点后斜率为正数时，根据所述高程曲线分别获取中心点前拐点和中心点后拐点，将所述中心点分别与所述中心点前拐点和所述中心点后拐点进行连线，得到中心点前连线和中心点后连线，根据所述中心点前连线、所述中心点后连线、所述偏度系数和所述变异系数确定当前窗口内基岩的地形。
在上述实施例的技术方案中，还用于当所述中心点前斜率为正数，所述中心点后斜率为负数时，将所述中心点前连线和所述中心点后连线的一端延长至当前窗口内高程数据的最小值，得到第一延长线端点和第二延长线端点，获取所述第一延长线端点和第二延长线端点之间的第一端点间距离，当所述第一端点间距离大于预设端点间距离，所述偏度系数小于预设偏度系数数值，且所述变异系数大于预设变异系数数值时，确定当前窗口内基岩地形为凸起；当所述中心点前斜率为负数，所述中心点后斜率为正数时，将所述中心点前连线和所述中心点后连线的一端延长至当前窗口内高程数据的最大值，得到第三延长线端点和第四延长线端点，获取所述第三延长线端点和第四延长线端点之间的第二端点间距离，当所述第二端点间距离大于预设端点间距离，所述偏度系数小于预设偏度系数数值，且所述变异系数大于预设变异系数数值时，确定当前窗口内基岩地形为凹陷。
可选的，粗糙度包括垂直粗糙度。
在上述实施例的技术方案中，地形及粗糙度确定模块330，还包括：
垂直粗糙度计算单元，用于依次计算每个中心点对应的各窗口内的高程数据的平均功率谱密度，得到每个中心点对应的各窗口内基岩的垂直粗糙度。
可选的，粗糙度包括水平粗糙度。
在上述实施例的技术方案中，地形及粗糙度确定模块330，还包括：
倾斜度计算单元，用于计算各窗口内的高程数据对应的高程曲线的倾斜度；
倾斜平均功率谱密度确定单元，用于根据所述倾斜度确定各窗口内高程数据的倾斜平均功率谱密度；
水平粗糙度计算单元，用于依次计算每个中心点对应的各窗口内的高程数据的平均功率谱密度与高程数据的倾斜平均功率谱密度的比值，得到每个中心点对应的各窗口内基岩的水平粗糙度。
在上述实施例的技术方案中，倾斜度计算单元，包括：
高程数据对确定子单元，用于根据各窗口内的高程数据，将各窗口内相邻的两个高程数据确定为高程数据对；
数据对对应倾斜度确定子单元，用于确定与各所述高程数据对对应的数据对高程曲线，计算所述高程数据对曲线的倾斜度；
高程曲线的倾斜度确定子单元，用于根据所述高程数据对曲线的倾斜度计算各窗口内高程数据对应的高程曲线的倾斜度。
在上述实施例的技术方案中，基岩的粗糙度确定模块340，包括：
粗糙度加权求和单元，用于根据所述权重对分别对每个中心点对应的各窗口内的水平粗糙度和垂直粗糙度进行加权求和，确定每个采样点位置的冰下基岩的水平粗糙度和垂直粗糙度。
本实施例的技术方案，通过获取待量化粗糙度的基岩的高程数据；依次将所述高程数据的每个采样点位置作为中心点，基于每个中心点设置至少两个不同距离范围的窗口；确定每个中心点对应的各窗口内基岩的地形及粗糙度；分别确定每个中心点对应的各窗口内基岩的地形的权重，根据所述权重和每个中心点对应的各窗口内地形的粗糙度确定每个采样点位置的冰下基岩的粗糙度，解决了单一尺度的窗口量化粗糙度，准确率低的问题，实现了通过多尺度范围的粗糙度信息确定最终粗糙度结果，使得到的粗糙度结果更加准确的效果。
本发明实施例所提供的粗糙度确定装置可执行本发明任意实施例所提供的冰下地形自适应粗糙度量化方法，具备执行方法相应的功能模块和有益效果。
实施例四
图7为本发明实施例四提供的一种服务器的结构示意图，如图7所示，该服务器包括处理器410、存储器420、输入装置430和输出装置440；服务器中处理器410的数量可以是一个或多个，图7中以一个处理器410为例；服务器中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接，图7中以通过总线连接为例。
存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的冰下地形自适应粗糙度量化方法对应的程序指令/模块(例如，粗糙度确定装置中的高程数据获取模块310、窗口设置模块320、地形及粗糙度确定模块330和基岩的粗糙度确定模块340)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述的冰下地形自适应粗糙度量化方法。
存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息，以及产生与服务器的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种冰下地形自适应粗糙度量化方法，该方法包括：
获取待量化粗糙度的基岩的高程数据；
依次将所述高程数据的每个采样点位置作为中心点，根据所述高程数据的距离范围对每个中心点设置至少两个不同距离范围的窗口；
确定每个中心点对应的各窗口内基岩的地形及粗糙度；
分别确定每个中心点对应的各窗口内基岩的地形的权重，根据所述权重和每个中心点对应的各窗口内地形的粗糙度确定每个采样点位置的冰下基岩的粗糙度。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的冰下地形自适应粗糙度量化方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述粗糙度确定装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种冰下地形自适应粗糙度量化方法，其特征在于，包括：
获取待量化粗糙度的基岩的高程数据；
依次将所述高程数据的每个采样点位置作为中心点，根据所述高程数据的距离范围对每个中心点设置至少两个不同距离范围的窗口；
确定每个中心点对应的各窗口内基岩的地形及粗糙度；
分别确定每个中心点对应的各窗口内基岩的地形的权重，根据所述权重和每个中心点对应的各窗口内地形的粗糙度确定每个采样点位置的冰下基岩的粗糙度。
2.根据权利要求1所述的方法，其特征在于，所述获取待量化粗糙度的基岩的高程数据，包括：
获取基岩的采样高程数据；
对所述采样高程数据进行预设间隔的插值，得到待量化粗糙度的基岩的高程数据。
3.根据权利要求1所述的方法，其特征在于，所述确定每个中心点对应的各窗口内基岩的地形，包括：
根据每个窗口内的高程数据确定对应的高程曲线；
根据所述高程曲线获取表征地形特征的参数；
根据所述参数确定每个中心点对应的各窗口内基岩的地形。
4.根据权利要求3所述的方法，其特征在于，所述参数包括：中心点前沿拟合斜率、中心点后沿拟合斜率、中心点前斜率、中心点后斜率、偏度系数和变异系数；
所述根据所述参数确定每个中心点对应的各窗口内基岩的地形，包括：
当所述中心点前沿拟合斜率为正数，所述中心点后沿拟合斜率为负数，所述偏度系数满足偏度系数预设阈值条件且所述变异系数满足变异系数预设阈值条件时，确定当前窗口内基岩地形为凸起；
当所述中心点前沿拟合斜率为负数，所述中心点后沿拟合斜率为正数，所述偏度系数满足偏度系数预设阈值条件且所述变异系数满足变异系数预设阈值条件时，确定当前窗口内基岩地形为凹陷；
当所述中心点前沿拟合斜率和所述中心点后沿拟合斜率同时为正数或同时为负数时，根据所述中心点前斜率、所述中心点后斜率、所述偏度系数和所述变异系数确定当前窗口内基岩地形。
5.根据权利要求4所述的方法，其特征在于，所述根据所述中心点前斜率、所述中心点后斜率、所述偏度系数和所述变异系数确定当前窗口内基岩地形，包括：
当所述中心点前斜率和所述中心点后斜率同时为正数或同时为负数时，确定当前窗口内基岩的地形为斜坡；
当所述中心点前斜率为正数，所述中心点后斜率为负数，或所述中心点前斜率为负数，所述中心点后斜率为正数时，根据所述高程曲线分别获取中心点前拐点和中心点后拐点，将所述中心点分别与所述中心点前拐点和所述中心点后拐点进行连线，得到中心点前连线和中心点后连线，根据所述中心点前连线、所述中心点后连线、所述偏度系数和所述变异系数确定当前窗口内基岩的地形。
6.根据权利要求5所述的方法，其特征在于，所述根据所述中心点前连线、所述中心点后连线、所述偏度系数和所述变异系数确定当前窗口内基岩的地形，包括：
当所述中心点前斜率为正数，所述中心点后斜率为负数时，将所述中心点前连线和所述中心点后连线的一端延长至当前窗口内高程数据的最小值，得到第一延长线端点和第二延长线端点，获取所述第一延长线端点和第二延长线端点之间的第一端点间距离，当所述第一端点间距离大于预设端点间距离，所述偏度系数小于预设偏度系数数值，且所述变异系数大于预设变异系数数值时，确定当前窗口内基岩地形为凸起；
当所述中心点前斜率为负数，所述中心点后斜率为正数时，将所述中心点前连线和所述中心点后连线的一端延长至当前窗口内高程数据的最大值，得到第三延长线端点和第四延长线端点，获取所述第三延长线端点和第四延长线端点之间的第二端点间距离，当所述第二端点间距离大于预设端点间距离，所述偏度系数小于预设偏度系数数值，且所述变异系数大于预设变异系数数值时，确定当前窗口内基岩地形为凹陷。
7.根据权利要求1所述的方法，其特征在于，所述粗糙度包括垂直粗糙度；
确定每个中心点对应的各窗口内基岩的粗糙度，包括：
依次计算每个中心点对应的各窗口内的高程数据的平均功率谱密度，得到每个中心点对应的各窗口内基岩的垂直粗糙度。
8.根据权利要求7所述的方法，其特征在于，所述粗糙度还包括水平粗糙度；
确定每个中心点对应的各窗口内基岩的粗糙度，还包括：
计算各窗口内的高程数据对应的高程曲线的倾斜度；
根据所述倾斜度确定各窗口内高程数据的倾斜平均功率谱密度；
依次计算每个中心点对应的各窗口内的高程数据的平均功率谱密度与高程数据的倾斜平均功率谱密度的比值，得到每个中心点对应的各窗口内基岩的水平粗糙度。
9.根据权利要求8所述的方法，其特征在于，所述计算各窗口内的高程数据对应的高程曲线的倾斜度，包括：
根据各窗口内的高程数据，将各窗口内相邻的两个高程数据确定为高程数据对；
确定与各所述高程数据对对应的数据对高程曲线，计算所述高程数据对曲线的倾斜度；
根据所述高程数据对曲线的倾斜度计算各窗口内高程数据对应的高程曲线的倾斜度。
10.根据权利要求9所述的方法，其特征在于，所述根据所述权重和每个中心点对应的各窗口内地形的粗糙度确定每个采样点位置的冰下基岩的粗糙度，包括：
根据所述权重对分别对每个中心点对应的各窗口内的水平粗糙度和垂直粗糙度进行加权求和，确定每个采样点位置的冰下基岩的水平粗糙度和垂直粗糙度。
CN202011445074.8A 2020-12-08 2020-12-08 冰下地形自适应粗糙度量化方法 Pending CN112464171A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011445074.8A CN112464171A (zh) 2020-12-08 2020-12-08 冰下地形自适应粗糙度量化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011445074.8A CN112464171A (zh) 2020-12-08 2020-12-08 冰下地形自适应粗糙度量化方法

Publications (1)

Publication Number Publication Date
CN112464171A true CN112464171A (zh) 2021-03-09

Family

ID=74801309

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011445074.8A Pending CN112464171A (zh) 2020-12-08 2020-12-08 冰下地形自适应粗糙度量化方法

Country Status (1)

Country Link
CN (1) CN112464171A (zh)

Similar Documents

Publication Publication Date Title
CN107979431B (zh) 基于黎曼中值的频谱感知的方法、装置以及设备
CN110995524B (zh) 流量数据监控方法、装置、电子设备和计算机可读介质
KR102319145B1 (ko) 고해상도 해양 데이터를 생성하기 위한 방법 및 이를 이용한 장치
CN111505740A (zh) 气象预测方法、装置、计算机设备和存储介质
CN112291122A (zh) 网络流量检测方法、装置、电子设备及可读存储介质
CN112526470A (zh) 标定雷达参数的方法和装置、电子设备、存储介质
CN115656989A (zh) 外参标定方法、装置、电子设备及存储介质
CN114356703A (zh) 一种根因分析方法及装置
CN112464171A (zh) 冰下地形自适应粗糙度量化方法
CN109736793B (zh) 一种评价储层孔隙结构的方法及设备
CN112783937B (zh) 基于大数据和云计算的产品生产监测方法及设备
JPWO2019069905A1 (ja) 情報処理装置、制御方法、及びプログラム
CN117935972B (zh) 一种海水悬沙浓度计算方法、装置、电子设备及存储介质
CN110930007B (zh) 一种农机田间作业状态确定方法和装置
CN111487598B (zh) 冰层厚度计算方法、装置、计算机设备和存储介质
CN116680507B (zh) 自动确定固体火箭发动机燃烧时间方法、系统和装置
CN116366477B (zh) 一种列车网络通信信号检测方法、装置、设备及存储介质
CN114913391A (zh) 样本图像处理方法、装置、电子设备及可读存储介质
CN118096509A (zh) 空间插值方法、装置、电子设备及存储介质
CN114488032A (zh) 一种雷达相位噪声滤波方法、装置、交通工具及存储介质
US20220360937A1 (en) Collection device, measurement terminal, collection system, collection method, measurement method, collection program, and measurement program
CN117354920A (zh) 一种物联网节点的定位方法和系统
CN116051904A (zh) 一种目标检测模型训练方法、装置、计算机设备以及介质
Danudirdjo et al. SAR interferometric phase and skew fractional Brownian motion model
CN115828730A (zh) 一种模型训练方法、波束跟踪方法、装置、设备及介质

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