CN112539886B - 一种海底气体羽状流提取方法及应用 - Google Patents
一种海底气体羽状流提取方法及应用 Download PDFInfo
- Publication number
- CN112539886B CN112539886B CN202011280291.6A CN202011280291A CN112539886B CN 112539886 B CN112539886 B CN 112539886B CN 202011280291 A CN202011280291 A CN 202011280291A CN 112539886 B CN112539886 B CN 112539886B
- Authority
- CN
- China
- Prior art keywords
- wci
- data
- sonar
- ping
- plume
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
- G01M3/24—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point using infrasonic, sonic, or ultrasonic vibrations
- G01M3/243—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point using infrasonic, sonic, or ultrasonic vibrations for pipes
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Acoustics & Sound (AREA)
- Computer Networks & Wireless Communication (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明属于海洋测绘、海洋资源勘探及海底探测技术领域,公开了一种基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法及应用。本发明基于对多波束声呐水柱(Water Column,WC)中存在的噪声细致分析,发现以中央波束为轴镜面对称分布水体采样点的后向散射强度呈正相关,且WCI(Water Column Image)中气体羽状流反射强度高于对称位置水体声强,可通过WC数据对称做差实现多波束水柱影像的初步降噪;若WCI未受第三方声呐干扰,直接逐一对全部Ping的WCI进行二值化,再采用开操作设置阈值滤除小连通分量的方式实现对气体羽状流的提取。本发明可以提高了实际探测和检测效率。
Description
技术领域
本发明属于海洋测绘、海洋资源勘探及海底探测技术领域,尤其涉及一种基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法及应用。
背景技术
近年来,新一代多波束测深系统除能够获取海底底质概况外,同时获得了水体信息数据存储功能,其所采集的水柱(Water Column,WC)数据包含从换能器到海底全程的水体声学散射信息,通过WC数据获取的水柱影像(Water Column Image,WCI)能够在探测鱼群、航道障碍物、海底突起物、气体羽状流等水体异常目标探测中发挥重要作用。其中对于利用多波束WC数据观测海底气体羽状流指示天然气水合物埋藏位置方面,Schneider等利用多波束WCI,在北海和黑海海域探测到海底气体泄漏的情况,通过绘制3D图像数据分析了泄漏气体的空间结构。Greinert等使用多波束对黑海克里米亚半岛以西陆架多种不同喷溢特点天然气水合物进行实时观测,通过多波束WCI对该区喷溢活动特点进行详细研究。Nikolovska 等使用多波束测深声纳配合搭载了Kongsberg MS1000单波束扫描声纳以及回波测深仪的 ROV对黑海海域的泄漏区域进行气体羽状流成像,并对存在泄漏的位置进行记录。Weber等使用单波束和高分辨率多波束完成墨西哥湾气体羽状流渗透上升过程调查。梅赛等利用高频成像声纳系统分析了羽状流的基本特征及其分布。刘斌等结合2016年于南海西北部陆坡琼东南海域多波束WCI和浅剖数据,分析了该区域羽状流分布形态,并对多波束WCI和浅剖水体数据进行对比,发现浅剖数据无法发现水体中羽状流存在。由此可见,多波束WC数据处理获取的WCI能够用于海底气体羽状流监测提取,为天然气水合物勘测提供极具价值的现场观测数据,具有相当高的应用价值。
目前,部分多波束处理软件能够实现水体数据成像及简单处理,如CARIS、PDS2000、 Fledermaus等。但由于旁瓣、船舶、第三方声呐、环境等噪声影响,多波束WCI中存在大量干扰,对于从水体数据中快速提取气体羽状流的方法尚待发掘。目前,有学者提出相关方法提取WCI中的气体羽状流,如Urban等采用1000Ping WCI堆叠取中值,选取合适阈值降噪,生成掩膜以去噪提取WCI中气体羽状流。汪诗奇等通过最小二乘法拟合同采样号平均回波强度,设置采样点真实回波强度与拟合后曲线值差值大于kσ为阈值降噪,并利用前后相邻奇(偶)数Ping影像求交作为背景与包含目标影像相减完成对WCI中羽状流提取。现在大部分学者使用多波束WCI提取气体羽状流多采用多Ping数据先降噪,再设置阈值的方法。由于多波束WCI中噪声来源多、范围广,此类羽状流提取方法,最终提取结果羽状流与噪声分离情况达不到实际需要,还需人为去除噪声,自动化程度有限。而利用多波束WCI自动提取气体羽状流能给天然气水合物矿藏探测带来极大便利,因此现亟需一种WCI中气体羽状流自动提取方法,合理利用水体数据,以提高探测效率,指示矿藏位置;其次,基于多波束探测的水体羽状流信息可以用于海底输气管道的渗漏检测。
通过上述分析,现有技术存在的问题及缺陷为:
(1)目前,使用多波束WCI提取气体羽状流多采用多Ping数据先降噪,再设置阈值的方法提取气体羽状流,这种羽状流提取方法需考虑数据整体特征,自动化程度有限。
(2)多波束WC数据记录了异常目标,但其中存在成因广、范围大的噪声给提取气体羽状流带来极大阻碍。
解决以上问题及缺陷的难度为:
(1)通过何种技术手段完成多波束WCI前处理工作,初步降噪、平滑强调羽状流目标为难点之一。
(2)选用何种方法在尽可能高的自动化程度基础上同时将不同来源、分布的噪声去除,且以保证羽状流提取完整性为难点之一。
(3)不考虑多波束WCI数据集整体特征,针对单Ping的WCI实现提取为难点之一。
解决以上问题及缺陷的意义为:
本文方法针对单Ping WCI为对象,可在探测过程中了解测区内是否存在羽状流,获取气体渗漏点位置,提高探测效率,大幅度削减探测成本;该方法的实现仅需用户预设好参数,自动化程度较高,提取效果良好;采用图像处理方式,参数可变动范围大,更灵活简便。
发明内容
针对现有技术存在的问题,本发明提供了一种基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法及应用。
本发明是这样实现的,一种基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法,所述一种基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法,基于对多波束声呐水柱数据中存在的噪声细致分析,发现以中央波束为轴镜面对称分布的水体采样点后向散射强度呈正相关,且羽状流在WCI中反射强度高于对称位置水体声强,可采用对称做差实现多波束WCI初步降噪;若WCI未受第三方声呐干扰,直接逐一对全部探测数据 WCI二值化,再采用开操作设置阈值滤除小连通分量的方式实现对气体羽状流的提取。若有第三方声呐干扰,则先选取若干Ping不包含羽状流WCI,对所选每Ping的WCI二值化,采用开操作设置阈值滤除小连通分量的方式将第三方声呐干扰提取出来,并对每Ping提取结果求并生成模板。然后逐一对全部探测数据WCI二值化,滤除模板内提取出的第三方干扰后,再采用开操作设置阈值滤除小连通分量的方式完成羽状流提取。
进一步,所述一种基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法包括:
第一步,根据数据存储方式解析提取原始数据,转换为可用格式数据;
第二步,转换后的数据显示多波束记录了水深、底质和水体回波强度、采样频率、声速及波束入射角信息,利用提取到的信息,对每一Ping数据进行采样点归位计算,得到每Ping 水体、水深采样点实际位置信息,获取水深地形图和多波束WCI波束阵列图、扇面图(投影和相对坐标)、航向剖面图;
第三步,船舶、换能器自身产生的噪声仅在水体浅表层数十次采样序列中存在,直接将浅表层水体一定数量等时采样序列去除,并以中央波束为分界线,将两侧WC数据对称作差初步压制WCI中噪声;
第四步,对滤除表层噪声并对称作差初步去噪的WCI采用图像滤波方法,平滑增强气体羽状流目标,完成数据前处理;
第五步,多波束运行过程中是否有第三方声呐同时运行产生第三方声呐干扰。若有则选取若干Ping不包含羽状流WCI,基于大津算法OSTU逐一计算所选Ping多波束WCI二值化阈值,并设阈值系数w供用户设置,提高二值化分割效果,完成第三方声呐干扰初步分离,并执行第六步。若无第三方声呐干扰则转至第七步;
第六步,对二值化后的若干Ping不包含羽状流WCI执行开操作处理,并设置连通分区像素阈值P,进一步去除二值化后非第三方声呐噪点,并对其处理结果求并,完成第三方声呐干扰提取形成模板;
第七步,基于大津算法OSTU逐一计算全部探测数据WCI二值化阈值,并设置阈值系数 w供用户设置,初步分离气体羽状流;
第八步,若有第三方声呐干扰,先逐一滤除二值化后全部WCI与模板相交部分,再执行开操作处理,无则直接执行开操作。然后设置连通分区像素阈值P,进一步去除二值化后残余噪点,实现多波束声呐水柱数据中气体羽状流的快速提取;
第九步,利用提取结果和解析的数据,实现气体羽状流点云图、多波束各类WCI影像图的成图。
进一步,所述第一步原始数据解析,根据文件格式,编写程序,解析提取原始数据,保存为可用的格式;
进一步,所述第二步水深及水体采样点计算,根据原始数据中水深地形及POS数据可完成水深数据投影坐标计算,公式:
[THETA,RHO]=cart2pol(AcrosstrackY,AlongtrackX)
S_East=S_Eastsonar+P_prcEast
S_North=S_Northsonar+P_prcNorth;
式中:P_prc为每Ping数据获取时投影坐标(P_prcEast、P_prcNorth)、航向(P_prcHead)、子午线收敛角(P_prcCon);posdown、posup为与每Ping水深数据记录时间最邻近的两组POS 点;AcrosstrackY,AlongtrackX为以换能器为原点采样点横向、纵向相对坐标,m;S_Eastsonar, S_Northsonar为水深采样点到换能器距离,m。编程计算各地形采样点投影位置即可获取水深地形图,结合导航数据包、水柱数据包内存储数据,计算水体后向散射强度采样点以换能器为原点的相对坐标,公式:
PBS_SR=(PBS_idx+PBS_sRSNum)×c/(2·f)
PBS_H=-PBS_SR×cos(PBS_BPA)
PBS_X=-PBS_SR×sin(PBS_BPA);
获取水体后向散射强度采样点相对坐标后,结合每Ping数据换能器投影坐标,计算获取水体后向散射强度采样点投影坐标,公式:
PBS_East=P_prcEast+PBS_X×cos(theta)
PBS_North=P_prcNorth+PBS_X×sin(theta);
式中:PBS_SR为水体采样点到换能器距离,m;BS idx为每柱接收波束回波采样点编号;PBS_sRSNum为每柱接收波束起始采样点编号;c为声速,m;f为采频率;BS_BPA为波束发射角;PBS_X,PBS_H为水体后向散射强度采样点沿船横向位置及水深,m;sonarHeadingOffset 为换能器安装角度,°;theta为波束方位角,°;PBS_East、PBS_North为水体采样点投影坐标,m。编程计算各水体采样点相对坐标和投影坐标后,即可获取多波束WCI、扇面图(投影和相对坐标)、波束阵列图、航向剖面图等。
进一步,所述第三步噪声初步压制,针对测区内噪声以中央波束为轴对称分布特征,对多波束WC数据单Ping内呈镜面对称位置采样点水体后向反射强度进行Pearson相关性分析,并求和取均值可见单Ping内镜面对称位置水体后向散射强度采样点呈中等程度正相关,以中央波束为分界线,将两侧WC数据对称作差初步压制WCI中噪声。
进一步,所述第四步WCI滤波,通过图像滤波方法对多波束WCI数据进行预处理,并对WCI内气体羽状流部分目标平滑增强。
进一步,所述第五步和第七步多波束WCI二值化,以中央波束为轴将每Ping WCI图像分成两侧,采用OSTU算法初步确定两侧二值化阈值,并设置系数w作为此阈值的系数,以改善二值化结果,公式:
式中:mG为WCI平均灰度;概率P1(k)为灰度阈值为k时被分到小于k一类的概率;mk为灰度级k的累加均值;δB 2为类间方差,将每Ping单侧多波束WCI中包含的灰度级依次代入上式,当δB 2取最大时的k*即为此算法下计算获取的阈值,再乘以预先设置的w,即可得到单侧WCI二值化阈值。分别计算每Ping WCI两侧阈值完成二值化后拼接,即可完成多波束WCI二值化。
进一步,所述第六步、第八步图像开操作,图像开操作实际是先对图像腐蚀,然后膨胀的处理方式,图像腐蚀、膨胀公式分别为:
式中:Z为某Ping WCI;A为Z中包含的连通分量;E为腐蚀后Z中包含的连通分量;SE为结构体;开操作处理后WCI中指示待提取目标的连通分区按需求设置合理阈值P滤除像素数量小的连通分区完成提取。
本发明目的在于提供一种基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法,所述多波束声呐水柱数据中海底气体羽状流处理系统包括:
数据解析模块,根据数据存储方式解析提取原始数据,转换为可用格式数据;
水体及水深采样点归位模块,根据解析提取到的水深、底质和水体回波强度、采样频率、声速及波束入射角等信息,对每一Ping数据进行采样点归位计算,得到每一水体、水深采样点实际位置信息,获取水深地形图和多波束WCI波束阵列图、扇面图(投影及相对坐标)、航向剖面图等;
噪声初步压制模块,船舶、换能器自身产生的噪声仅在水体浅表层数十次采样序列中存在,直接将浅表层水体一定数量等时采样序列去除,并以中央波束为分界线,将两侧呈镜面对称WC数据对称作差初步压制WCI中噪声;
多波束WCI滤波模块,对滤除表层噪声并对称作差初步去噪的WCI采用图像滤波方法,平滑增强气体羽状流目标,完成数据前处理;
第三方声呐干扰二值化分割模块,若有第三方声呐干扰,则选取若干Ping不包含羽状流 WCI,基于大津算法OSTU逐一计算所选Ping多波束WCI二值化阈值,并设置阈值系数w 供用户设置,完成第三声呐初步分离;
第三方声呐干扰模板提取模块,对二值化后的若干Ping不包含羽状流WCI执行开操作处理,并设置连通分区像素阈值P,进一步去除二值化后非第三方声呐噪点,并对其处理结果求并,完成第三方声呐干扰模板形成;
气体羽状流初步分离模块,基于大津算法OSTU逐一计算全部Ping多波束WCI二值化阈值,并设置阈值系数w供用户设置,初步分离气体羽状流;
羽状流提取模块,若有第三方声呐干扰,先逐一滤除二值化后WCI与模板相交部分,再执行开操作处理,无则直接执行开操作。然后设置连通分区像素阈值P,进一步去除二值化后残余噪点,实现多波束声呐水柱数据中气体羽状流的快速提取;
绘图模块,利用提取结果和解析的数据,实现气体羽状流点云图、多波束各类WCI影像图的成图。
本发明的另一目的在于提供一种海底输气管道的渗漏检测方法,所述海底输气管道的渗漏检测方法包括以下步骤:基于对多波束声呐水柱数据中存在的噪声细致分析,发现以中央波束为轴镜面对称分布采样点的水体后向散射强度呈正相关,且油气渗漏在WCI中反射强度高于对称位置水体声强,可采用对称做差法实现多波束WCI初步降噪;若WCI未受三方声呐干扰,直接对全部探测数据中每Ping对WCI进行二值化,再采用开操作设置阈值滤除小连通分量的方式实现油气渗漏提取。若有第三方声呐干扰,则先选若干Ping不包含羽状流 WCI,先逐一对所选WCI二值化,采用开操作设置阈值滤除小连通分量的方式将第三方声呐干扰提取出来,并其处理结果求并生成模板。然后逐一对全部WCI二值化,滤除模板内提取出的第三方干扰后,再采用开操作设置阈值滤除小连通分量的方式完成油气渗漏提取。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明基于对多波束声呐水柱数据中存在的噪声细致分析,发现以中央波束为轴镜面对称分布采样点的水体后向散射强度呈正相关,且羽状流在WCI中反射强度高于对称位置水体声强,利用这一特征可采用WC数据对称做差法实现多波束WCI初步降噪;气体羽状流形态受自身上升速度及海流速度影响,一般情况下自身上升速度影响大,在水体中形态多为近垂直状,多波束噪声则常形成于同一采样时间,形态多表现为横向宽,纵向窄。利用羽状流和噪声这一形态、分布特征,当WCI未受第三方声呐干扰时,直接逐一对全部探测数据WCI二值化,再采用开操作设置阈值滤除小连通分量的方式实现对气体羽状流的提取。若有第三方声呐干扰,则先选取若干 Ping不包含羽状流WCI,先逐一对所选WCI二值化,采用开操作设置阈值滤除小连通分量的方式将第三方声呐干扰提取出来,并对每Ping提取结果求并生成模板。然后逐一对全部探测数据WCI二值化,滤除模板内提取出的第三方干扰后,再采用开操作设置阈值滤除小连通分量的方式完成羽状流提取。基于上述特征和处理方法,基于图像数据处理的角度提出一种基于图像处理的多波束声呐水柱数据中海底气体羽状流提取方法。
本发明有益于高效获取海底气体渗漏点位置,对气体渗漏区地形地貌和底质分布研究、油气管线渗漏检测、渗漏气体通量估算、资源勘查以及气候环境变化研究具有重要意义。本发明首次通过利用WCI中噪声和气体羽状流特征,采取图像学处理实现羽状流高效提取,以提高实际探测效率。
附图说明
为了更清楚地说明本申请技术方案,下面将对本申请实施例和验证例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些案例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法流程图。
图2是本发明实施例提供的多波束声呐水柱数据中海底气体羽状流处理系统的结构示意图;
图2中:1、数据解析模块;2、水体及水深采样点归位模块;3、噪声初步压制模块;4、多波束WCI滤波模块;5、第三方声呐干扰二值化分割模块;6、第三方声呐干扰模板提取模块;7、气体羽状流初步分离模块;8、羽状流提取模块;9、绘图模块。
图3是本发明实施例提供的旁瓣干扰示意图。
图4是本发明实施例提供的多波束水体影像噪源示意图。
图5是本发明实施例提供的原始数据测区航向剖面图及示例WCI图像
图6是本发明实施例提供的相关系数分析结果示意图。
图7是本发明实施例提供的测区多波束水深地形图。
图8是本发明实施例提供的多波束水体影像图。
图9是本发明实施例提供的对称作差法降噪对比图。
图10是本发明实施例提供的巴特沃斯低通滤波效果图。
图11是本发明实施例提供的不同系数w下OSTU第三方声呐干扰分割结果示意图。
图12是本发明实施例提供的第三方声呐干扰模板
图13是本发明实施例提供的不同系数w下OSTU气体羽状流分割结果示意图。
图14是本发明实施例提供的有无模板下最终气体羽状流提取结果图。
图15是本发明验证例提供的原始数据测区WCI航向剖面图及示例D-A图像。
图16是本发明验证例提供的测区水深地形图。
图17是本发明验证例提供的相关系数分析结果示意图。
图18是本发明验证例提供的对称作差法降噪对比图。
图19是本发明验证例提供的巴特沃斯低通滤波效果图。
图20是本发明验证例提供的不同系数w下OSTU气体羽状流分割结果示意图。
图21是本发明验证例提供的最终气体羽状流提取结果图
图22是本发明实施例提供的处理流程框架图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种基于图像处理的多波束声呐水柱数据中海底气体羽状流提取方法及应用,下面结合附图对本发明作详细的描述。
如图1所示,本发明提供的一种基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法包括以下步骤:
S101:根据数据存储方式解析提取原始数据,转换为可用格式数据;
S102:转换后的数据显示多波束记录了水深、底质和水体回波强度、采样频率、声速及波束入射角等信息,利用提取到的信息,对每一Ping数据进行采样点归位计算,得到每一水体、水深采样点实际位置信息,获取水深地形图和各类多波束WCI;
S103:船舶、换能器自身产生的噪声仅在水体浅表层数十次采样序列中存在,直接将浅表层水体一定数量等时采样序列去除,并以中央波束为分界线,将两侧WC数据对称作差初步压制WCI中噪声;
S104:对滤除表层噪声并对称作差法初步去噪的WCI采用图像滤波方法,平滑增强气体羽状流目标,完成数据前处理;
S105:若有第三方声呐干扰,则选取若干Ping不包含羽状流WCI,基于大津算法OSTU 逐一计算所选WCI二值化阈值,并设置阈值系数w供用户设置,完成第三声呐干扰初步分离;
S106:对二值化后的若干Ping不包含羽状流WCI执行开操作处理,并设置连通分区像素阈值P,进一步去除二值化后非第三方声呐噪点,并对其处理结果求并,完成第三方声呐干扰模板形成;
S107:基于大津算法OSTU逐一计算全部探测数据WCI二值化阈值,并设置阈值系数w 供用户设置,初步分离气体羽状流;
S108:若有第三方声呐干扰,逐一滤除二值化WCI与模板相交部分,再执行开操作处理,无则直接执行开操作。然后设置连通分区像素阈值P,进一步去除二值化后残余噪点,实现多波束声呐水柱数据中气体羽状流的快速提取;
S109:利用提取结果和解析的数据,实现气体羽状流点云图、多波束各类WCI影像图的成图。
本发明提供的一种基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法业内的普通技术人员还可以采用其他的步骤实施,图1的本发明提供的一种基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法仅仅是一个具体实施例而已。
如图2所示,本发明提供的多波束声呐水柱数据中海底气体羽状流处理系统包括:
数据解析模块1,根据数据存储方式解析提取原始数据,转换为可用格式数据;
水体及水深采样点归位模块2,转换后的数据显示多波束记录了水深、底质和水体回波强度、采样频率、声速及波束入射角等信息,利用提取到的信息,对每一Ping数据进行采样点归位计算,得到每一水体、水深采样点实际位置信息,获取水深地形图和多波束WCI波束阵列图;
噪声初步压制模块3,船舶、换能器自身产生的噪声仅在水体浅表层数十次采样序列中存在,直接将浅表层水体一定数量等时采样序列去除,并以中央波束为分界线,将两侧WC 数据对称作差初步压制WCI中噪声;
多波束WCI滤波模块4,对滤除表层噪声并对称作差法初步去噪的WCI采用图像滤波方法,平滑增强气体羽状流目标,完成数据前处理;
第三方声呐干扰二值化分割模块5,若有第三方声呐干扰,则选取若干Ping不包含羽状流WCI,基于大津算法OSTU逐一计算所选WCI二值化阈值,并设置阈值系数w供用户设置,完成第三声呐初步分离;
第三方声呐干扰模板提取模块6,对二值化后若干Ping不包含羽状流WCI执行开操作处理,并设置连通分区像素阈值P,进一步去除二值化后非第三方声呐噪点,并对其处理结果求并,完成第三方声呐干扰模板形成;
气体羽状流初步分离模块7,基于大津算法OSTU逐一计算全部探测数据WCI二值化阈值,并设置阈值系数w供用户设置,初步分离气体羽状流;
羽状流提取模块8,若有第三方声呐干扰,先逐一滤除全部WCI与模板相交部分,再执行开操作处理,无则直接执行开操作。然后设置连通分区像素阈值P,进一步去除二值化后残余噪点,实现多波束声呐水柱数据中气体羽状流快速提取;
绘图模块9,利用提取结果和解析的数据,实现气体羽状流点云图、多波束各类WCI、地形图的成图。
下面结合附图对本发明的技术方案作进一步的描述。
本发明多波束测深仪采用发射、接收指向性正交的两组换能器阵向海底发射声波信号并接收回波信号,通过接收指向性与发射指向性叠加,获得一系列垂直于航向分布的窄波束。而在通过束控实现换能器基阵指向性的同时,除主瓣外还会产生一系列旁瓣,对换能器到海底最短距离半径即最小倾斜距离(MSR)内WCI产生严重干扰(图3)。因此,MSR内的WCI受旁瓣干扰小质量高,MSR以外WCI受旁瓣干扰大,一般难以反馈水体真实信息,相关学者选取MSR以内WCI分析提取水体中异常目标,本方法也采用同样选择。此外,多波束系统将海洋风浪、浮游动植物、悬浮物等产生的海洋环境噪声,船舶、第三方声呐等产生的电子噪声也以异常值的形式加以记录,对多波束WCI造成污染,给利用WCI目标探测提取产生不利影响(图4)。由此可见,想要从多波束WCI中提取气体羽状流,首先需要了解 WCI中噪声类型及分布特征,根据噪声特征完成初步降噪后,再根据气体羽状流与剩余噪声之间特征差别,通过图像学处理手段实现羽状流提取。
本发明通过对实施例多波束WCI(图5)中存在的噪声及气体羽状流研究发现:以中央波束为轴镜面对称分布采样点的水体后向散射强度呈正相关(图6,本实施例先关系数较低,是因多处第三方声呐导致,若无则相关系数更高如验证例图17),且羽状流反射强度高于对称位置水体声强,可利用这一特征采用WC数据对称作差实现多波束WCI初步降噪;天然气水合物气体羽状流形态受自身上升速度及海流速度影响,一般情况下自身上升速度影响大,在水体中形态多为近垂直状,多波束噪声则常形成于同一采样时间,形态多表现为横向宽,纵向窄。利用羽状流和噪声这一形态、分布特征,当WCI未受第三方声呐干扰时,直接逐一对全部探测数据WCI二值化,再采用开操作设置阈值滤除小连通分量的方式实现对气体羽状流的提取。若有第三方声呐干扰,则先选取若干Ping不包含羽状流WCI,先对所选WCI二值化,采用开操作设置阈值滤除小连通分量的方式将第三方声呐干扰提取出来,并对其处理结果求并生成模板。然后逐一对全部探测数据WCI二值化,滤除与模板内第三方干扰相交部分,再采用开操作设置阈值滤除小连通分量的方式完成羽状流提取。基于上述特征,提出一种基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法。
本发明所采用的技术方案是按照以下步骤进行:
(1)数据解析:不同公司不同型号多波束原始数据都有其相应的存储模式,需根据其数据存储方式解析提取原始数据,转换为可用格式数据;
(2)水体及水深采样点归位:转换后的数据显示多波束记录了水深、底质和水体回波强度、采样频率、声速及波束入射角等信息,利用这些提取到的信息,对每一Ping数据进行采样点归位计算,得到每一水体、水深采样点实际位置信息,进而获取水深地形图(图7)和多波束WCI波束阵列图(Time-Angle空间,T-A空间,本发明处理过程选取的多波束WCI)、以换能器为原点的扇面图(Depth-Acrosstrack空间,D-A空间)及投影坐标下多波束WCI(Depth-Projection空间,D-P空间)(图8);
(3)噪声初步压制:船舶、换能器自身产生的噪声仅在水体浅表层数十次采样序列中存在,直接将浅表层水体一定数量等时采样序列去除,并以中央波束为分界线,将两侧WC数据对称作差初步压制WCI中噪声(图9);
(4)多波束WCI滤波:对滤除表层噪声并对称作差法初步去噪的WCI采用图像滤波方法,进一步减少噪声生影响,平滑增强气体羽状流目标,完成数据前处理工作(图10);
(5)第三方声呐干扰二值化分割:若有第三方声呐干扰,则选取若干Ping不包含羽状流WCI,基于大津算法OSTU逐一计算所选WCI二值化阈值,并设置阈值系数w供用户设置,完成第三声呐初步分离(图11);
(6)第三方声呐干扰模板提取:逐一对二值化后的所选不包含羽状流WCI执行开操作处理,并设置连通分区像素阈值P,进一步去除二值化后非第三方声呐噪点,并对其处理结果求并,完成第三方声呐干扰模板形成(图12);
(7)气体羽状流初步分离:基于大津算法OSTU逐一计算全部探测数据WCI二值化阈值,并设置阈值系数w供用户设置,初步分离气体羽状流(图13);
(8)羽状流提取:若有第三方声呐干扰,先滤除二值化后每Ping WCI与模板相交部分,再执行开操作处理,无则直接执行开操作。然后设置连通分区像素阈值P,进一步去除二值化后残余噪点,实现多波束声呐水柱数据中气体羽状流的快速提取(图14);
(9)绘图,利用提取结果和解析的数据,可实现气体羽状流点云图、多波束各类WCI、地形图的成图。
本发明采用如图22所示的处理方法:
(1)解析原始数据,多波束测深系统保存的各类型数据包均由导航、时间、姿态、水深、水体、POS等信息构成,并以二进制存储方式对系统输入数据进行存储,需将原始数据转化为可用格式数据。本次以挪威Kongsberg公司EM302型深水多波束系统为例,进行了本方法的具体实施。该系统形成288个波束,系统发射波束最大扇面开角180°,形成波束宽度1°×1°。 EM型多波束系统的数据存储格式包括ALL格式和WCD格式,其中ALL文件包含测深、定位、日期、时间、姿态传感器、罗经等数据包,WCD可只用于存储水体相关信息,也可包含 ALL文件中信息。首先,根据文件格式,编写程序,解析提取原始数据,保存为可用的格式。
(2)水深及水体采样点计算,根据原始数据中水深地形及POS数据可完成水深数据投影坐标计算,公式如下:
[THETA,RHO]=cart2pol(AcrosstrackY,AlongtrackX)
S_East=S_Eastsonar+P_prcEast
S_North=S_Northsonar+P_prcNorth;
式中:P_prc为每Ping数据获取时投影坐标(P_prcEast、P_prcNorth)、航向(P_prcHead)、子午线收敛角(P_prcCon);posdown、posup为与每Ping水深数据记录时间最邻近的两组POS 点;AcrosstrackY,AlongtrackX为以换能器为原点采样点横向、纵向相对坐标,m;S_Eastsonar, S_Northsonar为水深采样点到换能器距离,m。编程计算各地形采样点投影位置即可获取水深地形图,如图7所示。
结合导航数据包、水柱数据包内存储数据,可计算水体后向散射强度采样点以换能器为原点的相对坐标,公式如下:
PBS_SR=(PBS_idx+PBS_sRSNum)×c/(2·f)
PBS_H=-PBS_SR×cos(PBS_BPA)
PBS_X=-PBS_SR×sin(PBS_BPA);
获取水体后向散射强度采样点相对坐标后,结合每Ping数据换能器投影坐标,可计算获取水体后向散射强度采样点投影坐标,公式如下:
PBS_East=P_prcEast+PBS_X×cos(thera)
PBS_North=P_prcNorth+PBS_X×sin(thera);
式中:PBS_SR为水体采样点到换能器距离,m;BS_idx为每柱接收波束回波采样点编号; PBS_sRSNum为每柱接收波束起始采样点编号;c为声速,m;f为采频率;BS_BPA为波束发射角;PBS_X,PBS_H为水体后向散射强度采样点沿船横向位置及水深,m;sonarHeadingOffset 为换能器安装角度,°;theta为波束方位角,°;PBS_East、PBS_North为水体采样点投影坐标,m。编程计算各水体采样点相对坐标和投影坐标后,即可获取多波束WCI波束阵列图、扇面图(投影和相对坐标)、航向剖面图,图8给出了实际工作的单Ping各类型水体数据影像。
(3)噪声初步压制,针对测区内噪声以中央波束为轴对称分布特征,对多波束WC数据单Ping内呈镜面对称位置水体后向反射强度采样点进行Pearson相关性分析,并求和取均值可见单Ping内镜面对称位置采样点的水体后向散射强度呈中等程度正相关(图6)。以中央波束为分界线,将两侧WC数据对称作差初步压制WCI中噪声(图9)。
(4)WCI滤波,通过图像滤波方法对多波束WCI数据进行预处理,进一步降低噪声影响,并对WCI内气体羽状流部分目标增强,如图10所示为以巴特沃斯滤波方法对WCI滤波前后结果对比(本文实施例截止频率为100)。
(5)第三方声呐干扰二值化分割,选取若干Ping不包含羽状流WCI,以中央波束为轴将每Ping WCI图像分成两侧,采用OSTU算法初步确定两侧二值化阈值,并设置系数w作为此阈值的系数,以改善二值化结果,公式:
式中:mG为WCI平均灰度;概率P1(k)为灰度阈值为k时被分到小于k一类的概率;mk为灰度级k的累加均值;δB 2为类间方差,将每Ping单侧多波束WCI中包含的灰度级依次代入上式,当δB 2取最大时的k*即为此算法下计算获取的阈值,再乘以预先设置的w,即可得到单侧WCI二值化阈值。分别计算每Ping WCI两侧阈值完成二值化后拼接,第三方声呐干扰二值化分割(图11,本文实施例系数w=1.25)。
(6)第三方声呐干扰模板提取,由于在数据采集过程中第三方声呐和多波束设备发射、激发频率保持不变,干扰产生噪声总产生于水体中近似同一位置,但在不同Ping WCI中仍有变化。因此,对二值化后的若干Ping不包含羽状流多波束WCI执行开操作处理,设置连通分区像素阈值P,进一步去除二值化后非第三方声呐噪点,并对其处理结果求并,完成第三方声呐干扰提取形成模板(图12)。其中图像开操作实际上是通过先对图像腐蚀,然后膨胀的处理方式,可用去除二值化后WCI中残存细小、线状噪点,分割由线状要素相连的噪点。其中图像腐蚀、膨胀公式分别如下:
式中:Z为某Ping WCI;A为Z中包含的连通分量;E为腐蚀后Z中包含的连通分量;SE为结构体。开操作处理后WCI中异常目标的连通分区包含像素数量往往较多,可按需求设置合理阈值P滤除像素数量小的连通分区完成提取。
(7)气体羽状流初步分离,基于大津算法OSTU逐一计算全部探测数据WCI二值化阈值,并设置阈值系数w供用户设置,初步分离气体羽状流如图13,本文实施例系数w=1.25(OSTU具提算法同(5))。
(8)羽状流提取,若有第三方声呐干扰,先滤除二值化后每Ping WCI与模板相交部分,再执行开操作处理,无则直接执行开操作。然后设置连通分区像素阈值P,进一步去除二值化后残余噪点,实现多波束声呐探测的水体气体羽状流的快速提取如图14,本文实施例P=40, SE=5×1(开操作具体算法同(6));
(9)绘图,利用提取结果和解析的数据,可实现气体羽状流点云图、多波束各类WCI、水深地形图的成图。
证明部分(具体实施例/实验/仿真/能够证明本发明创造性的正面实验数据等)
为证明本方法的可行性,本文选取另一地区另一组示例作为验证例加以证明,原始水柱数据概况见图15,测区水深地形见图16。对该组数据进行按图22流程所示提取WCI中气体羽状流。从图17对每Ping水柱数据对称位置声散射强度相关性进行分析,可见在没有第三方声呐干扰的情况下,相关系数提高且成正相关;由于该组数据无第三方声呐干扰的影响,无需提取模板去除该类噪声。在WCI预处理完成之后(图18-19,验证例滤波截至频率为100),可直接设置系数w完成OSTU二值化(图20),执行开操作,去除低于阈值P的连通分区完成最终提取(图21,验证系数w=1.25,结构体SE=10×1,P=200),从最终提取结果可见方法的可行性。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法,其特征在于,基于对多波束声呐水体数据中存在的噪声细致分析后,发现以中央波束为轴镜面对称分布水体采样点的后向散射强度呈正相关,且WCI中气体羽状流反射强度高于对称位置水体声强,通过WCI数据对称做差实现多波束WCI初步降噪;若WCI未受第三方声呐干扰,直接对全部探测数据中每Ping的WCI二值化,再采用开操作设置阈值滤除小连通分量的方式实现对气体羽状流的提取;若有第三方声呐干扰,则先选取若干Ping不包含羽状流WCI,先对所选每Ping的WCI二值化,采用开操作设置阈值滤除小连通分量的方式将第三方声呐干扰提取出来,并对每Ping提取结果求并生成模板;然后逐一对全部探测数据WCI二值化,滤除模板内提取出的第三方干扰后,再采用开操作设置阈值滤除小连通分量的方式完成羽状流提取;
所述一种基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法包括:
第一步,根据数据存储方式解析提取原始数据,转换为可用格式数据;
第二步,转换后的数据显示多波束记录了水深、底质和水体回波强度、采样频率、声速及波束入射角信息,利用提取到的信息,对每Ping数据进行采样点归位计算,得到每Ping水体、水深采样点实际位置信息,获取水深地形图和多波束WCI波束阵列图、扇面图、航向剖面图;
第三步,船舶、换能器自身产生的噪声仅在水体浅表层数十次采样序列中存在,直接将浅表层水体一定数量等时采样序列去除,并以中央波束为分界线,将两侧WC数据采用对称作差实现WCI中噪声的初步压制;
第四步,对滤除表层噪声并对称作差法初步去噪的WCI采用图像滤波方法,平滑增强气体羽状流目标,完成数据前处理;
第五步,多波束运行过程中是否有第三方声呐同时运行产生第三方声呐干扰,若有则选取若干Ping不包含羽状流WCI,基于大津算法OSTU计算每Ping多波束WCI二值化阈值,并设阈值系数w供用户设置,提高二值化分割效果,完成第三方声呐干扰初步分离,并执行第六步,若无第三方声呐干扰则转至第七步;
第六步,对二值化后的若干Ping不包含羽状流WCI执行开操作处理,并设置连通分区像素阈值P,进一步去除二值化后非第三方声呐噪点,并对其处理结果进行求并运算,完成第三方声呐干扰提取形成模板;
第七步,基于大津算法OSTU计算全部探测数据中每Ping多波束WCI二值化阈值,并设置阈值系数w供用户设置,初步分离气体羽状流;
第八步,若有第三方声呐干扰,先逐一滤除全部Ping的WCI与模板相交部分,再执行开操作处理,无则直接执行开操作,然后设置连通分区像素阈值P,进一步去除二值化后残余噪点,实现多波束声呐水柱数据中气体羽状流的快速提取;
第九步,利用提取结果和解析的数据,实现气体羽状流点云图、多波束WCI影像图的成图。
2.如权利要求1所述的基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法,其特征在于,第一步原始数据解析包括:根据文件格式,编写程序,解析提取原始数据,保存为可用的格式。
3.如权利要求1所述的基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法,其特征在于,第二步水深及水体采样点计算包括:根据原始数据中水深地形及POS数据可完成水深数据投影坐标计算,公式:
[THETA,RHO]=cart2pol(AcrosstrackY,AlongtrackX)
S_East=S_Eastsonar+P_prcEast
S_North=S_Northsonar+P_prcNorth;
式中:P_prc为每Ping数据获取时投影坐标(P_prcEast、P_prcNorth)、航向P_prcHead、子午线收敛角P_prcCon;posdown、posup为与每Ping水深数据记录时间最邻近的两组POS点;AcrosstrackY,AlongtrackX为以换能器为原点采样点横向、纵向相对坐标,单位为m;S_Eastsonar,S_Northsonar为水深采样点到换能器距离,单位为m,编程计算各地形采样点投影位置即可获取水深地形图,结合导航数据包、水柱数据包内存储数据,计算水体后向散射强度采样点以换能器为原点的相对坐标,公式:
PBS_SR=(PBS_idx+PBS_sRSNum)×c/(2·f)
PBS_H=-PBS_SR×cos(PBS_BPA)
PBS_X=-PBS_SR×sin(PBS_BPA);
获取水体后向散射强度采样点相对坐标后,结合每Ping数据换能器投影坐标,计算获取水体后向散射强度采样点投影坐标,公式:
PBS_East=P_prcEast+PBS_X×cos(THETA)
PBS_North=P_prcNorth+PBS_X×sin(THETA);
式中:PBS_SR为水体采样点到换能器距离,单位为m;PBS_idx为每柱接收波束回波采样点编号;PBS_sRSNum为每柱接收波束起始采样点编号;c为声速,单位为m;f为采样频率;PBS_BPA为波束发射角;PBS_X,PBS_H为水体后向散射强度采样点沿船横向位置及水深,单位为m;sonarHeadingOffset为换能器安装角度,单位为°;theta为波束方位角,单位为°;PBS_East、PBS_North为水体采样点投影坐标,单位为m,编程计算各水体采样点相对坐标和投影坐标后,即可获取多波束WCI波束阵列图、扇面图、航向剖面图。
4.如权利要求1所述的基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法,其特征在于,第三步噪声初步压制包括:针对测区内噪声以中央波束为轴对称分布特征,对多波束WC数据单Ping内呈镜面对称位置水体后向反射强度采样点进行Pearson相关性分析,并求和取均值可见单Ping内镜面对称位置水体采样点的后向散射强度呈中等程度正相关,以中央波束为分界线,将两侧WC数据对称作差初步压制WCI中噪声。
5.如权利要求1所述的基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法,其特征在于,第四步WCI滤波包括:通过图像滤波方法对多波束WCI数据进行预处理,并对WCI内气体羽状流部分目标平滑增强。
6.如权利要求1所述的基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法,其特征在于,第五步及第七步多波束WCI二值化包括:以中央波束为轴将每Ping WCI图像分成两侧,采用OSTU算法初步确定两侧二值化阈值,并设置系数w作为此阈值的系数,以改善二值化结果,公式:
式中:mG为WCI平均灰度;概率P1(k)为灰度阈值为k时被分到小于k一类的概率;m(k)为灰度级k的累加均值;δB 2为类间方差,将每Ping单侧多波束WCI中包含的灰度级依次代入上式,当δB 2取最大时的k*即为此算法下计算获取的阈值,再乘以预先设置的w,即可得到单侧WCI二值化阈值,分别计算每Ping WCI两侧阈值完成二值化后拼接,即可完成多波束WCI二值化。
8.一种实施权利要求1~7任意一项所述基于图像处理模式多波束声呐水柱数据中海底气体羽状流提取方法的多波束声呐水柱数据中海底气体羽状流处理系统,其特征在于,所述多波束声呐水柱数据中海底气体羽状流处理系统包括:
数据解析模块,根据数据存储方式解析提取原始数据,转换为可用格式数据;
水体及水深采样点归位模块,根据解析提取到的水深、底质和水体回波强度、采样频率、声速及波束入射角等信息,对每一Ping数据进行采样点归位计算,得到每一Ping水体、水深采样点实际位置信息,获取水深地形图和多波束WCI波束阵列图、扇面图、航向剖面图;
噪声初步压制模块,船舶、换能器自身产生的噪声仅在水体浅表层数十次采样序列中存在,直接将浅表层水体一定数量等时采样序列去除,并以中央波束为分界线,将WC数据对称作差初步压制WCI中噪声;
多波束WCI滤波模块,对滤除表层噪声并对称作差法初步去噪后的WCI采用图像滤波方法,平滑增强气体羽状流目标,完成数据前处理;
第三方声呐干扰二值化分割模块,若有第三方声呐干扰,则选取若干Ping不包含羽状流WCI,基于大津算法OSTU计算所选Ping多波束WCI二值化阈值,并设置阈值系数w供用户设置,完成第三声呐初步分离;
第三方声呐干扰模板提取模块,对二值化后若干Ping不包含羽状流WCI执行开操作处理,并设置连通分区像素阈值P,进一步去除二值化后非第三方声呐噪点,并对其处理结果求并,完成第三方声呐干扰模板形成;
气体羽状流初步分离模块,基于大津算法OSTU逐一计算全部探测数据WCI二值化阈值,并设置阈值系数w供用户设置,初步分离气体羽状流;
羽状流提取模块,若有第三方声呐干扰,先滤除二值化后每Ping WCI与模板相交部分,再执行开操作处理,无则直接执行开操作;然后设置连通分区像素阈值P,进一步去除二值化后残余噪点,实现多波束声呐水柱数据中气体羽状流的快速提取;
绘图模块,利用提取结果和解析的数据,实现气体羽状流点云图、多波束WCI、地形图的成图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011280291.6A CN112539886B (zh) | 2020-11-16 | 2020-11-16 | 一种海底气体羽状流提取方法及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011280291.6A CN112539886B (zh) | 2020-11-16 | 2020-11-16 | 一种海底气体羽状流提取方法及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112539886A CN112539886A (zh) | 2021-03-23 |
CN112539886B true CN112539886B (zh) | 2022-06-21 |
Family
ID=75014102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011280291.6A Active CN112539886B (zh) | 2020-11-16 | 2020-11-16 | 一种海底气体羽状流提取方法及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112539886B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117538881B (zh) * | 2024-01-10 | 2024-05-07 | 海底鹰深海科技股份有限公司 | 一种声呐水体成像波束形成方法、系统、设备及介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9817116B1 (en) * | 2016-04-29 | 2017-11-14 | R2Sonic, Llc | Acoustic doppler system and method |
DE102016119045A1 (de) * | 2016-10-07 | 2018-04-12 | Geomar Helmholtz-Zentrum Für Ozeanforschung Kiel | Kalibrierung und Reduktion von Abbildungsfehlern in Fächerecholotsystemen |
CN107247267B (zh) * | 2017-06-21 | 2021-07-02 | 上海海洋大学 | 基于多波束反向散射强度数据的角度响应改正方法及其测量系统 |
CN108957462B (zh) * | 2018-05-22 | 2022-03-22 | 中国海洋大学 | 一种基于平坦海底的多波束水体数据处理方法 |
CN111735436A (zh) * | 2019-10-14 | 2020-10-02 | 北部湾大学 | 一种基于3条以上均匀分布多波束数据的海底地形数据校验方法 |
CN111856576A (zh) * | 2020-07-27 | 2020-10-30 | 广州海洋地质调查局 | 一种羽状流识别方法及处理终端 |
-
2020
- 2020-11-16 CN CN202011280291.6A patent/CN112539886B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112539886A (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
US8942062B2 (en) | Detecting structural changes to underwater structures | |
CN108957462B (zh) | 一种基于平坦海底的多波束水体数据处理方法 | |
CN112965053B (zh) | 一种基于匹配垂直阵波束强度的浅海声源深度分辨方法 | |
CN112539886B (zh) | 一种海底气体羽状流提取方法及应用 | |
CN115422981A (zh) | 面向单频机载激光测深数据的水陆分类方法、系统及应用 | |
Zhao et al. | From 10 m to 11000 m, automatic processing multi-beam bathymetric data based on pgo method | |
KR20210037407A (ko) | 빅데이터 기반의 소나 성능 검증 시스템 및 그 방법 | |
Foresti et al. | A voting-based approach for fast object recognition in underwater acoustic images | |
CN110570361A (zh) | 声呐图像结构化噪声的抑制方法、系统、装置和存储介质 | |
Nau et al. | Extended detection of shallow water gas seeps from multibeam echosounder water column data | |
US9268051B2 (en) | System for acquiring chirp data and method for acquiring chirp data using the same | |
Villar et al. | Pipeline detection system from acoustic images utilizing CA-CFAR | |
CN111948658A (zh) | 水底地貌影像识别匹配的深水区定位方法 | |
Kim et al. | A case study on swell correction of Chirp sub-bottom profiler (SBP) data using multi-beam echo sounder (MBES) data | |
Ferreira et al. | Robust methodology for detection of spikes in multibeam echo sounder data | |
Wu et al. | Multi-beam Bathymetric Technology | |
CN108460773B (zh) | 一种基于偏移场水平集的声纳图像分割方法 | |
Trucco et al. | Processing and analysis of underwater acoustic images generated by mechanically scanned sonar systems | |
Wang et al. | Bottom Tracking Method Based on LOG/Canny and the Threshold Method for Side-scan Sonar. | |
Ferreira et al. | Spatial outliers detection algorithm (SODA) applied to multibeam bathymetric data processing | |
CN113703050A (zh) | 一种深海地震垂直缆二次定位方法 | |
KR20130096854A (ko) | 수중음파필터링과 3차원 해저표고모델을 이용하여 3차원 해저지형정보를 생성하는 시스템 | |
Veloso-Alarcón et al. | Quantitatively monitoring bubble-flow at a seep site offshore Oregon: Field trials and methodological advances for parallel optical and hydroacoustical measurements | |
Chen et al. | Single Ping Filtering of Multi-Beam Sounding Data Based on Alpha Shapes |
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 |