CN113111785A - 海洋温度锋的特征参数提取方法和装置 - Google Patents

海洋温度锋的特征参数提取方法和装置 Download PDF

Info

Publication number
CN113111785A
CN113111785A CN202110403236.XA CN202110403236A CN113111785A CN 113111785 A CN113111785 A CN 113111785A CN 202110403236 A CN202110403236 A CN 202110403236A CN 113111785 A CN113111785 A CN 113111785A
Authority
CN
China
Prior art keywords
frontal
frontal surface
point
gradient
pixel
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
CN202110403236.XA
Other languages
English (en)
Inventor
任诗鹤
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.)
NATIONAL MARINE ENVIRONMENTAL FORECASTING CENTER
Original Assignee
NATIONAL MARINE ENVIRONMENTAL FORECASTING CENTER
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 NATIONAL MARINE ENVIRONMENTAL FORECASTING CENTER filed Critical NATIONAL MARINE ENVIRONMENTAL FORECASTING CENTER
Priority to CN202110403236.XA priority Critical patent/CN113111785A/zh
Publication of CN113111785A publication Critical patent/CN113111785A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G01K13/02—Thermometers specially adapted for specific purposes for measuring temperature of moving fluids or granular materials capable of flow
    • 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
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了海洋温度锋的特征参数提取方法和装置，包括：获取SST数据，将SST数据进行高斯滤波处理，得到滤波后的SST数据；将滤波后的SST数据通过Sobel梯度算法，得到温度场的梯度幅值和梯度方向；将温度场的梯度幅值和梯度方向通过Canny边缘检测算法，得到锋面二值化图像；将锋面二值化图像通过锋面边缘跟踪算法，确定每条锋面的方向，可以确保锋面定位的准确性；根据每条锋面方向将端点处于预设范围内的锋面进行连接，得到新的锋面二值化图像，可以确保锋面的连续性；根据新的锋面二值化图像对锋区进行特征提取，可以避免出现破碎锋面。

Description

海洋温度锋的特征参数提取方法和装置
技术领域
本发明涉及海洋环境技术领域，尤其是涉及海洋温度锋的特征参数提取方法和装置。
背景技术
海洋锋面是性质明显不同的水团或水系间的分界面，在海洋锋面处对应有水文要素(如温度、叶绿素浓度、盐度、密度、颜色和速度等)的急剧变化，从而形成水文要素的高梯度区域。所以海洋锋面与海洋能量交换、物质输送、海洋生态系统和渔业资源分布密切相关。因此准确快速识别诊断海洋锋面对水下通信、舰船安全和海上搜救等领域具有重要意义。
目前，海洋锋诊断模型根据锋面检测方法的不同，主要采用梯度法、直方图分析法和传统Canny边缘检测法进行检测。
梯度法是根据设定的温度空间梯度的阈值来进行海洋锋诊断识别，是诊断锋区位置最常用的方法，具体为：计算研究区域内各点的温度梯度，并根据经验选取某一温度梯度作为临界值；如果选取的温度梯度大于临界值，则将该点作为锋点。梯度法中选取的临界值可能不适用于不同区域和季节的锋面，并且容易受数据精度和误差(噪音)的影响；采用梯度法得到的锋面往往是锋区状态而不是锋线结构，不利于锋面位置的研究。
直方图分析法适用于高背景噪音下的弱海洋锋检测。传统Canny边缘检测法中，海洋水文要素图像的弱边缘特征使得一些较弱的边缘信息被剔除，从而导致锋面提取结果连续性不佳，出现较多的破碎锋面。
综上，采用上述传统的海洋锋检测方法，无法兼顾锋面定位的准确性和锋面的连续性，无法避免出现破碎锋面。
发明内容
有鉴于此，本发明的目的在于提供海洋温度锋的特征参数提取方法和装置，将锋面二值化图像通过锋面边缘跟踪算法，确定每条锋面的方向，可以确保锋面定位的准确性；根据每条锋面方向将端点处于预设范围内的锋面进行连接，得到新的锋面二值化图像，可以确保锋面的连续性；根据新的锋面二值化图像对锋区进行特征提取，可以避免出现破碎锋面。
第一方面，本发明实施例提供了海洋温度锋的特征参数提取方法，所述方法包括：
获取SST数据，将所述SST数据进行高斯滤波处理，得到滤波后的SST数据；
将所述滤波后的SST数据通过Sobel梯度算法，得到温度场的梯度幅值和梯度方向；
将所述温度场的梯度幅值和梯度方向通过Canny边缘检测算法，得到锋面二值化图像；
将所述锋面二值化图像通过锋面边缘跟踪算法，确定每条锋面的方向；
根据所述每条锋面的方向将端点处于预设范围内的锋面进行连接，得到新的锋面二值化图像；
根据所述新的锋面二值化图像对锋区进行特征提取，得到特征参数；
其中，所述特征参数包括锋面长度、锋面强度、锋区边界、锋面宽度和锋区面积。
进一步的，所述将所述温度场的梯度幅值和梯度方向通过Canny边缘检测算法，得到锋面二值化图像，包括：
根据所述温度场的梯度幅值和梯度方向，得到多个锋面点；
选取第一阈值和第二阈值，其中，所述第一阈值大于所述第二阈值；
将所述多个锋面点对应的梯度幅值与所述第一阈值和所述第二阈值进行比较，得到比较结果；
根据所述比较结果构建所述锋面二值化图像。
进一步的，所述根据所述温度场的梯度幅值和梯度方向，得到多个锋面点包括，重复执行以下处理，直至所述温度场的每个像素均被遍历：
获取沿所述梯度方向的正方向上的第一像素和负方向上的第二像素；
从所述温度场中选取任一像素，并作为当前像素；
将所述当前像素对应的梯度幅值与所述第一像素对应的梯度幅值和所述第二像素对应的梯度幅值进行比较；
如果所述当前像素对应的梯度幅值大于所述第一像素对应的梯度幅值和所述第二像素对应的梯度幅值，则将所述当前像素作为所述锋面点；
如果所述当前像素对应的梯度幅值小于所述第一像素对应的梯度幅值和所述第二像素对应的梯度幅值，则将所述当前像素对应的梯度幅值设置为0。
进一步的，所述根据所述比较结果构建所述锋面二值化图像包括，重复执行以下处理，直至每个锋面点均被遍历：
从所述多个锋面点中选取任一锋面点，并作为当前锋面点；
如果所述当前锋面点对应的梯度幅值大于所述第一阈值，则保留所述当前锋面点；
如果所述当前锋面点对应的梯度幅值小于所述第二阈值，则去除所述当前锋面点；
如果所述当前锋面点对应的梯度幅值大于所述第二阈值并且小于所述第一阈值，则从所述当前锋面点的邻域中选取锋面点；
将选取的锋面点对应的梯度幅值与所述第一阈值和所述第二阈值进行比较；
如果所述选取的锋面点对应的梯度幅值大于所述第一阈值，则保留所述选取的锋面点；
如果所述选取的锋面点对应的梯度幅值小于所述第二阈值，则去除所述选取的锋面点。
进一步的，所述将所述锋面二值化图像通过锋面边缘跟踪算法，确定每条锋面的方向包括，重复执行以下处理，直至所述每条锋面均被遍历：
根据所述锋面二值化图像确定当前锋面的第一端点；
在所述当前锋面的第一端点的八邻域内，查找锋面像元；
如果所述锋面像元的数量为1时，则获取所述当前锋面的第二端点；
如果所述锋面像元的数量为2时，则所述第一端点为正常的锋面点；
如果所述锋面像元的数量为3时，则所述第一端点为锋面分叉点；
对所述锋面分叉点进行分离，得到所述锋面分叉点的锋面方向。
进一步的，所述对所述锋面分叉点进行分离，得到所述锋面分叉点的锋面方向，包括：
如果所述锋面分叉点对应的梯度方向上的正方向存在第一锋面点，负方向存在第二锋面点，则将不在所述锋面方向上的锋面点去除；
如果所述正方向存在第一锋面点或所述负方向存在第二锋面点，则从所述锋面方向中选取所述锋面方向变化最小的锋面点；
如果所述正方向不存在所述第一锋面点和所述负方向不存在所述第二锋面点，则从所述锋面方向中选取所述锋面方向变化最小的锋面点。
进一步的，所述根据所述每条锋面的方向将端点处于预设范围内的锋面进行连接，得到新的锋面二值化图像包括，重复执行以下处理，直至满足条件的锋面均被遍历，至此所有锋面均有两个端点：
确定当前锋面的端点A；
判断在所述端点A的预设阈值范围内是否存在其余锋面的端点；
如果存在，则判断所述端点B的数量；
如果所述端点B的数量为1，则判断所述端点A与所述端点B的锋面方向差是否小于或等于90度；
如果是，则将所述端点A与所述端点B连接；
如果所述端点B的数量为多个，则选取与所述端点A最近的端点B；
判断所述端点A与所述最近的端点B的锋面方向差是否小于或等于90度；
如果是，则将所述端点A与所述端点B连接。
进一步的，所述根据所述新的锋面二值化图像对锋区进行特征提取，得到特征参数，包括：
计算锋面长度和锋面平均强度；
根据所述新的锋面二值化图像的锋面中心线，获取每个锋面像素沿垂直锋面方向的锋区范围；
在所述锋区范围内，当锋面强度小于第一阈值时，确定锋面的所述锋区边界；
根据所述锋区边界计算锋面横断面宽度；
根据所述锋面横断面宽度计算所述锋面宽度；
根据所述锋面宽度和所述锋面长度计算所述锋区面积。
第二方面，本发明实施例提供了海洋温度锋的特征参数提取装置，所述装置包括：
滤波处理单元，用于获取SST数据，将所述SST数据进行高斯滤波处理，得到滤波后的SST数据；
梯度幅值获取单元，用于将所述滤波后的SST数据通过Sobel梯度算法，得到温度场的梯度幅值和梯度方向；
锋面二值化图像获取单元，用于将所述温度场的梯度幅值和梯度方向通过Canny边缘检测算法，得到锋面二值化图像；
确定单元，用于将所述锋面二值化图像通过锋面边缘跟踪算法，确定每条锋面的方向；
连接单元，用于根据所述每条锋面的方向将端点处于预设范围内的锋面进行连接，得到新的锋面二值化图像；
特征参数提取单元，用于根据所述新的锋面二值化图像对锋区进行特征提取，得到特征参数；
其中，所述特征参数包括锋面长度、锋面强度、锋区边界、锋面宽度和锋区面积。
第三方面，本发明实施例提供了电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法。
本发明实施例提供了海洋温度锋的特征参数提取方法和装置，包括：获取SST数据，将SST数据进行高斯滤波处理，得到滤波后的SST数据；将滤波后的SST数据通过Sobel梯度算法，得到温度场的梯度幅值和梯度方向；将温度场的梯度幅值和梯度方向通过Canny边缘检测算法，得到锋面二值化图像；将锋面二值化图像通过锋面边缘跟踪算法，确定每条锋面的方向；根据每条锋面的方向将端点处于预设范围内的锋面进行连接，得到新的锋面二值化图像；根据新的锋面二值化图像对锋区进行特征提取，得到特征参数；其中，特征参数包括锋面长度、锋面强度、锋区边界、锋面宽度和锋区面积，将锋面二值化图像通过锋面边缘跟踪算法，确定每条锋面的方向，可以确保锋面定位的准确性；根据每条锋面方向将端点处于预设范围内的锋面进行连接，得到新的锋面二值化图像，可以确保锋面的连续性；根据新的锋面二值化图像对锋区进行特征提取，可以避免出现破碎锋面。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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为本发明实施例一提供的海洋温度锋的特征参数提取方法流程图；
图2为本发明实施例一提供的阈值选取示意图；
图3(a)为提供的传统Canny边缘检测法识别锋面结果示意图；
图3(b)为本发明实施例一提供的识别锋面结果示意图；
图3(c)为提供的传统Canny边缘检测法识别A海域的局部结果示意图；
图3(d)为本发明实施例一提供的识别A海域的局部结果示意图；
图4为本发明实施例二提供的海洋温度锋的特征参数提取装置示意图。
图标：
1-滤波处理单元；2-梯度幅值获取单元；3-锋面二值化图像获取单元；4-确定单元；5-连接单元；6-特征参数提取单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
海洋锋面是性质明显不同的水团或水系间的分界面，在海洋锋面处对应有水文要素(如温度、叶绿素浓度、盐度、密度、颜色和速度等)的急剧变化，从而形成水文要素的高梯度区域。所以海洋锋面与海洋能量交换、物质输送、海洋生态系统和渔业资源分布密切相关。因此准确快速识别诊断海洋锋面对水下通信、舰船安全和海上搜救等领域具有重要意义。
目前，海洋锋诊断模型根据锋面检测方法的不同，主要采用梯度法、直方图分析法和Canny边缘检测法进行检测。
梯度法是根据设定的温度空间梯度的阈值来进行海洋锋诊断识别，是诊断锋区位置最常用的方法，具体为：计算研究区域内各点的温度梯度，并根据经验选取某一温度梯度作为临界值；如果选取的温度梯度大于临界值，则将该点作为锋点。梯度法中选取的临界值可能不适用于不同区域和季节的锋面，并且容易受数据精度和误差(噪音)的影响；采用梯度法得到的锋面往往是锋区状态而不是锋线结构，不利于锋面位置的研究。
直方图分析法适用于高背景噪音下的弱海洋锋检测。Canny边缘检测法最早是用于图像处理和计算机视觉识别这类问题，随着边缘检测技术的快速发展，海表温度锋线的边缘检测技术也取得很大进步。在图像边缘检测中，抑制噪声和边缘精确定位是一对矛盾，因为在平滑滤波的同时，也增加了边缘定位的不确定性；而提高边缘检测算子对边缘敏感性的同时，也提高了对噪声的敏感性。Canny边缘检测算法是抗噪声与精确定位之间较好的折中方案，Canny锋面检测方法已被广泛应用在海洋锋识别诊断中。
Canny边缘检测法中，海洋水文要素图像的弱边缘特征使得一些较弱的边缘信息被剔除，从而导致锋面提取结果连续性不佳，出现较多的破碎锋面。
综上，采用上述传统的海洋锋检测方法，无法确保锋面定位的准确性和锋面的连续性，无法避免出现破碎锋面。
传统的海洋锋检测方法主要应用于卫星遥感的海表温度和水色数据。而本申请根据高分辨率数值模式结果诊断得到的海洋锋，由于可以得到严格的瞬时状态，海洋锋强度通常较强，并且其结构通常比较复杂，除了稳定存在的强锋面之外还存在许多细小锋面结构。在实际海洋环境保障预报中，需要对诊断出的海洋锋产品进行后处理，剔除细小的锋面结构，在保证诊断准确性的同时使锋面诊断结果有更好的连续性。
为便于对本实施例进行理解，下面对本发明实施例进行详细介绍。
实施例一：
图1为本发明实施例一海洋温度锋的特征参数提取方法流程图。
参照图1，该方法包括以下步骤：
步骤S101，获取SST数据，将SST数据进行高斯滤波处理，得到滤波后的SST数据；
这里，SST数据为海洋表层温度场数据，将SST数据作为锋面提取的基础数据；将SST数据进行高斯滤波处理，以削弱温度场的噪声。
步骤S102，将滤波后的SST数据通过Sobel梯度算法，得到温度场的梯度幅值和梯度方向；
Sobel梯度算法在进行差分运算时，求解中心点的差分值时赋予临近网格方向上差分值以不同的权重，充分考虑了周围格点对中心点的影响，在一定程度上抑制了数据运算时产生的噪音。
将滤波后的SST数据作为Sobel梯度算法的输入，输出得到温度场的x方向的梯度值和y方向的梯度值，以及梯度幅值的大小和方向，具体参照公式(1)和(2)：
Figure BDA0003020801090000101
Figure BDA0003020801090000102
其中，GM为梯度幅值，
Figure BDA0003020801090000103
为温度场的x方向的梯度值，
Figure BDA0003020801090000104
为温度场的y方向的梯度值，T为以当前中心点为中心的3X3的矩阵。
另外，通过公式(3)和(4)计算横向梯度方向的方向值和垂直梯度方向的方向值，分别用来表示横锋方向和沿锋方向：
Figure BDA0003020801090000105
Figure BDA0003020801090000106
其中，D1为横向梯度方向的方向值，D2为垂直梯度方向的方向值。
步骤S103，将温度场的梯度幅值和梯度方向通过Canny边缘检测算法，得到锋面二值化图像；
步骤S104，将锋面二值化图像通过锋面边缘跟踪算法，确定每条锋面的方向；
这里，由于锋面二值化图像存在锋面分叉点，即某一锋面像素点同时与两条及以上锋面相连的情况。因此，需要利用锋面边缘跟踪算法将锋面分叉点进行分离以确定每条锋面的方向。
步骤S105，根据每条锋面的方向将端点处于预设范围内的锋面进行连接，得到新的锋面二值化图像；
步骤S106，根据新的锋面二值化图像对锋区进行特征提取，得到特征参数；
其中，特征参数包括锋面长度、锋面强度、锋区边界、锋面宽度和锋区面积。
进一步的，步骤S103包括以下步骤：
步骤S201，根据温度场的梯度幅值和梯度方向，得到多个锋面点；
步骤S202，选取第一阈值和第二阈值，其中，第一阈值大于第二阈值；
步骤S203，将多个锋面点对应的梯度幅值与第一阈值和第二阈值进行比较，得到比较结果；
步骤S204，根据比较结果构建锋面二值化图像。
具体地，本申请通过自适应性方法实现阈值的选取，第一阈值为梯度幅值大于整个图像90％像素点的梯度幅值，第二阈值为梯度幅值大于整个图像80％像素点的梯度幅值，基于此，完成Canny边缘检测算法的检测，最终得到锋面二值化图像，其中，1表示锋面，0表示非锋面。
参照图2，将整个图像中所有像素的梯度幅值按照从小到大的顺序，建立直方图，其中，第一阈值为梯度幅值大于整个图像的90％像素点的梯度幅值，第二阈值为梯度幅值大于整个图像的80％像素点的梯度幅值，因此，由图2可得第一阈值为0.035，第二阈值为0.022。依次类推，针对每个SST场均计算出相应的第一阈值和第二阈值。
进一步的，步骤S201包括以下步骤，重复执行以下处理，直至温度场的每个像素均被遍历：
步骤S301，获取沿梯度方向的正方向上的第一像素和负方向上的第二像素；
步骤S302，从温度场中选取任一像素，并作为当前像素；
步骤S303，将当前像素对应的梯度幅值与第一像素对应的梯度幅值和第二像素对应的梯度幅值进行比较；
步骤S304，如果当前像素对应的梯度幅值大于第一像素对应的梯度幅值和第二像素对应的梯度幅值，则将当前像素作为锋面点；
步骤S305，如果当前像素对应的梯度幅值小于第一像素对应的梯度幅值和第二像素对应的梯度幅值，则将当前像素对应的梯度幅值设置为0。
具体地，将温度场中每个像素对应的梯度幅值与第一像素和第二像素进行比较；其中，第一像素为沿梯度方向的正方向上的像素，第二像素为沿梯度方向的负方向上的像素。根据比较结果确定当前像素是否为锋面点，直至温度场的每个像素均被遍历。
进一步的，步骤S204包括以下步骤，重复执行以下处理，直至每个锋面点均被遍历：
步骤S401，从多个锋面点中选取任一锋面点，并作为当前锋面点；
步骤S402，如果当前锋面点对应的梯度幅值大于第一阈值，则保留当前锋面点；
步骤S403，如果当前锋面点对应的梯度幅值小于第二阈值，则去除当前锋面点；
步骤S404，如果当前锋面点对应的梯度幅值大于第二阈值并且小于第一阈值，则从当前锋面点的邻域中选取锋面点；
步骤S405，将选取的锋面点对应的梯度幅值与第一阈值和第二阈值进行比较；
步骤S406，如果选取的锋面点对应的梯度幅值大于第一阈值，则保留选取的锋面点；
步骤S407，如果选取的锋面点对应的梯度幅值小于第二阈值，则去除选取的锋面点。
进一步的，步骤S104包括以下步骤，重复执行以下处理，直至每条锋面均被遍历：
步骤S501，根据锋面二值化图像确定当前锋面的第一端点；
步骤S502，在当前锋面的第一端点的八邻域内，查找锋面像元；
这里，第一端点的邻域为以第一端点为中心，在第一端点的上、下、左、右、左上、左下、右上和右下的范围内，查找锋面像元。
步骤S503，如果锋面像元的数量为1时，则获取当前锋面的第二端点；
步骤S504，如果锋面像元的数量为2时，则第一端点为正常的锋面点；
步骤S505，如果锋面像元的数量为3时，则第一端点为锋面分叉点；
步骤S506，对锋面分叉点进行分离，得到锋面分叉点的锋面方向。
进一步的，步骤S506包括以下步骤：
步骤S601，如果锋面分叉点对应的梯度方向上的正方向存在第一锋面点，负方向存在第二锋面点，则将不在锋面方向上的锋面点去除；
步骤S602，如果正方向存在第一锋面点或负方向存在第二锋面点，则从锋面方向中选取锋面方向变化最小的锋面点；
步骤S603，如果正方向不存在第一锋面点和所述负方向不存在第二锋面点，则从锋面方向中选取锋面方向变化最小的锋面点。
具体地，如果锋面分叉点对应的梯度方向上的正方向和负方向上均为锋面点，则将不在锋面方向上的锋面点去除；如果沿正负方向存在1个锋面点或不存在锋面点，则选取锋面方向变化最小的锋面点，重复以上步骤，直至所有锋面存在两个端点，从而为后续特征参数的提取提供基础。
进一步的，步骤S105包括以下步骤，重复执行以下处理，直至满足条件的锋面均被遍历，至此所有锋面均有两个端点：
步骤S701，确定当前锋面的端点A；
步骤S702，判断在端点A的预设阈值范围内是否存在其余锋面的端点B；
这里，可以以端点A为中心，以三个像素点为搜索半径，搜索周围是否存在其余锋面的端点B。
步骤S703，如果存在，则判断端点B的数量；
步骤S704，如果端点B的数量为1，则判断端点A与端点B的锋面方向差是否小于或等于90度；
步骤S705，如果是，则将端点A与端点B连接；
这里，如果端点A与端点B的锋面方向差小于或等于90度，则将端点A和端点B相连接，并且将端点A和端点B全部标记为已搜索；如果端点A与端点B的锋面方向差大于90度，则不连接端点A和端点B。
步骤S706，如果端点B的数量为多个，则选取与端点A最近的端点B；
步骤S707，判断端点A与最近的端点B的锋面方向差是否小于或等于90度；
步骤S708，如果是，则将端点A与最近的端点B连接。
这里，通过重复上述步骤，直至满足条件的锋面都被连接起来，得到新的锋面二值化图像，新的锋面二值化图像包括锋面中心线，最终确保锋面不存在分叉点，从而保证锋面的连续性。
进一步的，步骤S106包括以下步骤：
步骤S801，计算锋面长度和锋面平均强度；
步骤S802，根据新的锋面二值化图像的锋面中心线，获取每个锋面像素沿垂直锋面方向的锋区范围；
步骤S803，在锋区范围内，当锋面强度小于第一阈值时，确定锋面的锋区边界；
步骤S804，根据锋区边界计算锋面横断面宽度；
步骤S805，根据锋面横断面宽度计算锋面宽度；
步骤S806，根据锋面宽度和锋面长度计算锋区面积。
具体地，根据锋面中心线，从某一条锋面端点开始计算锋面长度和锋面平均强度。根据新的锋面二值化图像的锋面中心线，获取每个锋面像素沿垂直锋面方向的锋区范围；在锋区范围内，当锋面强度小于第一阈值时，确定锋面的锋区边界；或者，当锋区范围触到岸界时，也可以得到锋面的锋区边界；根据锋区边界计算锋面横断面宽度，取该条锋面所有点的锋面横断面宽度的平均值作为锋面宽度。
根据锋面宽度和锋面长度计算锋区面积，即锋面宽度和锋面长度的乘积为锋区面积。遍历每条锋面，直至所有锋区的特征参数均被提取，从而记录该图像的锋面数量。
在得到锋面中心线后，保证了锋区和锋面中心线的对应，减少了以单个像元为基础进行锋面提取时容易出现的破碎锋面。另外，采用上述特征参数提取方法可以很好地将温度锋区的中心位置、锋面宽度、锋区面积和锋区边界等特征参数有效提取出来，从而实现对任意海区、任意强度的海洋温度锋面进行特征参数提取。
另外，图3(a)采用了传统Canny边缘检测法进行识别，得到南海北部诊断海洋锋161条，平均锋面长度为83.7km；图3(b)通过本申请的方法，识别出海洋锋116条，平均锋面长度为102.4km；本申请的方法与传统Canny边缘检测法进行对比，本申请诊断出的锋面数量减少，平均长度增加，主要是由于本申请的锋面边缘跟踪和边缘连接，将部分首尾相连的锋面连接在一起，并剔除了一些细小的锋面。
图3(c)采用了传统Canny边缘检测法识别A海域，图3(d)采用本申请的方法识别A海域，通过对比可知，本申请提高了锋面识别的连续性。
本发明实施例提供了海洋温度锋的特征参数提取方法，包括：获取SST数据，将SST数据进行高斯滤波处理，得到滤波后的SST数据；将滤波后的SST数据通过Sobel梯度算法，得到温度场的梯度幅值和梯度方向；将温度场的梯度幅值和梯度方向通过Canny边缘检测算法，得到锋面二值化图像；将锋面二值化图像通过锋面边缘跟踪算法，确定每条锋面的方向；根据每条锋面的方向将端点处于预设范围内的锋面进行连接，得到新的锋面二值化图像；根据新的锋面二值化图像对锋区进行特征提取，得到特征参数；其中，特征参数包括锋面长度、锋面强度、锋区边界、锋面宽度和锋区面积，将锋面二值化图像通过锋面边缘跟踪算法，确定每条锋面的方向，可以确保锋面定位的准确性；根据每条锋面方向将端点处于预设范围内的锋面进行连接，得到新的锋面二值化图像，可以确保锋面的连续性；根据新的锋面二值化图像对锋区进行特征提取，可以避免出现破碎锋面。
实施例二：
图4为本发明实施例二提供的海洋温度锋的特征参数提取装置示意图。
参照图4，该装置包括：
滤波处理单元1，用于获取SST数据，将SST数据进行高斯滤波处理，得到滤波后的SST数据；
梯度幅值获取单元2，用于将滤波后的SST数据通过Sobel梯度算法，得到温度场的梯度幅值和梯度方向；
锋面二值化图像获取单元3，用于将温度场的梯度幅值和梯度方向通过Canny边缘检测算法，得到锋面二值化图像；
确定单元4，用于将锋面二值化图像通过锋面边缘跟踪算法，确定每条锋面的方向；
连接单元5，用于根据每条锋面的方向将端点处于预设范围内的锋面进行连接，得到新的锋面二值化图像；
特征参数提取单元6，用于根据新的锋面二值化图像对锋区进行特征提取，得到特征参数；
其中，特征参数包括锋区边界、锋面宽度和锋区面积。
本发明实施例提供了海洋温度锋的特征参数提取装置，包括：获取SST数据，将SST数据进行高斯滤波处理，得到滤波后的SST数据；将滤波后的SST数据通过Sobel梯度算法，得到温度场的梯度幅值和梯度方向；将温度场的梯度幅值和梯度方向通过Canny边缘检测算法，得到锋面二值化图像；将锋面二值化图像通过锋面边缘跟踪算法，确定每条锋面的方向；根据每条锋面的方向将端点处于预设范围内的锋面进行连接，得到新的锋面二值化图像；根据新的锋面二值化图像对锋区进行特征提取，得到特征参数；其中，特征参数包括锋面长度、锋面强度、锋区边界、锋面宽度和锋区面积，将锋面二值化图像通过锋面边缘跟踪算法，确定每条锋面的方向，可以确保锋面定位的准确性；根据每条锋面方向将端点处于预设范围内的锋面进行连接，得到新的锋面二值化图像，可以确保锋面的连续性；根据新的锋面二值化图像对锋区进行特征提取，可以避免出现破碎锋面。
本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例提供的海洋温度锋的特征参数提取方法的步骤。
本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，计算机可读介质上存储有计算机程序，计算机程序被处理器运行时执行上述实施例的海洋温度锋的特征参数提取方法的步骤。
本发明实施例所提供的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种海洋温度锋的特征参数提取方法，其特征在于，所述方法包括：
获取SST数据，将所述SST数据进行高斯滤波处理，得到滤波后的SST数据；
将所述滤波后的SST数据通过Sobel梯度算法，得到温度场的梯度幅值和梯度方向；
将所述温度场的梯度幅值和梯度方向通过Canny边缘检测算法，得到锋面二值化图像；
将所述锋面二值化图像通过锋面边缘跟踪算法，确定每条锋面的方向；
根据所述每条锋面的方向将端点处于预设范围内的锋面进行连接，得到新的锋面二值化图像；
根据所述新的锋面二值化图像对锋区进行特征提取，得到特征参数；
其中，所述特征参数包括锋面长度、锋面强度、锋区边界、锋面宽度和锋区面积。
2.根据权利要求1所述的海洋温度锋的特征参数提取方法，其特征在于，所述将所述温度场的梯度幅值和梯度方向通过Canny边缘检测算法，得到锋面二值化图像，包括：
根据所述温度场的梯度幅值和梯度方向，得到多个锋面点；
选取第一阈值和第二阈值，其中，所述第一阈值大于所述第二阈值；
将所述多个锋面点对应的梯度幅值与所述第一阈值和所述第二阈值进行比较，得到比较结果；
根据所述比较结果构建所述锋面二值化图像。
3.根据权利要求2所述的海洋温度锋的特征参数提取方法，其特征在于，所述根据所述温度场的梯度幅值和梯度方向，得到多个锋面点包括，重复执行以下处理，直至所述温度场的每个像素均被遍历：
获取沿所述梯度方向的正方向上的第一像素和负方向上的第二像素；
从所述温度场中选取任一像素，并作为当前像素；
将所述当前像素对应的梯度幅值与所述第一像素对应的梯度幅值和所述第二像素对应的梯度幅值进行比较；
如果所述当前像素对应的梯度幅值大于所述第一像素对应的梯度幅值和所述第二像素对应的梯度幅值，则将所述当前像素作为所述锋面点；
如果所述当前像素对应的梯度幅值小于所述第一像素对应的梯度幅值和所述第二像素对应的梯度幅值，则将所述当前像素对应的梯度幅值设置为0。
4.根据权利要求2所述的海洋温度锋的特征参数提取方法，其特征在于，所述根据所述比较结果构建所述锋面二值化图像包括，重复执行以下处理，直至每个锋面点均被遍历：
从所述多个锋面点中选取任一锋面点，并作为当前锋面点；
如果所述当前锋面点对应的梯度幅值大于所述第一阈值，则保留所述当前锋面点；
如果所述当前锋面点对应的梯度幅值小于所述第二阈值，则去除所述当前锋面点；
如果所述当前锋面点对应的梯度幅值大于所述第二阈值并且小于所述第一阈值，则从所述当前锋面点的邻域中选取锋面点；
将选取的锋面点对应的梯度幅值与所述第一阈值和所述第二阈值进行比较；
如果所述选取的锋面点对应的梯度幅值大于所述第一阈值，则保留所述选取的锋面点；
如果所述选取的锋面点对应的梯度幅值小于所述第二阈值，则去除所述选取的锋面点。
5.根据权利要求1所述的海洋温度锋的特征参数提取方法，其特征在于，所述将所述锋面二值化图像通过锋面边缘跟踪算法，确定每条锋面的方向包括，重复执行以下处理，直至所述每条锋面均被遍历：
根据所述锋面二值化图像确定当前锋面的第一端点；
在所述当前锋面的第一端点的八邻域内，查找锋面像元；
如果所述锋面像元的数量为1时，则获取所述当前锋面的第二端点；
如果所述锋面像元的数量为2时，则所述第一端点为正常的锋面点；
如果所述锋面像元的数量为3时，则所述第一端点为锋面分叉点；
对所述锋面分叉点进行分离，得到所述锋面分叉点的锋面方向。
6.根据权利要求5所述的海洋温度锋的特征参数提取方法，其特征在于，所述对所述锋面分叉点进行分离，得到所述锋面分叉点的锋面方向，包括：
如果所述锋面分叉点对应的梯度方向上的正方向存在第一锋面点，负方向存在第二锋面点，则将不在所述锋面方向上的锋面点去除；
如果所述正方向存在第一锋面点或所述负方向存在第二锋面点，则从所述锋面方向中选取所述锋面方向变化最小的锋面点；
如果所述正方向不存在所述第一锋面点和所述负方向不存在所述第二锋面点，则从所述锋面方向中选取所述锋面方向变化最小的锋面点。
7.根据权利要求1所述的海洋温度锋的特征参数提取方法，其特征在于，所述根据所述每条锋面的方向将端点处于预设范围内的锋面进行连接，得到新的锋面二值化图像包括，重复执行以下处理，直至满足条件的锋面均被遍历，至此所有锋面均有两个端点：
确定当前锋面的端点A；
判断在所述端点A的预设阈值范围内是否存在其余锋面的端点B；
如果存在，则判断所述端点B的数量；
如果所述端点B的数量为1，则判断所述端点A与所述端点B的锋面方向差是否小于或等于90度；
如果是，则将所述端点A与所述端点B连接；
如果所述端点B的数量为多个，则选取与所述端点A最近的端点B；
判断所述端点A与所述最近的端点B的锋面方向差是否小于或等于90度；
如果是，则将所述端点A与所述端点B连接。
8.根据权利要求1所述的海洋温度锋的特征参数提取方法，其特征在于，所述根据所述新的锋面二值化图像对锋区进行特征提取，得到特征参数，包括：
计算锋面长度和锋面平均强度；
根据所述新的锋面二值化图像的锋面中心线，获取每个锋面像素沿垂直锋面方向的锋区范围；
在所述锋区范围内，当锋面强度小于第一阈值时，确定锋面的所述锋区边界；
根据所述锋区边界计算锋面横断面宽度；
根据所述锋面横断面宽度计算所述锋面宽度；
根据所述锋面宽度和所述锋面长度计算所述锋区面积。
9.一种海洋温度锋的特征参数提取装置，其特征在于，所述装置包括：
滤波处理单元，用于获取SST数据，将所述SST数据进行高斯滤波处理，得到滤波后的SST数据；
梯度幅值获取单元，用于将所述滤波后的SST数据通过Sobel梯度算法，得到温度场的梯度幅值和梯度方向；
锋面二值化图像获取单元，用于将所述温度场的梯度幅值和梯度方向通过Canny边缘检测算法，得到锋面二值化图像；
确定单元，用于将所述锋面二值化图像通过锋面边缘跟踪算法，确定每条锋面的方向；
连接单元，用于根据所述每条锋面的方向将端点处于预设范围内的锋面进行连接，得到新的锋面二值化图像；
特征参数提取单元，用于根据所述新的锋面二值化图像对锋区进行特征提取，得到特征参数；
其中，所述特征参数包括锋区边界、锋面宽度和锋区面积。
10.一种电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至8任一项所述的方法。
CN202110403236.XA 2021-04-14 2021-04-14 海洋温度锋的特征参数提取方法和装置 Pending CN113111785A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110403236.XA CN113111785A (zh) 2021-04-14 2021-04-14 海洋温度锋的特征参数提取方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110403236.XA CN113111785A (zh) 2021-04-14 2021-04-14 海洋温度锋的特征参数提取方法和装置

Publications (1)

Publication Number Publication Date
CN113111785A true CN113111785A (zh) 2021-07-13

Family

ID=76716976

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110403236.XA Pending CN113111785A (zh) 2021-04-14 2021-04-14 海洋温度锋的特征参数提取方法和装置

Country Status (1)

Country Link
CN (1) CN113111785A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113689450A (zh) * 2021-08-25 2021-11-23 中国人民解放军海军潜艇学院 一种海洋锋特征参数反演方法及系统
CN113742653A (zh) * 2021-07-16 2021-12-03 中国人民解放军国防科技大学 一种基于卫星资料的海洋锋识别方法
CN114283318A (zh) * 2021-12-16 2022-04-05 中国人民解放军海军潜艇学院 基于sar图像的海洋锋尺度特征参数反演方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080130952A1 (en) * 2002-10-17 2008-06-05 Siemens Corporate Research, Inc. method for scene modeling and change detection
CN103020959A (zh) * 2012-11-24 2013-04-03 中国科学院地理科学与资源研究所 一种基于引力模型的海洋锋信息提取方法
CN112508079A (zh) * 2020-12-02 2021-03-16 中国海洋大学 海洋锋面的精细化识别方法、系统、设备、终端及应用

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080130952A1 (en) * 2002-10-17 2008-06-05 Siemens Corporate Research, Inc. method for scene modeling and change detection
CN103020959A (zh) * 2012-11-24 2013-04-03 中国科学院地理科学与资源研究所 一种基于引力模型的海洋锋信息提取方法
CN112508079A (zh) * 2020-12-02 2021-03-16 中国海洋大学 海洋锋面的精细化识别方法、系统、设备、终端及应用

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SHIHE REN ET.AL: "Detection of SST Fronts from a High-Resolution Model and Its Preliminary Results in the South China Sea", 《JOURNAL OF ATMOSPHERIC AND OCEANIC TECHNOLOGY》 *
黎安舟: "南海中尺度特征遥感提取与时空分布研究", 《中国优秀博硕士学位论文全文数据库（硕士） 农业科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113742653A (zh) * 2021-07-16 2021-12-03 中国人民解放军国防科技大学 一种基于卫星资料的海洋锋识别方法
CN113742653B (zh) * 2021-07-16 2022-09-09 中国人民解放军国防科技大学 一种基于卫星资料的海洋锋识别方法
CN113689450A (zh) * 2021-08-25 2021-11-23 中国人民解放军海军潜艇学院 一种海洋锋特征参数反演方法及系统
CN114283318A (zh) * 2021-12-16 2022-04-05 中国人民解放军海军潜艇学院 基于sar图像的海洋锋尺度特征参数反演方法及系统
CN114283318B (zh) * 2021-12-16 2024-04-26 中国人民解放军海军潜艇学院 基于sar图像的海洋锋尺度特征参数反演方法及系统

Similar Documents

Publication Publication Date Title
CN113111785A (zh) 海洋温度锋的特征参数提取方法和装置
CN110287932B (zh) 基于深度学习图像语义分割的道路阻断信息提取方法
EP3333768A1 (en) Method and apparatus for detecting target
JP4528309B2 (ja) オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム
EP3389011A1 (en) Image analysis system for detecting edges of a nucleus
CN111222526B (zh) 一种渔船实时捕捞行为识别方法、装置、设备及存储介质
CN114140669B (zh) 焊接缺陷识别模型训练方法、装置和计算机终端
CN110346808B (zh) 一种激光雷达的点云数据处理方法和系统
CN110660072B (zh) 一种直线边缘的识别方法、装置、存储介质及电子设备
CN107993261B (zh) 一种基于三维岩心扫描图像的孔隙与孔喉识别方法
CN109522852B (zh) 基于光学遥感影像的人造目标检测方法、装置及设备
CN110956602B (zh) 一种变化区域的确定方法、装置及存储介质
WO2018000252A1 (zh) 高分辨遥感海洋图像的海背景建模与抑制的方法及系统
CN113820333B (zh) 电池极片异常检测方法、装置、上位机及检测系统
CN112149572A (zh) 路沿检测方法、装置和存储介质
Inoue et al. Crack detection as a weakly-supervised problem: Towards achieving less annotation-intensive crack detectors
CN114972339B (zh) 用于推土机结构件生产异常检测的数据增强系统
CN112950594B (zh) 产品表面缺陷的检测方法、设备及存储介质
CN114898273A (zh) 一种视频监控异常检测方法、装置及设备
CN112418220A (zh) 一种单字检测方法、装置、设备及介质
CN110135382A (zh) 一种人体检测方法和装置
RU2734791C2 (ru) Регистрация гистопатологических изображений
CN113920547A (zh) 一种基于神经网络的手套检测方法及其系统
CN113096024B (zh) 用于深度数据的去飞点方法及其系统和电子设备
JP6762373B2 (ja) 映像障害検知装置、映像障害検知方法、及びプログラム

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210713