CN115542331B - 一种基于浅剖声强数据的淤泥层厚度自动提取方法 - Google Patents

一种基于浅剖声强数据的淤泥层厚度自动提取方法 Download PDF

Info

Publication number
CN115542331B
CN115542331B CN202211164365.9A CN202211164365A CN115542331B CN 115542331 B CN115542331 B CN 115542331B CN 202211164365 A CN202211164365 A CN 202211164365A CN 115542331 B CN115542331 B CN 115542331B
Authority
CN
China
Prior art keywords
sound intensity
intensity data
shallow
depth
value
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
CN202211164365.9A
Other languages
English (en)
Other versions
CN115542331A (zh
Inventor
孙佳龙
徐霞蔚
朱国豪
赵思聪
吉方正
夏梓铭
胡家祯
于松
沈舟
鞠子夏
于浩
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.)
Hefei Jiuzhou Longteng Scientific And Technological Achievement Transformation Co ltd
Original Assignee
Lianyungang Lantu Intelligent Technology Co ltd
Jiangsu Ocean University
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 Lianyungang Lantu Intelligent Technology Co ltd, Jiangsu Ocean University filed Critical Lianyungang Lantu Intelligent Technology Co ltd
Priority to CN202211164365.9A priority Critical patent/CN115542331B/zh
Priority to LU503235A priority patent/LU503235B1/en
Publication of CN115542331A publication Critical patent/CN115542331A/zh
Application granted granted Critical
Publication of CN115542331B publication Critical patent/CN115542331B/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
    • G01V1/38—Seismology; Seismic or acoustic prospecting or detecting specially adapted for water-covered areas
    • 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
    • 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
    • G01V1/303—Analysis for determining velocity profiles or travel times
    • G01V1/305—Travel times
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/40—Transforming data representation
    • G01V2210/41—Arrival times, e.g. of P or S wave or first break
    • 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
    • G01V2210/622—Velocity, density or impedance
    • G01V2210/6222—Velocity; travel time
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Oceanography (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于浅剖声强数据的淤泥层厚度自动提取方法，去除水深误差及噪声误差；提取整幅浅剖图像的声强数据，并将该浅剖图像的声强数据进行合并处理；基于整合后的单道浅剖声强数据构建声强数据改正模型，并对声强数据进行改正；将去除微小波动后的声强数据进行单道剖面数据解译，并确定单道剖面声强图像的波峰数量；根据不同的波峰波谷特征，采用不同的方法以确定淤泥层的上下边界的水深值；对提取出的淤泥层上下边界水深值进行平滑。本方法利用浅剖图像的声强数据，在不消除多次波的情况下，生成声强振幅图像，再根据声强振幅图像的振幅特点，实现对单道剖面淤泥层的提取，进而实现对整幅浅剖图像淤泥层的提取。

Description

一种基于浅剖声强数据的淤泥层厚度自动提取方法
技术领域
本发明涉及海洋测量技术领域，具体为一种基于浅剖声强数据的淤泥层厚度自动提取方法。
背景技术
海洋测绘是一项非常重要的基础性工作，所有在海洋中的开发建设工作都离不开海洋测绘所提供的各种基础数据的支持。因此，海洋测绘作为海洋开发的基础和指南，海道测量是海洋测绘的前身，这是一项国际上通用的特殊技术，其主要工作就是测量相关海域的深度，以确保船舶航行的安全。随着水运事业的发展，航道的通航量在不断的增加，货轮的吨位也在不断增加，航道的回淤和清理是影响通货能力的关键问题之一。为了适应我国水运事业发展的需要，改善航道的回淤状况以确保运货船只的安全，研究科学的可操作的航道回淤监测方法尤为必要。目前，海底沉积物类型常通过区域格网化、节点海底实地取样以及实验室分析获得。这种传统的获取方法存在工作效率低、资金成本高，在深水区实施困难等问题；此外，格网节点间沉积物类型需通过内插或外延获得，受各种因素影响，沉积物代表性和可靠度不高，无法满足现代科研和生产需要。利用声学遥测获得的海底沉积物声学特性可以实现海底沉积物探测。
浅地层剖面仪是探知地层垂向结构和性质的声学设备，在一定程度上能够反映海底浅部地层的分层情况和各层底质的特征。其工作方式与测深仪相似，换能器按一定的时间间隔垂直向下发射声脉冲，声脉冲到达第一个强声阻抗界面即海底时，部分声能被反射返回接收单元，另一部分声能则穿透地层继续向下传播，当遇到一个新的强声阻抗界面时，就会有部分声能返回接收单元，如此不断进行，直至声波能量损失耗尽为止。
浅地层剖面测量是利用声波在海水和海底沉积物中的传播和反射特性对海底沉积物进行连续探测，从而获得直观的海底浅部地层结构剖面的一种海底声学探测技术，能提供一套直观、连续的海底剖面记录图像，工作效率高，是进行浅海沉积层探测的有效手段，可为海底地质调查、障碍物探测、水下工程选址、航道疏浚等提供直观的信息，已在海洋工程勘查、海底管线探测等方面得到了广泛应用。
若能在不消除多次波的前提下，根据浅剖数据实现对淤泥层的大致划分，就可以很高效的实现对航道淤泥层的判定，为此提供了一种基于浅剖声强数据的淤泥层厚度自动提取方法。
发明内容
本发明的目的是针对现有技术的缺陷，提供一种基于浅剖声强数据的淤泥层厚度自动提取方法，以解决上述背景技术提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于浅剖声强数据的淤泥层厚度自动提取方法，具体步骤如下：
S1：去除水深误差及噪声误差；
根据浅剖图像的特点进行水深误差的去除，并在此基础上对浅剖数据进行中值滤波，减弱浅剖图像中的噪声的干扰，提高信噪比；
S2：提取整幅浅剖图像的声强数据，并将该浅剖图像的声强数据进行合并处理；
由于浅地层剖面仪的测量特点，浅剖图像数据被划分为若干个单道浅剖声强数据，将此若干个单道浅剖声强数据导出，并整合到一起之后导入MATLAB；
S3：基于整合后的单道浅剖声强数据构建声强数据改正模型，并对声强数据进行改正；
对整合后的单道浅剖声强数据，去除其声强振幅中的微小波动，以便减小在后期确定单道剖面声强数据的波峰数量时的误差；
S4：将去除微小波动后的声强数据进行单道剖面数据解译，并确定单道剖面声强图像的波峰数量；
对改正后的声强数据进行数据解译，通过对其进行单差处理，确定每一个单道剖面数据的波峰数，并对只有一个波峰的单道剖面数据进行标记；
S5：根据不同的波峰波谷特征，采用不同的方法以确定淤泥层的上下边界的水深值；
对只有一个波峰或第二个波谷的值为0的单道剖面数据，其淤泥层下界的值参考与该剖面数据相邻的上一个单道剖面数据的淤泥层下界的值；
S6：对提取出的淤泥层上下边界水深值进行函数拟合。
作为本发明的一种优选技术方案，所述S1中的中值滤波是一种非线性滤波，在一定的条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效；中值滤波的目的是保护图像边缘的同时去除噪声；
基于中值滤波法去除噪声的方法如下：
在一维的情况下，中值滤波器是一个含有奇数个像素的窗口，在处理之后，将窗口正中的像素灰度值用窗口内各像素灰度值的中值来代替；设有一个维序列f1，f2，f3，…，fn，取窗口长度为奇数m，对此序列进行中值滤波，就是从输入序列中相续抽出m个数，fi-v，…fi，…fi+v，其中为窗口的中心值h＝(m-1)/2，再将这m个点的数值按其数值大小排列，取其序号为正中间的那个数作为滤波输出；中值滤波表达式为：
Fi＝Med{fi-v，…fi，…fi+v}
对二维序列{Xi，j}的中值滤波，滤波窗口也是二维的，但这种二维窗口可以有各种不同的形状，如线状、方形、圆形、十字形、圆环形；
二维中值滤波可表示为：Fi，j＝MedA{xi，j}，A为滤波窗口
在实际使用窗口时，窗口的尺寸一般先用3×3再取5×5逐渐增大，直到其滤波效果满意为止。
作为本发明的一种优选技术方案，所述S2中若干个单道浅剖声强数据整合时需注意文件名称的编号长度一致。
作为本发明的一种优选技术方案，所述S3中对于微小波动的定义如下：若该波动的波峰与波谷的差值的十倍小于等于该波峰与前一波谷的差值，并且该波动的波峰与波谷的差值的十倍小于等于下一波峰与该波谷的差值。
作为本发明的一种优选技术方案，所述S5中根据不同的波峰波谷特征，采用不同的方法以确定淤泥层的上下边界的水深值，对只有一个波峰或第二个波谷的值为0的单道剖面数据，其淤泥层下界的值参考与该剖面数据相邻的上一个单道剖面数据的淤泥层下界的值；
基于浅剖声强数据的波峰计算淤泥层层厚的方法如下：
根据波峰或波谷所在的数据样本号，按下述公式进行计算，得出该波峰或波谷所在的深度：
Figure BDA0003860760720000041
式中，h为某一样本对应的深度；H0为深度起始值；H1为深度变化范围值；n为第n个样本；N为该声强文件中总的样本数。
作为本发明的一种优选技术方案，淤泥层的上界的确定分为两种情况：
①若第一个波谷的值为0，则声强数据变化起始点的深度及第一个波峰点的深度的平均值即为淤泥层的上界，即：
Figure BDA0003860760720000042
式中，huph为该声强数据的淤泥层上界；hs为声强数据变化起始点的深度；hP1为第一个波峰点所在的深度；
②若第一个波谷的值不为0，则声强数据变化起始点的深度即为淤泥层的上界，即：
huph＝hs
式中，huph为该声强数据的淤泥层上界；hs为声强数据变化起始点的深度。
作为本发明的一种优选技术方案，淤泥层下界的确定分为两种情况：
①若第一个波峰点的振幅为声强振幅的最大值或声强振幅的第一个波谷的值为0，则第二个波峰点所处的深度即为淤泥层与下一层的层界处，即：
hlowh＝hP2
式中，hlowh为该声强数据的淤泥层下界；hp2为第二个波峰点所在的深度；
②若不满足条件①且第二个波谷的的值不为0，则淤泥层与下一层的层界处的深度为声强振幅第二个波谷处的深度值与第三个波峰处的深度值的平均值；
hlowh＝(hb2+hp3)/2
式中，hlowh为该声强数据的淤泥层下界；hb2为第二个波谷点所在的深度；hp3为第三个波峰点所在的深度。
作为本发明的一种优选技术方案，所述S6中由于涉及S2中提取的整幅浅剖图像的声强数据，所以采用的函数拟合的阶数较大。
本发明的有益效果是：本发明以浅剖声强数据为前提，并在不经过多次波消除的情况下，基于整合后的单道浅剖声强数据构建的声强数据改正模型，对声强数据进行改正，采用波峰判别法建立研究区域的波峰数量计算模型，确定单道剖面声强数据的波峰数量，可以快速准确的实现淤泥层的层界划分，得出淤泥层的厚度。
附图说明
图1为本发明的淤泥层厚度自动提取方法流程图；
图2为本发明的浅剖原始图像；
图3为本发明的去除误差后的浅剖图像；
图4为本发明的浅剖图像提取数据效果图；
图5为本发明的单道浅剖声强图像原始图像；
图6为本发明的单道浅剖声强图像改正后图像；
图7为本发明的浅剖层界提取原始图像；
图8为本发明的浅剖层界提取函数拟合后图像。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易被本领域人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
实施例：请参阅图1-8，本发明提供一种技术方案：一种基于浅剖声强数据的淤泥层厚度自动提取方法，本实施例以广西附近海域为研究对象，通过采用浅地层剖面仪对该海域进行海底浅地层沉积物的测量，建立研究区域的连续的浅地层剖面图像，为该研究区域的淤泥层提取提供基础，具体地构建方法如下：
S1：去除水深误差及噪声误差；根据浅剖图像的特点进行水深误差的去除，并在此基础上对浅剖数据进行中值滤波，减弱浅剖图像中的噪声的干扰，提高信噪比；
中值滤波是一种非线性滤波，在一定的条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效；中值滤波的目的是保护图像边缘的同时去除噪声；
基于中值滤波法去除噪声的方法如下：
在一维的情况下，中值滤波器是一个含有奇数个像素的窗口，在处理之后，将窗口正中的像素灰度值用窗口内各像素灰度值的中值来代替；设有一个维序列f1，f2，f3，…，fn，取窗口长度为奇数m，对此序列进行中值滤波，就是从输入序列中相续抽出m个数，fi-v，…fi，…fi+v，其中为窗口的中心值h＝(m-1)/2，再将这m个点的数值按其数值大小排列，取其序号为正中间的那个数作为滤波输出。中值滤波表达式为：
Fi＝Med{fi-v，…fi，…fi+v}
对二维序列{Xi，j}的中值滤波，滤波窗口也是二维的，但这种二维窗口可以有各种不同的形状，如线状、方形、圆形、十字形、圆环形等。二维中值滤波可表示为：
Fitj＝MedA{xitj}，A为滤波窗口
在实际使用窗口时，窗口的尺寸一般先用3×3再取5×5逐渐增大，直到其滤波效果满意为止；
S2：提取整幅浅剖图像的声强数据，并将该浅剖图像的声强数据进行合并处理；由于浅地层剖面仪的测量特点，浅剖图像数据被划分为若干个单道浅剖声强数据，将此若干个单道浅剖声强数据导出，并整合到一起之后导入MATLAB；若干个单道浅剖声强数据整合时需注意文件名称的编号长度一致；
S3：基于整合后的单道浅剖声强数据构建声强数据改正模型，并对声强数据进行改正；对整合后的单道浅剖声强数据，去除其声强振幅中的微小波动，以便减小在后期确定单道剖面声强数据的波峰数量时的误差；对于微小波动的定义如下：若该波动的波峰与波谷的差值的十倍小于等于该波峰与前一波谷的差值，并且该波动的波峰与波谷的差值的十倍小于等于下一波峰与该波谷的差值；
S4：将去除微小波动后的声强数据进行单道剖面数据解译，并确定单道剖面声强图像的波峰数量；对改正后的声强数据进行数据解译，通过对其进行单差处理，确定每一个单道剖面数据的波峰数；并对只有一个波峰的单道剖面数据进行标记；
S5：根据不同的波峰波谷特征，采用不同的方法以确定淤泥层的上下边界的水深值；对只有一个波峰或第二个波谷的值为0的单道剖面数据，其淤泥层下界的值参考与该剖面数据相邻的上一个单道剖面数据的淤泥层下界的值；
基于浅剖声强数据的波峰计算淤泥层层厚的方法如下：
根据波峰或波谷所在的数据样本号，按下述公式进行计算，得出该波峰或波谷所在的深度：
Figure BDA0003860760720000081
式中，h为某一样本对应的深度；H0为深度起始值；H1为深度变化范围值；n为第n个样本；N为该声强文件中总的样本数；
淤泥层的上界的确定分为两种情况：
①若第一个波谷的值为0，则声强数据变化起始点的深度及第一个波峰点的深度的平均值即为淤泥层的上界，即：
huph＝(hsthP1)/2
式中，huph为该声强数据的淤泥层上界；hs为声强数据变化起始点的深度；hP1为第一个波峰点所在的深度。
②若第一个波谷的值不为0，则声强数据变化起始点的深度即为淤泥层的上界，即：
huph＝hs
式中，huph为该声强数据的淤泥层上界；hs为声强数据变化起始点的深度；
淤泥层下界的确定分为两种情况：
①若第一个波峰点的振幅为声强振幅的最大值或声强振幅的第一个波谷的值为0，则第二个波峰点所处的深度即为淤泥层与下一层的层界处，即：
hlowh＝hP2
式中，hlowh为该声强数据的淤泥层下界；hp2为第二个波峰点所在的深度；
②若不满足条件①且第二个波谷的的值不为0，则淤泥层与下一层的层界处的深度为声强振幅第二个波谷处的深度值与第三个波峰处的深度值的平均值。
hlowh＝(hb2+hp3)/2
式中，hlowh为该声强数据的淤泥层下界；hb2为第二个波谷点所在的深度；hp3为第三个波峰点所在的深度；
S6：对提取出的淤泥层上下边界水深值进行函数拟合；由于涉及S2中提取的整幅浅剖图像的声强数据，所以采用的函数拟合的阶数较大。
本发明以浅剖声强数据为前提，并在不经过多次波消除的情况下，基于整合后的单道浅剖声强数据构建的声强数据改正模型，对声强数据进行改正，采用波峰判别法建立研究区域的波峰数量计算模型，确定单道剖面声强数据的波峰数量，可以快速准确的实现淤泥层的层界划分，得出淤泥层的厚度。
以上实施例仅表达了本发明的某种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (8)

1.一种基于浅剖声强数据的淤泥层厚度自动提取方法，其特征在于：具体步骤如下：
S1：去除水深误差及噪声误差；
根据浅剖图像的特点进行水深误差的去除，并在此基础上对浅剖数据进行中值滤波，减弱浅剖图像中的噪声的干扰，提高信噪比；
S2：提取整幅浅剖图像的声强数据，并将该浅剖图像的声强数据进行合并处理；
由于浅地层剖面仪的测量特点，浅剖图像数据被划分为若干个单道浅剖声强数据，将此若干个单道浅剖声强数据导出，并整合到一起之后导入MATLAB；
S3：基于整合后的单道浅剖声强数据构建声强数据改正模型，并对声强数据进行改正；
对整合后的单道浅剖声强数据，去除其声强振幅中的微小波动，以便减小在后期确定单道剖面声强数据的波峰数量时的误差；
S4：将去除微小波动后的声强数据进行单道剖面数据解译，并确定单道剖面声强图像的波峰数量；
对改正后的声强数据进行数据解译，通过对其进行单差处理，确定每一个单道剖面数据的波峰数，并对只有一个波峰的单道剖面数据进行标记；
S5：根据不同的波峰波谷特征，采用不同的方法以确定淤泥层的上下边界的水深值；
对只有一个波峰或第二个波谷的值为0的单道剖面数据，其淤泥层下界的值参考与该剖面数据相邻的上一个单道剖面数据的淤泥层下界的值；
S6：对提取出的淤泥层上下边界水深值进行函数拟合。
2.根据权利要求1所述的一种基于浅剖声强数据的淤泥层厚度自动提取方法，其特征在于：所述S1中的中值滤波是一种非线性滤波，在一定的条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效；中值滤波的目的是保护图像边缘的同时去除噪声；
基于中值滤波法去除噪声的方法如下：
在一维的情况下，中值滤波器是一个含有奇数个像素的窗口，在处理之后，将窗口正中的像素灰度值用窗口内各像素灰度值的中值来代替；设有一维序列f1，f2，f3，…，fn，取窗口长度为奇数m，对此序列进行中值滤波，就是从输入序列中相续抽出m个数，fi-v，…fi，…fi+v，其中v为窗口的中心值，v＝(m-1)/2，再将这m个点的数值按其数值大小排列，取其序号为正中间的那个数作为滤波输出；中值滤波表达式为：
Fi＝Med{fi-v，…fi，…fi+v}
对二维序列{Xi,j}的中值滤波，滤波窗口也是二维的，二维窗口的形状为线状、方形、圆形、十字形或圆环形；
二维中值滤波表示为：Fi,j＝MedA{xi,j}，A为滤波窗口；
在实际使用窗口时，窗口的尺寸先用3×3再取5×5逐渐增大，直到其滤波效果满意为止。
3.根据权利要求1所述的一种基于浅剖声强数据的淤泥层厚度自动提取方法，其特征在于：所述S2中若干个单道浅剖声强数据整合时需注意文件名称的编号长度一致。
4.根据权利要求1所述的一种基于浅剖声强数据的淤泥层厚度自动提取方法，其特征在于：所述S3中对于微小波动的定义如下：该波动的波峰与波谷的差值的十倍小于等于该波峰与前一波谷的差值，并且该波动的波峰与波谷的差值的十倍小于等于下一波峰与该波谷的差值。
5.根据权利要求1所述的一种基于浅剖声强数据的淤泥层厚度自动提取方法，其特征在于：所述S5中根据不同的波峰波谷特征，采用不同的方法以确定淤泥层的上下边界的水深值，对只有一个波峰或第二个波谷的值为0的单道剖面数据，其淤泥层下界的值参考与该剖面数据相邻的上一个单道剖面数据的淤泥层下界的值；
基于浅剖声强数据的波峰计算淤泥层层厚的方法如下：
根据波峰或波谷所在的数据样本号，按下述公式进行计算，得出该波峰或波谷所在的深度：
式中，h为某一样本对应的深度；H0为深度起始值；H1为深度变化范围值；n为第n个样本；N为声强文件中总的样本数。
6.根据权利要求5所述的一种基于浅剖声强数据的淤泥层厚度自动提取方法，其特征在于：淤泥层的上界的确定分为两种情况：
①若第一个波谷的值为0，则声强数据变化起始点的深度及第一个波峰点的深度的平均值即为淤泥层的上界，即：
式中，huph为该声强数据的淤泥层上界；hs为声强数据变化起始点的深度；hP1为第一个波峰点所在的深度；
②若第一个波谷的值不为0，则声强数据变化起始点的深度即为淤泥层的上界，即：
huph＝hs
式中，huph为该声强数据的淤泥层上界；hs为声强数据变化起始点的深度。
7.根据权利要求5所述的一种基于浅剖声强数据的淤泥层厚度自动提取方法，其特征在于：淤泥层下界的确定分为两种情况：
①若第一个波峰点的振幅为声强振幅的最大值或声强振幅的第一个波谷的值为0，则第二个波峰点所处的深度即为淤泥层与下一层的层界处，即：
hlowh＝hP2
式中，hlowh为该声强数据的淤泥层下界；hp2为第二个波峰点所在的深度；
②若不满足条件①且第二个波谷的值不为0，则淤泥层与下一层的层界处的深度为声强振幅第二个波谷处的深度值与第三个波峰处的深度值的平均值；
hlowh＝(hb2+hp3)/2
式中，hlowh为该声强数据的淤泥层下界；hb2为第二个波谷点所在的深度；hp3为第三个波峰点所在的深度。
8.根据权利要求1所述的一种基于浅剖声强数据的淤泥层厚度自动提取方法，其特征在于：所述S6中由于涉及S2中提取的整幅浅剖图像的声强数据，所以采用的函数拟合的阶数较大。
CN202211164365.9A 2022-09-23 2022-09-23 一种基于浅剖声强数据的淤泥层厚度自动提取方法 Active CN115542331B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211164365.9A CN115542331B (zh) 2022-09-23 2022-09-23 一种基于浅剖声强数据的淤泥层厚度自动提取方法
LU503235A LU503235B1 (en) 2022-09-23 2022-12-21 Automatic Extraction Method for Silt Layer Thickness Based on Shallow anatomy sound intensity data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211164365.9A CN115542331B (zh) 2022-09-23 2022-09-23 一种基于浅剖声强数据的淤泥层厚度自动提取方法

Publications (2)

Publication Number Publication Date
CN115542331A CN115542331A (zh) 2022-12-30
CN115542331B true CN115542331B (zh) 2023-04-07

Family

ID=84728750

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211164365.9A Active CN115542331B (zh) 2022-09-23 2022-09-23 一种基于浅剖声强数据的淤泥层厚度自动提取方法

Country Status (2)

Country Link
CN (1) CN115542331B (zh)
LU (1) LU503235B1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117741759B (zh) * 2023-12-18 2024-09-10 广州海洋地质调查局 一种富稀土层的圈划方法、装置、设备及介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107247291A (zh) * 2017-06-21 2017-10-13 上海海洋大学 海底浅地层声能衰减模型构建及其两个重要声能衰减特征参数提取方法
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
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
CN113218894A (zh) * 2021-03-15 2021-08-06 中国地质大学（武汉） 一种浅剖快速识别浅水湖泊沉积物污染分层信息方法
CN113640806A (zh) * 2020-04-27 2021-11-12 中国科学院声学研究所 一种基于多声纳设备的沉积层声特性获取方法及系统
WO2021227605A1 (zh) * 2020-05-13 2021-11-18 中国科学院海洋研究所 基于rov的深海沉积物声学参数原位探测系统及方法
US11237258B1 (en) * 2020-10-13 2022-02-01 Hunan Guotian Electronic Technology Co., Ltd. Method for optimization of a parametric array shallow profile difference frequency conversion performance

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107247291A (zh) * 2017-06-21 2017-10-13 上海海洋大学 海底浅地层声能衰减模型构建及其两个重要声能衰减特征参数提取方法
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
CN113640806A (zh) * 2020-04-27 2021-11-12 中国科学院声学研究所 一种基于多声纳设备的沉积层声特性获取方法及系统
WO2021227605A1 (zh) * 2020-05-13 2021-11-18 中国科学院海洋研究所 基于rov的深海沉积物声学参数原位探测系统及方法
US11237258B1 (en) * 2020-10-13 2022-02-01 Hunan Guotian Electronic Technology Co., Ltd. Method for optimization of a parametric array shallow profile difference frequency conversion performance
CN113218894A (zh) * 2021-03-15 2021-08-06 中国地质大学（武汉） 一种浅剖快速识别浅水湖泊沉积物污染分层信息方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
胡梦涛 ; 蒋廷臣 ; 李佳琦 ; 刘志强 ; 董春来 ; .浅剖数据解译中淤泥层层界提取方法.测绘通报.2017,(第06期),第80-84页. *

Also Published As

Publication number Publication date
LU503235B1 (en) 2023-06-21
CN115542331A (zh) 2022-12-30

Similar Documents

Publication Publication Date Title
Purkis et al. The extent and patterns of sediment filling of accommodation space on Great Bahama Bank
CN103292792B (zh) 一种适用海底探测与假地形处理的实测svp重构方法
Goff et al. The impact of Hurricane Sandy on the shoreface and inner shelf of Fire Island, New York: large bedform migration but limited erosion
CN108985304B (zh) 一种基于浅剖数据的沉积层结构自动提取方法
Todd Morphology and composition of submarine barchan dunes on the Scotian Shelf, Canadian Atlantic margin
Wang et al. An automated procedure to calculate the morphological parameters of superimposed rhythmic bedforms
CN115542331B (zh) 一种基于浅剖声强数据的淤泥层厚度自动提取方法
Quinn et al. The role of time-lapse bathymetric surveys in assessing morphological change at shipwreck sites
Brinkkemper et al. Intrawave sand suspension in the shoaling and surf zone of a field‐scale laboratory beach
Tonielli et al. Distribution of Posidonia oceanica (L.) Delile meadows around Lampedusa Island (Strait of Sicily, Italy)
Bellec et al. Bottom currents interpreted from iceberg ploughmarks revealed by multibeam data at Tromsøflaket, Barents Sea
Kang et al. Topographic evolution of tidal flats based on remote sensing: an example in Jiangsu coast, Southern Yellow Sea
CN105547735B (zh) 一种浅水海域风暴沉积现场观测取样装置
Madricardo et al. Automated detection of sedimentary features using wavelet analysis and neural networks on single beam echosounder data: A case study from the Venice Lagoon, Italy
CN205300951U (zh) 一种浅水海域风暴沉积现场观测取样装置
Sarkar et al. Formation and migration of ripple pattern due to pure wave
CN109427042B (zh) 一种提取局部海域沉积层的分层结构和空间分布的方法
Lin et al. Response of bottom sediment stability after carp removal in a small lake
Zhou et al. Multi-year observations of near-bed hydrodynamics and suspended sediment at the core of the estuarine turbidity maximum of the Changjiang Estuary
Sonnenburg et al. Data‐fused digital bathymetry and side‐scan sonar as a base for archaeological inventory of submerged landscapes in the Rideau Canal, Ontario, Canada
Liu et al. Field measurement of the erosion threshold of silty seabed in the intertidal flat of the Yellow River Delta with a newly-developed annular flume
CN114429160A (zh) 一种基于回声探测的人工鱼礁堆分布特征分析方法
Tomasello et al. Detection and mapping of Posidonia oceanica dead matte by high-resolution acoustic imaging
CN112748467B (zh) 利用地震资料确定Russell流体因子的方法及系统
Pratomo et al. Multitemporal Acoustic Backscatter Data Analysis to Monitor the Dynamics of Seabed Surface Sediments.

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
TR01 Transfer of patent right

Effective date of registration: 20240404

Address after: 230000 Room 203, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee after: Hefei Jiuzhou Longteng scientific and technological achievement transformation Co.,Ltd.

Country or region after: China

Address before: 222005 No. 59, Cangwu Road, high tech Zone, Lianyungang City, Jiangsu Province

Patentee before: Jiangsu Ocean University

Country or region before: China

Patentee before: Lianyungang Lantu Intelligent Technology Co.,Ltd.

TR01 Transfer of patent right