CN113283437B - 一种海底沙波特征识别方法 - Google Patents
一种海底沙波特征识别方法 Download PDFInfo
- Publication number
- CN113283437B CN113283437B CN202110827809.1A CN202110827809A CN113283437B CN 113283437 B CN113283437 B CN 113283437B CN 202110827809 A CN202110827809 A CN 202110827809A CN 113283437 B CN113283437 B CN 113283437B
- Authority
- CN
- China
- Prior art keywords
- sand
- line
- wave
- lines
- sand wave
- 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
- 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
- G06V10/40—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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种海底沙波特征识别方法，涉及近岸海洋工程动力地质地貌环境技术领域。本发明利用实测水深数据，采用图像识别的方法获取沙波波峰线、波谷线，并通过线性拟合及坐标转换将沙波波峰线、波谷线进行分组，进一步利用沙波波峰线、波谷线的信息自动获取大区域的沙波波长、波高等特征信息。本发明可以自动识别大区域海底沙波的波峰线、波谷线，并对沙波波峰线、波谷线自动进行分类统计，进而获取大量的沙波特征数据，为进一步分析沙波波长、波高、水深及水动力等之间的关系提供了基础数据，节省了时间和成本，提高了效率。
Description
技术领域
本发明涉及近岸海洋工程动力地质地貌环境技术领域，尤其涉及一种海底沙波地貌特征的识别方法。
背景技术
海底沙波是一种韵律形且活动性比较强的海底地貌形态，沙波波峰线通常与潮流主方向垂直。作为一种特殊形态的床面形式，沙波广泛发育在河口、海湾、海峡、陆架陆坡等区域。海底沙波在波浪、潮流、风暴潮、内波等海洋动力的强烈影响下会发生演化、迁移。沙波迁移能快速改变海床形态，导致海底管线悬跨或掩埋，造成海洋平台失稳等，对海洋油气管道、海底电缆、石油平台等海洋工程设施造成严重威胁。
海底沙波作为特殊的地貌形态具有两个显著的形态特征，即沙波波高和波长。随着海洋测深技术的迅速发展，多波束测深系统、数字测深技术、侧扫声呐、高分辨率浅地层剖面仪以及卫星遥感等手段的综合使用，使获取的地形数据精度越来越高。然而由于海底地形十分复杂，从实测水深数据中直接获取较准确的沙波波高及波长较为困难。
目前针对海底沙波地形特征识别的主要手段为剖面法。然而剖面法需要人为确定所要分析的剖面，不同剖面的选择会导致计算的沙波波高、波长出现差异。在此背景下，本发明公开一种能够对沙波区域测深数据自动进行波高及波长等特征识别的方法。
发明内容
本发明所要解决的技术问题是：通过图像识别和坐标转换的方式，提供一种能够自动识别沙波波长和波高等特征的技术，充分利用实测数据，获取更多的沙波特征样本，为分析海洋工程施工区域的沙波特征提供依据。
本发明目的是由以下技术解决方案实现的：
一种海底沙波特征识别方法，利用实测水深数据，采用图像识别的方法获取沙波波峰线、波谷线，并通过线性拟合及坐标转换将沙波波峰线、波谷线进行分组，进一步利用沙波波峰线、波谷线的信息自动获取大区域的沙波波长、波高等特征信息。
进一步的，一种海底沙波特征识别方法，包括如下步骤：
1）基于大区域的实测水深数据矩阵，估算沙波波长，将大区域分割成若干个小区域矩阵；
2）对每一个小区域矩阵利用图像识别获取沙波波峰线、波谷线，将波峰线及波谷线的位置及高程信息保存到变量中；
3）将步骤2）所获取的沙波波峰线及波谷线近似平行，对子区域中的每条波峰线、波谷线进行线性拟合，获取拟合后每条直线的斜率，根据斜率范围对波峰线及波谷线进行第一次分组；
4）对步骤3）中每一组沙波直线进行坐标转换，并对波峰线和波谷线分别进行编号和分组；
5）计算步骤4）中每一个分组内沙波的波长和波高。
优选的，所述步骤2）包括如下步骤：
a.对每一个小型矩阵进行平面拟合以消除整体坡度对识别的影响；
b.利用中值滤波技术消除孤立的噪声点；
c.利用二值化技术获取沙波波峰线的位置；
d.对水深取相反数，重复步骤a、b、c可以获取沙波波谷线的位置；
e.将波峰线及波谷线的位置及高程信息保存到变量中。
优选的，所述步骤b消除孤立的噪声点在Matlab中可采用im2bw函数。
优选的，所述步骤c二值化技术采用阈值变换法将灰度图转换为二值图，在Matlab中可采用im2bw函数。
进一步的，一种海底沙波特征识别方法，所述步骤4）包括如下步骤：首先，对沙波的波峰线、波谷线进行线性拟合，根据斜率差异，将所有波峰线、波谷线分组，其中，每组波峰线、波谷线间的斜率误差均小于0.25；其次，对每组波峰线、波谷线进行坐标变换；再次，获取转换后每条线中点的y值，根据y值由小到大，将直线进行编号，并将信息分别保存在ridge、valley两个变量中；最后根据编号将沙波域分为不同的组。
优选的，所述坐标转换方法包括：根据沙波波峰线、波谷线的斜率，将原坐标系进行旋转，使斜率与变换后的坐标系的x轴平行。
进一步的，一种海底沙波特征识别方法，所述步骤5）的计算方法为：将步骤3）中每一个沙波域中相邻波峰线y值的差和相邻波谷线y值的差，即为沙波波长；同样，相邻波峰线与波谷线上的平均高程差，即为沙波波高。
本发明的有益效果
本申请通过充分利用实测数据，自动获取研究区域大量的沙波波长、波高等特征数据，进而获取大量的沙波特征数据，获取更多的沙波特征样本，可以为进一步研究沙波波长、波高、水深、水动并对沙波波峰线、波谷线自动进行分类统计，力等之间的关系提供可靠、大量的基础数据。为进一步分析沙波波长、波高、水深及水动力等之间的关系提供了基础数据，节省了时间和成本，提高了效率。为分析海洋工程施工区域的沙波特征提供依据。
本方法通过程序对沙波特征进行识别，具有数据处理量大、速度快的优点。极大提高效率的同时，排除了人工标注的主观因素影响。利用该方法获取的大量的沙波特征数据可以用于如沙波波长波高之间的关系、水深与沙波特征的关系等方面的分析。
附图说明：
图1为南海北部某沙波区域实测水深图。
图2为图1所述某一小区域的沙波区域灰度图。
图3为经过二值化后获取沙波波峰线和波谷线图（叠加在沙波区域上）。
图4为坐标转换分析沙波波峰线及波谷线的原理图。
图5为计算得到的沙波波长统计图。
图6为计算得到的沙波波高统计图。
具体实施方式
实施例1
南海北部区域发育有大量的沙波地形地貌，下面以该区域为例，结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
步骤一、南海北部存在大量的海底沙波，经过实际水深测量获取南海某沙波区域的水深图，如图1所示。为了分析该区域沙波特征，将该区域分割成7行17列的小区域，逐个区域进行沙波特征分析，其中第5行第6列（以左下角为第1行第1列）的沙波形态见图1右上角。
步骤二、以选出的第5行第6列（该位置下文以R5C6表示）的水深数据为例，首先对该区域进行平面拟合，用实测水深减去平面拟合值，消除该区域整体坡度的影响；然后采用中值滤波技术消除孤立的噪声点（在Matlab中可采用medfilt2函数）；再次采用阈值变换法（Matlab中可采用im2bw函数）将灰度图转换为二值图，所获取的二值图见图2。对水深取相反数，采用同样的步骤可以获取波谷线的二值图。
步骤三、对图像进行填充孔洞修正后（在Matlab中可采用imfill函数）标记（在Matlab可采用bwlabel函数），即将图中的各个连通区域（即沙波波峰线）在二值图像的标记矩阵中用连续的阿拉伯数字表示，每个数字即代表图中一条连续的沙波波峰线。通过波峰线的像素坐标可以绘制波峰线（在Matlab中可依次采用sort, find, plot函数），对波谷线二值图做同样处理可获取沙波的波谷线。R5C6位置的沙波波峰线与波谷线见图3（为直观反映识别的沙波波峰线和波谷线，将波峰线和峰谷线叠加在了沙波底图上），其中实线为波峰线，虚线为波谷线。
步骤四、步骤三中获取了沙波的波峰线和波谷线，并将每条线上的坐标和高程保存在了变量中。为获取沙波的波高、波长等特征值，采用坐标变换并对沙波波峰线、波谷线进行分组。具体方法为：首先，对沙波的每条波峰线、波谷线进行线性拟合，根据斜率差异，将所有特征线分为1~3组（每组特征线间的斜率误差均小于0.25）。其次，对每组波峰线、波谷线进行坐标变换，坐标转换原理如图4所示，实线坐标系为原坐标系，黑色实线为沙波波峰线，灰色实线为沙波波谷线。根据波峰线、波谷线的斜率，将原坐标系进行旋转，使斜率与变换后的坐标系的x轴平行，转换后的坐标系见图4中虚线坐标系。再次，获取每条线段中点的y值（对应于变换后的坐标系）；根据y值由小到大，将线段进行编号，并将信息分别保存在ridge、valley两个变量中。对应于图4，ridge中线段的编号为1、2、4、7、9；valley中线段编号为3、5、6、8。最后根据编号将沙波域分为不同的组（以ridge和valley变量中连续的数进行分界，本例中ridge和valley的连续数分别为1、2和5、6，即1为1组，2-5为1组，6-9为1组，由于第1组仅一条沙波波谷线故舍去），即编号为[2，3，4，5]为一个沙波域、编号为[6、7、8、9]为第二个沙波域。
步骤五、步骤四中每一个沙波域中相邻波峰线y值（对应于变换后的坐标系）的差及相邻波谷线y值的差，即为沙波波长。R5C6位置提取的波长分别为线段4与线段2的y值差、线段5与线段3的y值差、线段8与线段6的y值差、线段9与线段7的y值差。同样的，相邻波峰线及波谷线上的平均高程差，即为沙波波高。
步骤六、经计算，本区域的沙波波长共识别出沙波波高及波长各443个。其统计特征见图5。利用该方法计算出的该区域沙波平均波长为114.89m，平均波高为1.48m；沙波波长集中在75~125m范围内，沙波波高集中在0.75~2.0m范围内。
利用该方法获取的大量的沙波特征数据可以用于如沙波波长波高之间的关系、水深与沙波特征的关系等方面的分析。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种海底沙波特征识别方法，其特征在于，利用实测水深数据，采用图像识别的方法获取沙波波峰线、波谷线，并通过线性拟合及坐标转换将沙波波峰线、波谷线进行分组，进一步利用沙波波峰线、波谷线的信息自动获取大区域的沙波波长、波高特征信息；
包括如下步骤：
1）基于大区域的实测水深数据矩阵，估算沙波波长，将大区域分割成若干个小区域矩阵；
2）对每一个小区域矩阵利用图像识别获取沙波波峰线、波谷线，将波峰线及波谷线的位置及高程信息保存到变量中；
3）将步骤2）所获取的沙波波峰线及波谷线近似平行，对子区域中的每条波峰线、波谷线进行线性拟合，获取拟合后每条直线的斜率，根据斜率范围对波峰线及波谷线进行第一次分组；
4）对步骤3）中每一组沙波直线进行坐标转换，并对波峰线和波谷线分别进行编号和分组；
5）计算步骤4）中每一个分组内沙波的波长和波高。
2.根据权利要求1所述的一种海底沙波特征识别方法，其特征在于，所述步骤2）包括如下步骤：
a.对每一个小型矩阵进行平面拟合以消除整体坡度对识别的影响；
b.利用中值滤波技术消除孤立的噪声点；
c.利用二值化技术获取沙波波峰线的位置；
d.对水深取相反数，重复步骤a、b、c可以获取沙波波谷线的位置；
e.将波峰线及波谷线的位置及高程信息保存到变量中。
3.根据权利要求2所述的一种海底沙波特征识别方法，其特征在于，所述步骤b消除孤立的噪声点在Matlab中可采用im2bw函数。
4.根据权利要求2所述的一种海底沙波特征识别方法，其特征在于，所述步骤c二值化技术为采用阈值变换法将灰度图转换为二值图，在Matlab中可采用im2bw函数。
5.根据权利要求1所述的一种海底沙波特征识别方法，其特征在于，所述步骤4）包括如下步骤：首先，对沙波的波峰线、波谷线进行线性拟合，根据斜率差异，将所有波峰线、波谷线分组，其中，每组波峰线、波谷线间的斜率误差均小于0.25；其次，对每组波峰线、波谷线进行坐标变换；再次，获取转换后每条线中点的y值，根据y值由小到大，将直线进行编号，并将信息分别保存在ridge、valley两个变量中；最后根据编号将沙波域分为不同的组。
6.根据权利要求5所述的一种海底沙波特征识别方法，其特征在于，所述坐标转换方法包括：根据沙波波峰线、波谷线的斜率，将原坐标系进行旋转，使斜率与变换后的坐标系的x轴平行。
7.根据权利要求1所述的一种海底沙波特征识别方法，其特征在于，所述步骤5）的计算方法为：将步骤3）中每一个沙波域中相邻波峰线y值的差和相邻波谷线y值的差，即为沙波波长；同样，相邻波峰线与波谷线上的平均高程差，即为沙波波高。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110827809.1A CN113283437B (zh) | 2021-07-22 | 2021-07-22 | 一种海底沙波特征识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110827809.1A CN113283437B (zh) | 2021-07-22 | 2021-07-22 | 一种海底沙波特征识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113283437A CN113283437A (zh) | 2021-08-20 |
| CN113283437B true CN113283437B (zh) | 2021-10-29 |
Family
ID=77286926
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110827809.1A Active CN113283437B (zh) | 2021-07-22 | 2021-07-22 | 一种海底沙波特征识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113283437B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114677324B (zh) * | 2022-01-20 | 2024-06-07 | 强企创新科技有限公司 | 水深检测方法及系统 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11067475B2 (en) * | 2013-04-01 | 2021-07-20 | United States Of America As Represented By The Secretary Of The Army | Bedload transport methodology and method of use |
| CN103345759B (zh) * | 2013-07-24 | 2014-07-09 | 国家海洋局第二海洋研究所 | 一种海底大型复杂沙波地貌的精确探测方法 |
| CN104063614B (zh) * | 2014-07-03 | 2015-04-08 | 国家海洋局第二海洋研究所 | 一种基于odp的海底沙波特征自动识别方法 |
| CN104599282B (zh) * | 2015-02-09 | 2017-04-12 | 国家海洋局第二海洋研究所 | 一种基于遥感图像的沙波体范围检测方法 |
| US20180174587A1 (en) * | 2016-12-16 | 2018-06-21 | Kyocera Document Solution Inc. | Audio transcription system |
| CN107631720B (zh) * | 2017-08-14 | 2018-11-02 | 中国海洋大学 | 海底沙波原位实时观测装置及方法 |
| CN109800760B (zh) * | 2017-11-16 | 2021-02-02 | 北京筑梦园科技有限公司 | 一种车牌字符分割的方法 |
| CN108549847B (zh) * | 2018-03-27 | 2022-04-12 | 昆明理工大学 | 一种无基准数据条件下的梁式结构裂缝损伤识别方法 |
| CN110532615B (zh) * | 2019-07-26 | 2022-11-15 | 自然资源部第二海洋研究所 | 一种浅海复杂地形的逐级分解方法 |
| CN111123263B (zh) * | 2019-12-12 | 2022-04-19 | 创新奇智(浙江)科技有限公司 | 基于地质雷达检测数据的隧道钢筋识别检测系统、方法 |
| CN111369070B (zh) * | 2020-03-13 | 2023-06-27 | 西安理工大学 | 一种基于包络线聚类的多模融合光伏功率预测方法 |
| CN112580270B (zh) * | 2020-09-21 | 2022-12-23 | 海洋石油工程股份有限公司 | 一种海底沙波演变模拟方法 |
-
2021
- 2021-07-22 CN CN202110827809.1A patent/CN113283437B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113283437A (zh) | 2021-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109190538B (zh) | 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法 | |
| Lohani et al. | Application of airborne scanning laser altimetry to the study of tidal channel geomorphology | |
| Fairfield et al. | Drainage networks from grid digital elevation models | |
| Wise | Assessing the quality for hydrological applications of digital elevation models derived from contours | |
| Heygster et al. | Topographic mapping of the German tidal flats analyzing SAR images with the waterline method | |
| CN101915910B (zh) | 利用航海雷达识别海上溢油目标的方法及系统 | |
| CN102279973B (zh) | 基于高梯度关键点的海天线检测方法 | |
| Hu et al. | Monitoring coastline variations in the Pearl River Estuary from 1978 to 2018 by integrating Canny edge detection and Otsu methods using long time series Landsat dataset | |
| Li et al. | Intertidal topographic maps and morphological changes in the German Wadden Sea between 1996–1999 and 2006–2009 from the waterline method and SAR images | |
| CN113283437B (zh) | 一种海底沙波特征识别方法 | |
| CN115452759A (zh) | 一种基于卫星遥感数据的河湖健康指标评价方法及系统 | |
| CN112509134A (zh) | 一种潮滩数字高程模型构建方法及系统 | |
| CN112926468A (zh) | 一种潮滩高程自动提取方法 | |
| CN114627367B (zh) | 一种侧扫声呐图像的海底线探测方法 | |
| CN115984778A (zh) | 一种基于多特征优化的Sentinel-1数据快速动态洪灾监测方法 | |
| Zhao et al. | Stability evaluation of tidal flats based on time-series satellite images: A case study of the Jiangsu central coast, China | |
| CN110569733B (zh) | 基于遥感大数据平台的湖泊长时序连续水域变化重建方法 | |
| Gong et al. | Parameterizing the Yellow River Delta tidal creek morphology using automated extraction from remote sensing images | |
| CN100390566C (zh) | 基于遥感图像处理的对地表变化进行检测的方法 | |
| Zieger et al. | Mapping reef features from multibeam sonar data using multiscale morphometric analysis | |
| Shao et al. | Automated searching of ground points from airborne lidar data using a climbing and sliding method | |
| CN111862117B (zh) | 基于像素优化的海冰冰块分水岭分割方法 | |
| 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 | |
| CN104063614B (zh) | 一种基于odp的海底沙波特征自动识别方法 | |
| Xu et al. | Extraction and spatiotemporal evolution analysis of tidal flats in the Bohai Rim during 1984–2019 based on remote sensing |
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 |