CN115830177A - 海洋锋面识别方法及装置 - Google Patents
海洋锋面识别方法及装置 Download PDFInfo
- Publication number
- CN115830177A CN115830177A CN202211475833.4A CN202211475833A CN115830177A CN 115830177 A CN115830177 A CN 115830177A CN 202211475833 A CN202211475833 A CN 202211475833A CN 115830177 A CN115830177 A CN 115830177A
- Authority
- CN
- China
- Prior art keywords
- element data
- gradient
- local maximum
- hydrological
- data
- 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
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Image Analysis (AREA)
Abstract
本公开涉及一种海洋锋面识别方法,包括:获取用于识别目标区域海洋锋面的水文要素数据。计算水文要素数据的梯度幅值和梯度方向;根据梯度幅值和梯度方向得到水文要素数据的局部最大值;利用双阈值算法对局部最大值进行处理得到锋面点;利用两遍扫描算法对锋面点进行处理得到目标区域海洋锋面。根据各水文要素数据的梯度幅值和梯度方向,对该水文要素数据进行判断得到局部最大值,有效去除了图表中的伪边缘。利用双阈值算法,对得到的局部最大值进行处理,进一步对各水文要素数据中的噪声数据进行去除,保证得到锋面点的精确性。再利用两边扫描算法,将相邻的各锋面点连接为一个连通域,连接各连通域,进而得到连续的目标区域海洋锋面。
Description
技术领域
本公开涉及海洋环境技术领域,尤其涉及一种海洋锋面识别方法及装置。
背景技术
海洋锋面是水平方向上相邻的不同水团之间的狭窄过渡区域,是一种重要的海洋中尺度现象,对渔业资源、渔情预报及军事等都有重要意义。
目前基于遥感数据的锋面检测方法常使用梯度法。梯度法原理简单,但对噪声较为敏感,提取结果连续性欠佳,且由于梯度算子大小固定,只能对单一尺度锋面信息进行提取。
因此,如何获取的海洋锋面结果具有连续性,成为本领域技术人员亟待解决的问题。
发明内容
有鉴于此,本公开提出了一种海洋锋面识别方法及装置,通过对基于目标区域海洋及其水文要素数据所构建的栅格数据进行梯度计算,再利用双阈值算法和两遍扫描算法,使得到的锋面具有较好的连续性。
根据本公开的一方面,提供了一种海洋锋面识别方法,包括:
获取用于识别目标区域海洋锋面的水文要素数据;
计算所述水文要素数据的梯度幅值和梯度方向;
根据所述梯度幅值和所述梯度方向得到所述水文要素数据的局部最大值;
利用双阈值算法对所述局部最大值进行处理得到锋面点;
利用两遍扫描算法对所述锋面点进行处理得到所述目标区域海洋锋面。
在一种可能的实现方式中,在计算所述水文要素数据的所述梯度幅值和所述梯度方向时,通过构建栅格数据进行;
其中,所述栅格数据表征了所述目标区域中不同位置与对应的所述水文要素数据之间的映射关系。
在一种可能的实现方式中,通过所述栅格数据计算所述水文要素数据的所述梯度幅值和所述梯度方向时,包括:
利用一阶偏导的有限差分计算所述栅格数据中各所述水文要素数据的所述梯度幅值和所述梯度方向。
在一种可能的实现方式中,根据所述梯度幅值和所述梯度方向得到所述水文要素数据的所述局部最大值时,按照顺序依次对各所述水文要素数据进行计算;
其中,判断当前水文要素数据的梯度幅值与相邻的水文要素数据的梯度幅值的大小关系,并根据判断结果确定所述局部最大值。
在一种可能的实现方式中,在判断所述当前水文要素数据的梯度幅值与相邻的所述水文要素数据的梯度幅值的大小关系时,所述当前水文要素数据相邻的水文要素数据为沿所述当前水文要素数据的梯度方向上与所述当前水文要素数据相邻的数据。
在一种可能的实现方式中,在判断所述当前水文要素数据的梯度幅值与相邻的所述水文要素数据的梯度幅值的大小关系时,包括:
判断所述当前水文要素数据的所述梯度幅值,是否大于沿所述当前水文要素数据的梯度方向上与所述当前水文要素数据相邻的两个所述水文要素数据的所述梯度幅值,如是,则该所述水文要素数据的所述梯度幅值被保留,否则该所述水文要素数据的所述梯度幅值被抑制;
被保留的所述梯度幅值即所述局部最大值。
在一种可能的实现方式中,利用所述双阈值算法对所述局部最大值进行处理得到所述锋面点时,包括:
基于所述水文要素数据确定数值筛选区间;
根据确定的所述数值筛选区间,对各所述局部最大值进行筛选,并将筛选后保留下来的局部最大值作为所述锋面点。
在一种可能的实现方式中,在根据确定的所述数值筛选区间,对各所述局部最大值进行筛选时,包括:
将各所述局部最大值分别与所述数值筛选区间中的最大值和最小值进行比较;
如所述局部最大值大于所述最大值,则该所述局部最大值被保留;
如所述局部最大值小于所述最小值,则该所述局部最大值被丢弃;
被保留的所述局部最大值为所述锋面点。
在一种可能的实现方式中,在利用所述两遍扫描算法对所述锋面点进行处理得到所述待识别海洋区域表面的所述锋面时,包括:
利用所述两遍扫描算法遍历各所述锋面点得到连通域;
将各所述连通域标记得到所述锋面。
根据本公开的另一方面,提供一种海洋锋面识别装置,包括:数据采集模块、梯度计算模块、局部最大值计算模块、局部最大值处理模块和锋面点处理模块;
所述数据采集模块,被配置为获取用于识别所述目标区域海洋锋面的所述水文要素数据;
所述梯度计算模块,被配置为计算所述水文要素数据的所述梯度幅值和所述梯度方向;
所述局部最大值计算模块,被配置为根据所述梯度幅值和所述梯度方向得到所述水文要素数据的所述局部最大值;
所述局部最大值处理模块,被配置为利用所述双阈值算法对所述局部最大值进行处理得到所述锋面点;
所述锋面点处理模块,被配置为利用所述两遍扫描算法对所述锋面点进行处理得到所述目标区域海洋锋面。
本公开实施例的海洋锋面识别方法,通过获取到的用于识别目标区域海洋锋面的水文要素数据,构建可以表征目标区域中不同位置与对应的水文要素数据的图表,根据图表中各水文要素数据的数值及其相邻水文要素数据的数值,计算各水文要素数据的梯度幅值和梯度方向,根据各水文要素数据的梯度幅值和梯度方向,对该水文要素数据进行判断,根据判断结果,得到局部最大值,有效去除了图表中的伪边缘。利用双阈值算法,对得到的局部最大值进行处理,进一步对各水文要素数据中的噪声数据进行去除,保证得到锋面点的精确性。在利用两边扫描算法,将相邻的各锋面点连接为一个连通域,连接各连通域,进而得到连续的目标区域海洋锋面。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出本公开实施例的海洋锋面识别方法的流程图;
图2示出本公开实施例的海洋锋面识别方法的详细流程图;
图3示出本公开实施例的用于图像的外参校准装置的主体结构图;
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出本公开实施例的海洋锋面识别方法的流程图;图2示出本公开实施例的海洋锋面识别方法的详细流程图;图3示出本公开实施例的用于图像的外参校准装置的主体结构图。
如图1所示,该海洋锋面识别方法,包括:S100:获取用于识别目标区域海洋锋面的水文要素数据。此处,需要指出的是,目标区域指的是当前所要识别的海洋区域。水文要素数据则指的是用于表征海洋区域的水文信息,如:温度、盐度等数据。S200:计算水文要素数据的梯度幅值和梯度方向;其中,梯度的本意是一个向量(矢量),表示某一函数在该点处的方向导数沿着该方向取得最大值,即函数在该点处沿着该方向变化最快,变化率最大,此处,梯度幅值表征了水文要素数据的变化趋势的剧烈程度,梯度方向则表征另外水文要素数据的变化趋势的方向。S300:根据梯度幅值和梯度方向得到水文要素数据的局部最大值;S400:利用双阈值算法对局部最大值进行处理得到锋面点;S500:利用两遍扫描算法对锋面点进行处理得到目标区域海洋锋面。
本公开实施例的海洋锋面识别方法,通过获取到的用于识别目标区域海洋锋面的水文要素数据,构建可以表征目标区域中不同位置与对应的水文要素数据的图表,根据图表中各水文要素数据的数值及其相邻水文要素数据的数值,计算各水文要素数据的梯度幅值和梯度方向,根据各水文要素数据的梯度幅值和梯度方向,对该水文要素数据进行判断,根据判断结果,得到局部最大值,有效去除了图表中的伪边缘。利用双阈值算法,对得到的局部最大值进行处理,进一步对各水文要素数据中的噪声数据进行去除,保证得到锋面点的精确性。在利用两边扫描算法,将相邻的各锋面点连接为一个连通域,连接各连通域,进而得到连续的目标区域海洋锋面。
其中,水文要素数据为目标区域的温度、盐度或密度中的任一项,获取目标区域中各处的水文要素数据,图表中各水文要素数据的位置与目标区域的各处水文要素数据一一对应。
也就是说,本申请实施例的方法在进行海洋锋面识别时,只需要对目标区域的温度、盐度和密度等水文数据中的一种属性数据进行采集获取,然后基于所采集到的这一种属性数据进行海洋锋面的识别,这就大大减少了数据处理的难度。
同时,还应当指出的是,在对目标区域的水文要素数据采集时,所采集的单一属性水文要素数据包括有多个,多个水文要素数据构成相应的数据集。并且,多个水文要素数据分别位于目标区域的不同位置。优选的,可以采集目标区域中各处的温度数据作为水文要素数据来进行海洋锋面的识别。即,水文要素数据直接采用目标区域的温度数据来实现。在一种可能的实现方式中,在计算水文要素数据的梯度幅值和梯度方向时,可以通过构建栅格数据的方式进行。其中,栅格数据表征了目标区域中不同位置与对应的水文要素数据之间的映射关系。栅格数据将所表征的目标区域分割成有规律的网格,每个网格为一个栅格单元,每个栅格单元表征了目标区域中的不同位置,将目标区域中不同位置的水文要素数据填入所对应的栅格单元中,根据栅格数据中的各水文要素数据计算各水文要素数据的梯度幅值和梯度方向。由此,所构建的栅格中的栅格数量对应为所采集的水文要素数据的数量。各个栅格对应为目标区域中不同子区域的位置。
在一种可能的实现方式中,通过栅格数据计算水文要素数据的梯度幅值和梯度方向时,包括:利用一阶偏导的有限差分计算栅格数据中各水文要素数据的梯度幅值和梯度方向。海洋锋面有方向和幅值两个属性,沿锋面方向的水文要素数据值变化平缓,垂直于锋面的水文要素数据值变化剧烈,这种变化可通过梯度幅值和梯度方向体现。梯度幅值表征了水文要素数据的变化趋势的剧烈程度,梯度方向则表征另外水文要素数据的变化趋势的方向。
进一步的,栅格数据数据中的各水文要素数据的位置可通过二维坐标进行表征。利用一阶偏导的有限差分计算栅格数据中各水文要素数据的梯度幅值和梯度方向:
其中,(x,y)代表水文要素数据在栅格数据中的位置,f(x,y)代表在(x,y)位置上的水文要素数据数值,M(x,y)代表所对应的梯度幅值,θ(x,y)代表所对应的方位角,即梯度方向。栅格数据中位于其左上角的第一个栅格单元的位置为(1,1),进而f(x+1,y)为f(x,y)右侧一个位置上的水文要素数据数值,f(x,y+1)为f(x,y)下方一个位置上的水文要素数据数值。
通过上述任一种方式计算得到水文要素数据的梯度幅值和梯度方向之后,即可进行非极大值抑制,即局部最大值的确定。其中,需要指出的是,由于在本申请实施例的方法中,所采集的水文要素数据的数量为多个,对应的梯度幅值和梯度方向的数量也是多个,因此在根据梯度幅值和梯度方向得到水文要素数据的局部最大值时,可以按照水文要素数据的顺序依次对各水文要素数据进行计算。
其中,在按照水文要素数据的顺序依次进行各水文要素数据的局部最大值的计算时,可以直接按照各水文要素数据在目标区域中的位置顺序依次记性,也可以按照预先设定的其他顺序进行。其中,在按照水文要素数据在目标区域的位置顺序进行时,结合在进行水文要素数据的梯度幅度和梯度方向的计算时所采用构建栅格数据的方式,可以直接按照所构建的栅格数据中各个栅格的排列顺序依次进行。也可以采用其他设定的顺序,此处不对其进行具体限定。
在一种可能的实现方式中,进行局部最大值的确定通过判断当前水文要素数据的梯度幅值与相邻的水文要素数据的梯度幅值的大小关系,并根据判断结果进行确定。将利用上述任一方法得到的各梯度幅值代替栅格数据中所对应的水文要素数据,对栅格数据中的各梯度幅值进行判断,根据判断结果保留部分梯度幅值,被保留的梯幅值为局部最大值。
其中,在判断当前水文要素数据的梯度幅值与相邻的水文要素数据的梯度幅值的大小关系时,大于所相邻水文要素数据梯度幅值的水文要素数据梯度幅值作为局部最大值被保留。
此处,需要说明的是,在根据当前水文要素数据的梯度幅度与其相邻的水文要素数据的梯度幅度之间的大小关系进行局部最大值的确定时,与当前水文要素数据相邻的水文要素数据指的是在目标区域中的地理位置相邻的数据。处于不同位置处的水文要素数据所相邻的水文要素数据的个数并不是完全相同的,因此在进行局部最大值的确定时需要先确定当前水文要素数据的位置,以及与其相邻的各水文要素数据。
优选的,在一种可能的实现方式中,对于相邻的水文要素数据不做限定,直接通过当前水文要素数据在目标区域的位置,先确定与其相邻的各水文要素数据,然后再分别判断当前水文要素数据与各相邻的水文要素数据的梯度幅度之间的大小关系,进而再根据所判断出来的大小关系进行局部最大值的确定。
在进行非极大值抑制时,需要将当前水文要素梯度与其相邻位置的梯度进行比较,当前水文要素数据的位置大体包含两种情况,一种为处于目标区域的中间位置(即,位于栅格数据的中间),一种为处于目标区域的边缘位置。
对于处于目标区域的中间位置的水文要素数据的相邻水文要素数据的确定则可以通过以下方式进行:
具体的,如图2中非极大值抑制部分所示,在所构建的栅格数据中,当前水文要素数据周围会有八个与之相邻的水文要素数据,其中,沿当前水文要素数据的梯度方向上的两个水文要素数据为相邻的水文要素数据。
进一步的,根据当前水文要素数据的梯度幅值和取其相邻的两个水文要素数据的梯度幅值,判断当前水文要素数据的梯度幅值,是否大于沿当前水文要素数据的梯度方向上与当前水文要素数据相邻的两个水文要素数据的梯度幅值,如是,则该水文要素数据的梯度幅值被保留,否则该水文要素数据的梯度幅值被抑制;被保留的梯度幅值即局部最大值。
其中,当前水文要素数据的梯度幅值需均大于相邻的两个水文要素数据的梯度幅值才会被保留,只大于其中一个梯度幅值或均小于两个梯度幅值的当前水文要素数据的梯度幅值被抑制,被抑制的当前水文要素数据的梯度幅值取值为0。
对于处于目标区域的边缘位置的梯度幅值则直接取值为0。
利用上述方法,将得到的各局部最大值和被抑制为0的各梯度幅值,写入栅格数据中所对应的水文要素数据所在位置,对栅格数据进行更新进而再基于更新后的栅格数据进行锋面点的确定。
在一种可能的实现方式中,基于更新后的栅格数据(即,所确定的局部最大值等数据)进行锋面点的确定时,可以采用过滤筛选的方式进行。在采用过滤筛选的方式对局部最大值进行筛选,从而由局部最大值中筛选出能够作为锋面点的数值,最终实现锋面点的确定。
其中,需要指出的是,在本申请实施例的方法中,基于所确定的局部最大值,对局部最大值进行过滤筛选来确定最终的锋面点时,可以利用双阈值算法进行。即,基于所得到的各水文要素数据确定数值筛选区间;根据确定的数值筛选区间,对各局部最大值进行筛选,并将筛选后保留下来的局部最大值作为锋面点。
其中,数值筛选区间的阈值可以根据非极大值抑制后的局部最大值来确定,数值筛选区间的最大值为局部最大值中最大值的0.3倍。通常数值筛选区间的最大值和最小值的比例为2:1,因此确定了最大值后,最小值为最大值的二分之一。
进一步的,在根据确定的数值筛选区间,对各局部最大值进行筛选时,依次将各局部最大值分别与数值筛选区间中的最大值和最小值进行比较;如局部最大值大于数值筛选区间的最大值,则该局部最大值被保留;如局部最大值小于数值筛选区间的最小值,则该局部最大值被丢弃;被保留的局部最大值为锋面点。
其中,如果该局部最大值位于数值筛选区间的最大值和最小值之间(即,局部最大值处于数值筛选区间内),则对该局部最大值再次进行判断,根据判断结果决定是否将该局部最大值进行保留作为锋面点。
进一步的,对位于数值筛选区间的最大值和最小值之间的局部最大值进行判断时,可以根据处于数值筛选区间内的局部最大值所在目标区域的位置处的相邻位置处的局部最大值与数据筛选区间之间的关系进行确定。
具体的,处于数值筛选区间内的局部最大值所在目标区域的位置处的相邻位置处的局部最大值与数据筛选区间之间的关系包括:相邻位置处存在大于数值筛选区间的最大值的局部最大值,以及相邻位置处不存在大于数值筛选区间的最大值的局部最大值两种情况。
对于相邻位置处存在大于数值筛选区间的最大值的局部最大值的情况,将该处于数值筛选区间内的局部最大值保留作为锋面点。对于相邻位置处不存在大于数值筛选区间的最大值的局部最大值的情况,则直接丢弃该处于数值筛选区间内的局部最大值。
更进一步地,由于在本申请的方法中,在计算各水文要素数据的梯度幅度和梯度方向时可以通过构建栅格数据的方式进行,因此在根据处于数值筛选区间内的局部最大值所在目标区域的位置处的相邻位置处的局部最大值与数据筛选区间之间的关系进行锋面点的确定时,可以结合栅格数据来进行。
即,获取该处于数值筛选区间内的局部最大值在栅格数据中所相邻的栅格单元中,是否有存在高于数值筛选区间最大值的局部最大值,如存在,则该局部最大值被保留,如不存在,则该局部最大值被丢弃。
此处,需要解释说明的是,相邻的栅格单元包括上方相邻的栅格单元、下方相邻的栅格单元、左边相邻的栅格单元、右边相邻的栅格单元、左上角相邻的栅格单元、右上角相邻的栅格单元、左下角相邻的栅格单元、以及右下角相邻的栅格单元。
对于处于目标区域的边缘位置,即相邻的栅格单元小于八个的局部最大值则直接被丢弃。
进一步的,此时,在栅格数据中只存在经过双阈值算法处理过被保留的各局部最大值,即锋面点。其中,需要指出的是,由于在本申请实施例的方法中,所采集的水文要素数据的数量为多个,对应得到的局部最大值的数量也是多个,因此在根据局部最大值得到水文要素数据的锋面点时,可以按照顺序依次对各局部最大值进行计算。
在一种可能的实现方式中,可以利用两遍扫描算法对锋面点进行处理得到待识别海洋区域表面的锋面。具体的,首先,利用两遍扫描算法遍历各锋面点得到连通域;然后,将各连通域标记得到锋面。
其中,基于所构建并更新的栅格数据,对栅格数据中各栅格单元进行遍历,第一遍扫描时,将其中相邻的各锋面点构成一个连通域,第二遍扫描时,将位于同一连通域中的各锋面点用同一阿拉伯数值进行标记。
此处需要进行说明的是,第一遍扫描和第二遍扫描的遍历顺序为从栅格数据左上方第一个栅格单元即(1,1)开始,向右扫描,完成第一行后再对下一行左起第一个开始向右扫描,以此类推,直至对栅格数据中的所有栅格单元扫描完成。
此处,需要进行说明的是,在对栅格数据中各锋面点进行第一次扫描时,如果当前锋面点位置相邻的八个栅格单元位置中,至少有四个位置存储在锋面点的,则该锋面点及与其相邻的锋面点被构建为同一个连通域。
进一步的,位于同一连通域的各锋面点取值,为该连通域中的各锋面点阿拉伯数值的最小值。再将标注后的各连通域进行连接,连接后的各连通域即为目标区域的海洋锋面。
具体的,将具有同一阿拉伯数值的点的位置保存为同一条矢量线,最终所有的矢量线即为目标区域的海洋锋面。
根据本公开的另一方面,提供一种海洋锋面识别装置100,包括:数据采集模块110、梯度计算模块120、局部最大值计算模块130、局部最大值处理模块140和锋面点处理模块150;
数据采集模块110,被配置为获取用于识别目标区域海洋锋面的水文要素数据;
梯度计算模块120,被配置为计算水文要素数据的梯度幅值和梯度方向;
局部最大值计算模块130,被配置为根据梯度幅值和梯度方向得到水文要素数据的局部最大值;
局部最大值处理模块140,被配置为利用双阈值算法对局部最大值进行处理得到锋面点;
锋面点处理模块150,被配置为利用两遍扫描算法对锋面点进行处理得到目标区域海洋锋面。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种海洋锋面识别方法,其特征在于,包括:
获取用于识别目标区域海洋锋面的水文要素数据;
计算所述水文要素数据的梯度幅值和梯度方向;
根据所述梯度幅值和所述梯度方向得到所述水文要素数据的局部最大值;
利用双阈值算法对所述局部最大值进行处理得到锋面点;
利用两遍扫描算法对所述锋面点进行处理得到所述目标区域海洋锋面。
2.根据权利要求1所述的方法,其特征在于,在计算所述水文要素数据的所述梯度幅值和所述梯度方向时,通过构建栅格数据进行;
其中,所述栅格数据表征了所述目标区域中不同位置与对应的所述水文要素数据之间的映射关系。
3.根据权利要求2所述的方法,其特征在于,通过所述栅格数据计算所述水文要素数据的所述梯度幅值和所述梯度方向时,包括:
利用一阶偏导的有限差分计算所述栅格数据中各所述水文要素数据的所述梯度幅值和所述梯度方向。
4.根据权利要求1所述的方法,其特征在于,根据所述梯度幅值和所述梯度方向得到所述水文要素数据的所述局部最大值时,按照顺序依次对各所述水文要素数据进行计算;
其中,判断当前水文要素数据的梯度幅值与相邻的水文要素数据的梯度幅值的大小关系,并根据判断结果确定所述局部最大值。
5.根据权利要求4所述的方法,其特征在于,在判断所述当前水文要素数据的梯度幅值与相邻的所述水文要素数据的梯度幅值的大小关系时,所述当前水文要素数据相邻的水文要素数据为沿所述当前水文要素数据的梯度方向上与所述当前水文要素数据相邻的数据。
6.根据权利要求5所述的方法,其特征在于,在判断所述当前水文要素数据的梯度幅值与相邻的所述水文要素数据的梯度幅值的大小关系时,包括:
判断所述当前水文要素数据的所述梯度幅值,是否大于沿所述当前水文要素数据的梯度方向上与所述当前水文要素数据相邻的两个所述水文要素数据的所述梯度幅值,如是,则该所述水文要素数据的所述梯度幅值被保留,否则该所述水文要素数据的所述梯度幅值被抑制;
被保留的所述梯度幅值即所述局部最大值。
7.根据权利要求1至6任一项所述的方法,其特征在于,利用所述双阈值算法对所述局部最大值进行处理得到所述锋面点时,包括:
基于所述水文要素数据确定数值筛选区间;
根据确定的所述数值筛选区间,对各所述局部最大值进行筛选,并将筛选后保留下来的局部最大值作为所述锋面点。
8.根据权利要求7所述的方法,其特征在于,在根据确定的所述数值筛选区间,对各所述局部最大值进行筛选时,包括:
将各所述局部最大值分别与所述数值筛选区间中的最大值和最小值进行比较;
如所述局部最大值大于所述最大值,则该所述局部最大值被保留;
如所述局部最大值小于所述最小值,则该所述局部最大值被丢弃;
被保留的所述局部最大值为所述锋面点。
9.根据权利要求1所述的方法,其特征在于,在利用所述两遍扫描算法对所述锋面点进行处理得到所述待识别海洋区域表面的所述锋面时,包括:
利用所述两遍扫描算法遍历各所述锋面点得到连通域;
将各所述连通域标记得到所述锋面。
10.一种海洋锋面识别装置,其特征在于,包括:数据采集模块、梯度计算模块、局部最大值计算模块、局部最大值处理模块和锋面点处理模块;
所述数据采集模块,被配置为获取用于识别所述目标区域海洋锋面的所述水文要素数据;
所述梯度计算模块,被配置为计算所述水文要素数据的所述梯度幅值和所述梯度方向;
所述局部最大值计算模块,被配置为根据所述梯度幅值和所述梯度方向得到所述水文要素数据的所述局部最大值;
所述局部最大值处理模块,被配置为利用所述双阈值算法对所述局部最大值进行处理得到所述锋面点;
所述锋面点处理模块,被配置为利用所述两遍扫描算法对所述锋面点进行处理得到所述目标区域海洋锋面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211475833.4A CN115830177A (zh) | 2022-11-23 | 2022-11-23 | 海洋锋面识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211475833.4A CN115830177A (zh) | 2022-11-23 | 2022-11-23 | 海洋锋面识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115830177A true CN115830177A (zh) | 2023-03-21 |
Family
ID=85530709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211475833.4A Pending CN115830177A (zh) | 2022-11-23 | 2022-11-23 | 海洋锋面识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115830177A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116306381A (zh) * | 2023-05-17 | 2023-06-23 | 中国海洋大学 | 一种基于锋面预测的河口塑料污染清理方法 |
-
2022
- 2022-11-23 CN CN202211475833.4A patent/CN115830177A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116306381A (zh) * | 2023-05-17 | 2023-06-23 | 中国海洋大学 | 一种基于锋面预测的河口塑料污染清理方法 |
CN116306381B (zh) * | 2023-05-17 | 2023-08-18 | 中国海洋大学 | 一种基于锋面预测的河口塑料污染清理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Graham et al. | Automated sizing of coarse-grained sediments: image-processing procedures | |
US6430315B1 (en) | Image processing method including a chaining step, and medical imaging apparatus including means for carrying out this method | |
JP2017521779A (ja) | 画像解析を用いた核のエッジの検出 | |
Eichmann et al. | Topologically invariant texture descriptors | |
JPH0527904B2 (zh) | ||
Rogerson | Change detection thresholds for remotely sensed images | |
JPH06208618A (ja) | 画像処理装置及び処理方法 | |
CN105930852B (zh) | 一种气泡图像识别方法 | |
CN109816051B (zh) | 一种危化品货物特征点匹配方法及系统 | |
CN108445009B (zh) | 一种太阳能电池板裂纹检测方法 | |
CN110111283A (zh) | 一种复杂背景下红外疑似目标的提示方法及系统 | |
CN115830177A (zh) | 海洋锋面识别方法及装置 | |
CN102132320A (zh) | 图像处理,特别是医学图像处理的方法和设备 | |
CN114820631B (zh) | 一种抗纹理干扰的面料缺陷检测方法 | |
CN111220235A (zh) | 水位监测方法及装置 | |
CN110390338A (zh) | 一种基于非线性引导滤波与比率梯度的sar高精度匹配方法 | |
CN113781424A (zh) | 一种表面缺陷检测方法、装置及设备 | |
CN113111785A (zh) | 海洋温度锋的特征参数提取方法和装置 | |
CN104268550B (zh) | 特征提取方法及装置 | |
IL184993A (en) | Method for extracting edge in photogrammetry with subpixel accuracy | |
CN108831844A (zh) | 检测晶圆缺陷的方法和系统 | |
CN114742849B (zh) | 一种基于图像增强的水准仪距离测量方法 | |
CN113689449B (zh) | 一种中尺度涡特征参数的反演方法及系统 | |
CN109035335B (zh) | 一种基于单目视觉的海底隧道渗水水位识别方法 | |
CN112215144A (zh) | 一种处理车道线的方法及系统 |
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 |