CN118011405B - 海底地质成像方法、装置、设备及介质 - Google Patents
海底地质成像方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN118011405B CN118011405B CN202410415245.4A CN202410415245A CN118011405B CN 118011405 B CN118011405 B CN 118011405B CN 202410415245 A CN202410415245 A CN 202410415245A CN 118011405 B CN118011405 B CN 118011405B
- Authority
- CN
- China
- Prior art keywords
- image
- geological
- value
- initial
- updating
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000007689 inspection Methods 0.000 claims abstract description 34
- 230000007547 defect Effects 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 29
- 239000013598 vector Substances 0.000 claims abstract description 26
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 230000005540 biological transmission Effects 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000010183 spectrum analysis Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Abstract
本申请公开了一种海底地质成像方法、装置、设备及介质，该方法包括：向海底地质发送携带发送时间戳的声波信号，接收携带接收时间戳的原始回波数据；对所述原始回波数据执行特征提取处理，得到所述海底地质对应的特征向量；基于所述特征向量对所述海底地质进行地质识别，并生成初始地质图像；对所述初始地质图像进行缺陷检查，根据缺陷检查结果更新所述初始地质图像，得到目标地质图像。本申请可提高海底地质图像中地质信息的准确性。
Description
技术领域
本申请属于数据处理技术领域，具体地，涉及一种海底地质成像方法、装置、设备及介质。
背景技术
随着科技的发展，海底地质探索、成像成为热门研究课题，海底地质成像可广泛用于海底管道、海底隧道、海底石油开采等海洋工程建设中。
当前，通常采用浅剖仪进行海底地质成像：向海底发射声波，声波在传输的过程中，部分被反射，部分继续向深层传输，声波接收器根据收到的回波数据生成灰度地质图像，这种方式得到的地质图像所体现的地质信息不够准确。因此，亟需一种海底地质成像方法，以提高地质图像中地质信息的准确性。
发明内容
本申请提供了一种海底地质成像方法、装置、设备及介质，有效解决了海底地质图像中地质信息不准确的问题。
为了实现上述目的，本申请实施例提供一种海底地质成像方法，所述方法包括：
向海底地质发送携带发送时间戳的声波信号，接收携带接收时间戳的原始回波数据；
对所述原始回波数据执行特征提取处理，得到所述海底地质对应的特征向量；
基于所述特征向量对所述海底地质进行地质识别，并生成初始地质图像；
对所述初始地质图像进行缺陷检查，根据缺陷检查结果更新所述初始地质图像，得到目标地质图像。
可选的，所述对所述初始地质图像进行缺陷检查，根据缺陷检查结果更新所述初始地质图像，包括：
对所述初始地质图像进行成像连续性检查，确定所述初始地质图像中非连续处地质对应的物理位置，对所述物理位置的地质重新采集数据，并根据重新采集的数据更新所述初始地质图像；
对所述初始地质图像进行成像清晰度检查，确定所述初始地质图像中清晰度不达标处地质对应的物理位置，对所述物理位置的地质对应的原始回波数据进行滤波处理，基于滤波后的原始回波数据，更新所述初始地质图像；
对所述初始地质图像进行图像一致性检查，根据一致性检查结果确定对应的图像更新策略，基于所述图像更新策略更新所述初始地质图像。
可选的，所述对所述初始地质图像进行图像一致性检查，根据一致性检查结果确定对应的图像更新策略，基于所述图像更新策略更新所述初始地质图像，包括：
收集多个信息源采集所述海底地质的信息而生成的图像数据，计算每个图像数据与所述初始地质图像的匹配值；
若有一个图像数据与所述初始地质图像的匹配值小于第一预设阈值，则采用第一图像更新策略，更新所述初始地质图像；
若每个图像数据与所述初始地质图像的匹配值都大于第二阈值，且小于第三阈值，则采用第二图像更新策略，更新所述初始地质图像。
可选的，所述采用第一图像更新策略，更新所述初始地质图像，包括：
将所述初始地质图像及每个图像数据放入图像集，计算所述图像集中每个图像对的相似度值，根据所述相似度值计算所述图像集中每个图像的信任值；
根据像素灰度值计算所述图像集中每个图像的每个像素的置信值；
根据所述信任值、置信值及像素灰度值，计算所述初始地质图像中每个像素的目标像素值；
将所述初始地质图像中每个像素的像素灰度值更新至对应的目标像素值。
可选的，所述信任值的计算公式为：
；
其中，为图像集中第i个图像的信任值，为图像集中第j个图像对的相似度值，m为图像集中图像对的总数量，n为图像集中含第i个图像的图像对的总数量，为图像集中含第i个图像的图像对中第k个图像对的相似度值；
所述置信值的计算公式为：
；
其中，为图像集中第i个图像的第j个像素的置信值，u为图像集中图像的总数量，为图像集中第r个图像的第j个像素的像素灰度值，为图像集中第i个图像的第j个像素的像素灰度值；
所述目标像素值的计算公式为：
；
其中，为初始地质图像中第i个像素的目标像素值，u为图像集中图像的总数量，为图像集中第r个图像的信任值，为图像集中第r个图像的第i个像素的置信值，为图像集中第r个图像的第i个像素的像素灰度值。
可选的，所述采用第二图像更新策略，更新所述初始地质图像，包括：
获取预先训练好的声波速度模型，将所述初始地质图像及原始回波数据作为所述声波速度模型的输入，所述声波速度模型输出更新后的地质图像；
计算更新后的地质图像与每个图像数据的新匹配值；
若每个图像数据与所述更新后的地质图像的新匹配值小于所述第三阈值，则将所述更新后的地质图像及原始回波数据作为输入，再次更新地质图像，直至新更新的地质图像与每个图像数据的匹配值大于等于所述第三阈值。
可选的，所述对所述原始回波数据执行特征提取处理，得到所述海底地质对应的特征向量，包括：
对所述原始回波数据进行预处理，得到预处理后的回波数据；
将所述预处理后的回波数据按照接收时间戳拼接，生成时间序列数据；
对所述时间序列数据进行频域转换处理，得到频域数据；
对所述频域数据进行频谱分析，基于频谱分析结果，提取所述频域数据中的关键特征；
将所述关键特征进行时域转换处理，得到所述海底地质对应的特征向量。
本申请实施例还提供一种海底地质成像装置，所述装置包括：
数据采集模块，用于向海底地质发送携带发送时间戳的声波信号，接收携带接收时间戳的原始回波数据；
特征提取模块，用于对所述原始回波数据执行特征提取处理，得到所述海底地质对应的特征向量；
图像生成模块，用于基于所述特征向量对所述海底地质进行地质识别，并生成初始地质图像；
图像更新模块，用于对所述初始地质图像进行缺陷检查，根据缺陷检查结果更新所述初始地质图像，得到目标地质图像。
本申请实施例还提供一种计算机设备，所述计算机设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的海底地质成像方法。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行上述的海底地质成像方法。
本申请实施例提供的海底地质成像方法，向海底地质发送声波信号，接收原始回波数据；对原始回波数据执行特征提取处理，得到海底地质对应的特征向量；基于所述特征向量对所述海底地质进行地质识别，并生成初始地质图像；对所述初始地质图像进行缺陷检查，根据缺陷检查结果更新所述初始地质图像，得到目标地质图像。通过对原始回波数据进行特征提取处理，得到的特征向量能够更好的描述原始回波数据，生成的初始地质图像能够更加准确的体现地质信息；通过对初始地质图像进行缺陷检查，并根据缺陷检测的结果进行地质图像的更新，进一步优化了地质图像的质量，使得更新得到的目标地质图像中地质信息更加准确。
附图说明
图1为一个实施例中海底地质成像方法的流程图；
图2为一个实施例中海底地质成像装置的结构框图；
图3为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚，以下结合附图及实施例，对本申请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申请，并不用于限定本申请。此外，下面所描述的本申请各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，本申请实施例提供一种海底地质成像方法，可以理解，该方法可以通过任何具有计算、处理能力的装置、设备、平台、设备集群来执行。例如，设备可以是具备运算能力的电子设备，例如，笔记本、中控设备、智能手机、终端电脑、服务器等电子设备，该方法包括如下步骤S1-S4：
S1、向海底地质发送携带发送时间戳的声波信号，接收携带接收时间戳的原始回波数据。
本实施例中，通过声波探测仪或浅剖仪向海底发送携带发送时间戳的声波信号，声波在传输的过程中，部分被反射，部分继续向深层传输，声波接收器接收原始回波数据，原始回波数据包括携带接收时间戳的回波信号的强度。
通过某一回波的接收时间戳和发送时间戳可以计算该回波在海底反射处的深度，从而可以确定反射处对应的地质层的位置。
因信号反射的强度与地层的声学阻抗差有关，这通常可关联到地层的物理性质，例如，硬岩反射回来的回波信号强，松散沉积物反射回来的回波信号弱。因此，根据回波强度可确定地质层的地质类型。
现有技术中，通常直接根据回波数据确定地质层的位置和地质类型，再生成地质图像。然而，这种方案难以完全准确的确定地质的具体组成物质，对分界面的识别也不够准确。为了解决该问题，本实施例在采集到回波数据后，进行一系列处理，以准确的识别海底地质组成。
S2、对所述原始回波数据执行特征提取处理，得到所述海底地质对应的特征向量；
本实施例中，所述对所述原始回波数据执行特征提取处理，得到所述海底地质对应的特征向量，包括以下步骤A11-A15：
A11、对所述原始回波数据进行预处理，得到预处理后的回波数据；
所述对所述原始回波数据进行预处理，得到预处理后的回波数据，包括以下步骤B11-B14：
B11、对所述原始回波数据进行去噪处理，得到去噪后的回波数据；
所述去噪处理是为了去除非地质层反射回来的回波数据，地质层反射信号的主要频率范围在几百赫兹至几千赫兹，低于50赫兹的极低频成分可能来自环境噪声，高于10千赫兹的高频信号也较可能为噪声。
另外，还有一些噪声的频率范围与地质层反射信号的频率范围有交叉，例如，由海浪、海底生物活动产生的噪声、船舶噪声等，这些也是需要去除的。我们可以通过分析回波信号的统计特征来识别这些噪声，海浪噪声往往是随机的，而地质信号则更加稳定、长时，而船舶噪声的产生时间通常是比较规律的，例如，通常7：00~9：00会有船舶运行，产生噪声，其他时间段的船舶噪声较少。
B12、对所述去噪后的回波数据进行标准化处理，得到标准化处理后的回波数据；
对回波数据进行标准化处理的目的，是确保不同批次或不同仪器收集的数据可以在相同的基准下进行比较和分析。标准化包括调整数据的尺度，使其符合特定的数值范围，例如0到1或-1到1，从而减少由于仪器差异造成的偏差。
B13、对所述标准化处理后的回波数据进行时间校正处理，得到时间校正处理后的回波数据；
时间校正处理的目的是为了消除不同测量中声波传播时间差异对成像产生的影响。这种时间差异可能源自：海水深度变化、或仪器探头校准偏差、或传感器定位不准等，这些都会影响同一地点不同时刻的定位精度，进行时间校正可以提高多个测量的数据一致性，有利于获取准确的数据。
B14、对所述时间校正处理后的回波数据进行空间校正处理，得到预处理后的回波数据。
空间校正处理通常有两种方式：通过仪器探头校准器、recording gyros等设备进行空间校正处理；引入定位基准(如GPS)，将所有数据坐标转换到同一地理坐标系下，以实现空间位置的统一。
A12、将所述预处理后的回波数据按照接收时间戳拼接，生成时间序列数据；
按照时间戳拼接后得到的时间序列数据，体现了每个地质层的粗分特性，例如，若拼接后的时间序列数据中，回波信号由弱变强，说明了按照深度层次，地质层的硬度由软变硬。
A13、对所述时间序列数据进行频域转换处理，得到频域数据；
本实施例中，采用傅里叶变换将时间序列数据转换为频域数据，这一转换有助于识别和分离不同频率的信号，在复杂的海底地质结构识别中是非常重要的。
可以通过各种数学软件或编程库实现傅里叶变换，如MATLAB、Python的NumPy库等。变换得到的频域数据包括信号频率及其对应的强度。
A14、对所述频域数据进行频谱分析，基于频谱分析结果，提取所述频域数据中的关键特征；
信号频率与强度之间的图表为频谱图，通过分析频谱图，可以识别出具有显著强度的信号，这些信号的强度峰值通常代表了海底地质结构的关键特征。
A15、将所述关键特征进行时域转换处理，得到所述海底地质对应的特征向量。
本实施例中，采用反傅里叶变换进行时域转换处理，对具有显著强度的频率成分应用反傅里叶变换，将其从频率域转换回时间域，这一步骤有助于重构信号，为后续的分析和成像提供更准确的数据基础。
S3、基于所述特征向量对所述海底地质进行地质识别，并生成初始地质图像；
本实施例中，采用机器学习模型进行海底地质的识别，并生成初始地质图像，所述机器学习模型为卷积神经网络模型，选定了模型后，需要确定模型的参数和结构，例如，层数、神经元数量、激活函数等。然后通过标记好地质类型的回波数据对模型进行训练、验证、参数调整，当模型的性能达标后可用于地质识别和成像。
机器学习模型的输入为原始回波数据对应的特征向量，经过模型各个层的处理，依次得到每个地质层的地质类型、每个地质层的深度、根据地质类型和地质深度进行成像处理，机器学习模型的输出为初始地质图像。
S4、对所述初始地质图像进行缺陷检查，根据缺陷检查结果更新所述初始地质图像，得到目标地质图像。
本实施例中，得到初始地质图像后，需要对其进行缺陷检查，缺陷检查的目的是优化成像质量，提高地质图像的准确性。
所述对所述初始地质图像进行缺陷检查，根据缺陷检查结果更新所述初始地质图像，包括以下步骤C11-C13：
C11、对所述初始地质图像进行成像连续性检查，确定所述初始地质图像中非连续处地质对应的物理位置，对所述物理位置的地质重新采集数据，并根据重新采集的数据更新所述初始地质图像；
成像连续性检查是为了发现数据中可能存在的问题，如信号覆盖不均、部分数据缺失等情况。当发现初始地质图像中出现了这些情况，需要重新采集图像中非连续处地质对应的物理位置的数据，并重新执行步骤S1-S4，更新该物理位置的地质对应的图像，得到目标地质图像。
C12、对所述初始地质图像进行成像清晰度检查，确定所述初始地质图像中清晰度不达标处地质对应的物理位置，对所述物理位置的地质对应的原始回波数据进行滤波处理，基于滤波后的原始回波数据，更新所述初始地质图像；
生成初始地质图像的过程中，会将原始回波数据从时域转换为频域，并分析频谱图，选择信号强度大的频率作为关键特征，根据关键特征生成初始地质图像。若选择出的关键特征对应的信号频率较低，会导致初始成像分辨率低，清晰度不够。
确定初始地质图像中清晰度不达标处对应的物理位置后，获取该物理位置的地质对应的原始回波数据，并在对该原始回波数据进行关键特征提取时，滤除低频信号对应的特征，保留高频信号对应的特征，因为高频信号对应细小的地质结构，采用高频信号对应的特征生成的图像的清晰度会更高。
C13、对所述初始地质图像进行图像一致性检查，根据一致性检查结果确定对应的图像更新策略，基于所述图像更新策略更新所述初始地质图像。
所述对所述初始地质图像进行图像一致性检查，根据一致性检查结果确定对应的图像更新策略，基于所述图像更新策略更新所述初始地质图像，包括以下步骤D11-D13：
D11、收集多个信息源采集所述海底地质的信息而生成的图像数据，计算每个图像数据与所述初始地质图像的匹配值；
本实施例中，多个信息源生成的图像数据包括研究区或相邻区域的历史地质图、地震剖面资料生成的地质图、通过磁力计探测到的地质结果生成的地质图、通过钻探取得地质样本进行矿物及化学分析生成的地质图等。
通过将多个信息源对应的图像数据与初始地质图像进行比对，可以相互印证地质识别的一致性、准确性。
所述匹配值可以是欧式距离值、或曼哈顿距离值、或杰卡德相似系数，或者这些值的加权求和值。
D12、若有一个图像数据与所述初始地质图像的匹配值小于第一预设阈值，则采用第一图像更新策略，更新所述初始地质图像；
本实施例中，所述第一预设阈值可以是10%，当有一个图像数据与初始地质图像的匹配值小于第一预设阈值时，认为结果不匹配。
所述采用第一图像更新策略，更新所述初始地质图像，包括以下步骤E11-E14：
E11、将所述初始地质图像及每个图像数据放入图像集，计算所述图像集中每个图像对的相似度值，根据所述相似度值计算所述图像集中每个图像的信任值；
本实施例中，所述相似度值为余弦相似度值。
所述信任值的计算公式为：
其中，为图像集中第i个图像的信任值，为图像集中第j个图像对的相似度值，m为图像集中图像对的总数量，n为图像集中含第i个图像的图像对的总数量，为图像集中含第i个图像的图像对中第k个图像对的相似度值；
E12、根据像素灰度值计算所述图像集中每个图像的每个像素的置信值；
所述置信值的计算公式为：
其中，为图像集中第i个图像的第j个像素的置信值，u为图像集中图像的总数量，为图像集中第r个图像的第j个像素的像素灰度值，为图像集中第i个图像的第j个像素的像素灰度值；
E13、根据所述信任值、置信值及像素灰度值，计算所述初始地质图像中每个像素的目标像素值；
所述目标像素值的计算公式为：
其中，为初始地质图像中第i个像素的目标像素值，u为图像集中图像的总数量，为图像集中第r个图像的信任值，为图像集中第r个图像的第i个像素的置信值，为图像集中第r个图像的第i个像素的像素灰度值。
E14、将所述初始地质图像中每个像素的像素灰度值更新至对应的目标像素值。
不同像素灰度值对应不同的地质类型，确定了每个像素对应的目标像素值后，可更新得到目标地质图像。
D13、若每个图像数据与所述初始地质图像的匹配值都大于第二阈值，且小于第三阈值，则采用第二图像更新策略，更新所述初始地质图像。
本实施例中，所述第二阈值可以是60%，所述第三阈值可以是90%，当每个图像数据与初始地质图像的匹配值都大于60%时，说明各个信息源对应的图像数据与初始地质图像显示的地质结构基本符合，大的方向没有错误；若匹配值大于60%且小于90%时，说明成像得到的地质图像基本体现了真实的地质形态，但是准确度不够高，需要提高准确度；若匹配度大于等于90%，说明初始地质图像的准确度比较高，不用进行图像更新操作。
所述采用第二图像更新策略，更新所述初始地质图像，包括以下步骤F11-F13：
F11、获取预先训练好的声波速度模型，将所述初始地质图像及原始回波数据作为所述声波速度模型的输入，所述声波速度模型输出更新后的地质图像；
本实施例中，所述声波速度模型为机器学习模型，初始地质图像及原始回波数据为模型的输入，模型可以学习两者的相同之处和不同之处，生成新的图像，该模型用于优化成像质量。
F12、计算更新后的地质图像与每个图像数据的新匹配值；
模型输出更新后的地质图像后，需确定更新后的地质图像与每个信息源对应的图像数据的新匹配度，以确定是否需要继续优化图像。
F13、若每个图像数据与所述更新后的地质图像的新匹配值小于所述第三阈值，则将所述更新后的地质图像及原始回波数据作为输入，再次更新地质图像，直至新更新的地质图像与每个图像数据的匹配值大于等于所述第三阈值。
若更新后的地质图像与每个信息源对应的图像数据的新匹配值仍小于90%（第三阈值），说明准确度仍然不够高，需要继续更新，此时，将更新后的地质图像与原始回波数据作为声波速度模型的输入，继续更新迭代优化地质图像的质量，直至最新匹配值大于等于第三阈值，完成更新，得到目标地质图像。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述海底地质成像方法的装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的海底地质成像装置实施例中的具体限定可以参见上文中对于海底地质成像方法的限定，在此不再赘述。
在一个实施例中，如图2所示，是本申请实施例中海底地质成像装置20的模块示意图，其包括：数据采集模块21、特征提取模块22、图像生成模块23及图像更新模块24，其中：
数据采集模块21，用于向海底地质发送携带发送时间戳的声波信号，接收携带接收时间戳的原始回波数据。
特征提取模块22，用于对所述原始回波数据执行特征提取处理，得到所述海底地质对应的特征向量；
图像生成模块23，用于基于所述特征向量对所述海底地质进行地质识别，并生成初始地质图像；
图像更新模块24，用于对所述初始地质图像进行缺陷检查，根据缺陷检查结果更新所述初始地质图像，得到目标地质图像。
所述对所述原始回波数据执行特征提取处理，得到所述海底地质对应的特征向量，包括以下步骤A21-A25：
A21、对所述原始回波数据进行预处理，得到预处理后的回波数据；
A22、将所述预处理后的回波数据按照接收时间戳拼接，生成时间序列数据；
A23、对所述时间序列数据进行频域转换处理，得到频域数据；
A24、对所述频域数据进行频谱分析，基于频谱分析结果，提取所述频域数据中的关键特征；
A25、将所述关键特征进行时域转换处理，得到所述海底地质对应的特征向量。
所述对所述原始回波数据进行预处理，得到预处理后的回波数据，包括以下步骤B21-B24：
B21、对所述原始回波数据进行去噪处理，得到去噪后的回波数据；
B22、对所述去噪后的回波数据进行标准化处理，得到标准化处理后的回波数据；
B23、对所述标准化处理后的回波数据进行时间校正处理，得到时间校正处理后的回波数据；
B24、对所述时间校正处理后的回波数据进行空间校正处理，得到预处理后的回波数据。
所述对所述初始地质图像进行缺陷检查，根据缺陷检查结果更新所述初始地质图像，包括以下步骤C21-C23：
C21、对所述初始地质图像进行成像连续性检查，确定所述初始地质图像中非连续处地质对应的物理位置，对所述物理位置的地质重新采集数据，并根据重新采集的数据更新所述初始地质图像；
C22、对所述初始地质图像进行成像清晰度检查，确定所述初始地质图像中清晰度不达标处地质对应的物理位置，对所述物理位置的地质对应的原始回波数据进行滤波处理，基于滤波后的原始回波数据，更新所述初始地质图像；
C23、对所述初始地质图像进行图像一致性检查，根据一致性检查结果确定对应的图像更新策略，基于所述图像更新策略更新所述初始地质图像。
所述对所述初始地质图像进行图像一致性检查，根据一致性检查结果确定对应的图像更新策略，基于所述图像更新策略更新所述初始地质图像，包括以下步骤D21-D23：
D21、收集多个信息源采集所述海底地质的信息而生成的图像数据，计算每个图像数据与所述初始地质图像的匹配值；
D22、若有一个图像数据与所述初始地质图像的匹配值小于第一预设阈值，则采用第一图像更新策略，更新所述初始地质图像；
D23、若每个图像数据与所述初始地质图像的匹配值都大于第二阈值，且小于第三阈值，则采用第二图像更新策略，更新所述初始地质图像。
所述采用第一图像更新策略，更新所述初始地质图像，包括以下步骤E21-E24：
E21、将所述初始地质图像及每个图像数据放入图像集，计算所述图像集中每个图像对的相似度值，根据所述相似度值计算所述图像集中每个图像的信任值；
所述信任值的计算公式为：
其中，为图像集中第i个图像的信任值，为图像集中第j个图像对的相似度值，m为图像集中图像对的总数量，n为图像集中含第i个图像的图像对的总数量，为图像集中含第i个图像的图像对中第k个图像对的相似度值；
E22、根据像素灰度值计算所述图像集中每个图像的每个像素的置信值；
所述置信值的计算公式为：
其中，为图像集中第i个图像的第j个像素的置信值，u为图像集中图像的总数量，为图像集中第r个图像的第j个像素的像素灰度值，为图像集中第i个图像的第j个像素的像素灰度值；
E23、根据所述信任值、置信值及像素灰度值，计算所述初始地质图像中每个像素的目标像素值；
所述目标像素值的计算公式为：
其中，为初始地质图像中第i个像素的目标像素值，u为图像集中图像的总数量，为图像集中第r个图像的信任值，为图像集中第r个图像的第i个像素的置信值，为图像集中第r个图像的第i个像素的像素灰度值。
E24、将所述初始地质图像中每个像素的像素灰度值更新至对应的目标像素值。
所述采用第二图像更新策略，更新所述初始地质图像，包括以下步骤F21-F23：
F21、获取预先训练好的声波速度模型，将所述初始地质图像及原始回波数据作为所述声波速度模型的输入，所述声波速度模型输出更新后的地质图像；
F22、计算更新后的地质图像与每个图像数据的新匹配值；
F23、若每个图像数据与所述更新后的地质图像的新匹配值小于所述第三阈值，则将所述更新后的地质图像及原始回波数据作为输入，再次更新地质图像，直至新更新的地质图像与每个图像数据的匹配值大于等于所述第三阈值。
上述分析装置各实施例的具体实施方式与前文中各方法实施例基本一致，在此不做赘述。
上述海底地质成像装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，还提供一种计算机设备，该计算机设备为上述方法实施例中提到的边缘网络节点，其内部结构图可以如图3所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。
其中，该计算机设备的处理器用于提供计算和控制能力，可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。处理器可以包括是一个或多个处理器，例如包括一个或多个中央处理器（centralprocessing unit，CPU），在处理器是一个CPU的情况下，该CPU可以是单核CPU，也可以是多核CPU。处理器还可以包括一个或多个专用处理器，专用处理器可以包括GPU、FPGA等，用于进行加速处理。处理器用于调用该存储器中的程序代码和数据，执行上述方法实施例中的步骤。具体可参见方法实施例中的描述，在此不再赘述。
该计算机设备的存储器包括但不限于非易失性存储介质和内存储器。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random AccessMemory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。
该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。
该计算机设备的通信接口用于与外部的终端通过网络连接通信。
该计算机程序被处理器执行时以实现一种海底地质成像方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，各单元/模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。所显示或讨论的相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。该计算机指令可以存储在计算机可读存储介质中，或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（digital subscriber line，DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器（read至onlymemory，ROM），或随机存储存储器（random access memory，RAM），或磁性介质，例如，软盘、硬盘、磁带、磁碟、或光介质，例如，数字通用光盘（digital versatile disc，DVD）、或者半导体介质，例如，固态硬盘（solid state disk ，SSD）等。
以上仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (5)
1.一种海底地质成像方法，其特征在于，所述方法包括：
向海底地质发送携带发送时间戳的声波信号，接收携带接收时间戳的原始回波数据；
对所述原始回波数据执行特征提取处理，得到所述海底地质对应的特征向量；
基于所述特征向量对所述海底地质进行地质识别，并生成初始地质图像；
对所述初始地质图像进行缺陷检查，根据缺陷检查结果更新所述初始地质图像，得到目标地质图像；
所述对所述初始地质图像进行缺陷检查，根据缺陷检查结果更新所述初始地质图像，包括：
对所述初始地质图像进行成像连续性检查，确定所述初始地质图像中非连续处地质对应的物理位置，对所述物理位置的地质重新采集数据，并根据重新采集的数据更新所述初始地质图像；
对所述初始地质图像进行成像清晰度检查，确定所述初始地质图像中清晰度不达标处地质对应的物理位置，对所述物理位置的地质对应的原始回波数据进行滤波处理，基于滤波后的原始回波数据，更新所述初始地质图像；
对所述初始地质图像进行图像一致性检查，根据一致性检查结果确定对应的图像更新策略，基于所述图像更新策略更新所述初始地质图像；
所述对所述初始地质图像进行图像一致性检查，根据一致性检查结果确定对应的图像更新策略，基于所述图像更新策略更新所述初始地质图像，包括：
收集多个信息源采集所述海底地质的信息而生成的图像数据，计算每个图像数据与所述初始地质图像的匹配值；
若有一个图像数据与所述初始地质图像的匹配值小于第一预设阈值，则采用第一图像更新策略，更新所述初始地质图像；
若每个图像数据与所述初始地质图像的匹配值都大于第二阈值，且小于第三阈值，则采用第二图像更新策略，更新所述初始地质图像；
所述采用第一图像更新策略，更新所述初始地质图像，包括：
将所述初始地质图像及每个图像数据放入图像集，计算所述图像集中每个图像对的相似度值，根据所述相似度值计算所述图像集中每个图像的信任值；
根据像素灰度值计算所述图像集中每个图像的每个像素的置信值；
根据所述信任值、置信值及像素灰度值，计算所述初始地质图像中每个像素的目标像素值；
将所述初始地质图像中每个像素的像素灰度值更新至对应的目标像素值；
所述信任值的计算公式为：
；
其中，为图像集中第i个图像的信任值，为图像集中第j个图像对的相似度值，m为图像集中图像对的总数量，n为图像集中含第i个图像的图像对的总数量，为图像集中含第i个图像的图像对中第k个图像对的相似度值；
所述置信值的计算公式为：
；
其中，为图像集中第i个图像的第j个像素的置信值，u为图像集中图像的总数量，为图像集中第r个图像的第j个像素的像素灰度值，为图像集中第i个图像的第j个像素的像素灰度值；
所述目标像素值的计算公式为：
；
其中，为初始地质图像中第i个像素的目标像素值，u为图像集中图像的总数量，为图像集中第r个图像的信任值，为图像集中第r个图像的第i个像素的置信值，为图像集中第r个图像的第i个像素的像素灰度值；
所述采用第二图像更新策略，更新所述初始地质图像，包括：
获取预先训练好的声波速度模型，将所述初始地质图像及原始回波数据作为所述声波速度模型的输入，所述声波速度模型输出更新后的地质图像；
计算更新后的地质图像与每个图像数据的新匹配值；
若每个图像数据与所述更新后的地质图像的新匹配值小于所述第三阈值，则将所述更新后的地质图像及原始回波数据作为输入，再次更新地质图像，直至新更新的地质图像与每个图像数据的匹配值大于等于所述第三阈值。
2.根据权利要求1所述的方法，其特征在于，所述对所述原始回波数据执行特征提取处理，得到所述海底地质对应的特征向量，包括：
对所述原始回波数据进行预处理，得到预处理后的回波数据；
将所述预处理后的回波数据按照接收时间戳拼接，生成时间序列数据；
对所述时间序列数据进行频域转换处理，得到频域数据；
对所述频域数据进行频谱分析，基于频谱分析结果，提取所述频域数据中的关键特征；
将所述关键特征进行时域转换处理，得到所述海底地质对应的特征向量。
3.一种海底地质成像装置，其特征在于，所述装置包括：
数据采集模块，用于向海底地质发送携带发送时间戳的声波信号，接收携带接收时间戳的原始回波数据；
特征提取模块，用于对所述原始回波数据执行特征提取处理，得到所述海底地质对应的特征向量；
图像生成模块，用于基于所述特征向量对所述海底地质进行地质识别，并生成初始地质图像；
图像更新模块，用于对所述初始地质图像进行缺陷检查，根据缺陷检查结果更新所述初始地质图像，得到目标地质图像；
所述对所述初始地质图像进行缺陷检查，根据缺陷检查结果更新所述初始地质图像，包括：
对所述初始地质图像进行成像连续性检查，确定所述初始地质图像中非连续处地质对应的物理位置，对所述物理位置的地质重新采集数据，并根据重新采集的数据更新所述初始地质图像；
对所述初始地质图像进行成像清晰度检查，确定所述初始地质图像中清晰度不达标处地质对应的物理位置，对所述物理位置的地质对应的原始回波数据进行滤波处理，基于滤波后的原始回波数据，更新所述初始地质图像；
对所述初始地质图像进行图像一致性检查，根据一致性检查结果确定对应的图像更新策略，基于所述图像更新策略更新所述初始地质图像；
所述对所述初始地质图像进行图像一致性检查，根据一致性检查结果确定对应的图像更新策略，基于所述图像更新策略更新所述初始地质图像，包括：
收集多个信息源采集所述海底地质的信息而生成的图像数据，计算每个图像数据与所述初始地质图像的匹配值；
若有一个图像数据与所述初始地质图像的匹配值小于第一预设阈值，则采用第一图像更新策略，更新所述初始地质图像；
若每个图像数据与所述初始地质图像的匹配值都大于第二阈值，且小于第三阈值，则采用第二图像更新策略，更新所述初始地质图像；
所述采用第一图像更新策略，更新所述初始地质图像，包括：
将所述初始地质图像及每个图像数据放入图像集，计算所述图像集中每个图像对的相似度值，根据所述相似度值计算所述图像集中每个图像的信任值；
根据像素灰度值计算所述图像集中每个图像的每个像素的置信值；
根据所述信任值、置信值及像素灰度值，计算所述初始地质图像中每个像素的目标像素值；
将所述初始地质图像中每个像素的像素灰度值更新至对应的目标像素值；
所述信任值的计算公式为：
；
其中，为图像集中第i个图像的信任值，为图像集中第j个图像对的相似度值，m为图像集中图像对的总数量，n为图像集中含第i个图像的图像对的总数量，为图像集中含第i个图像的图像对中第k个图像对的相似度值；
所述置信值的计算公式为：
；
其中，为图像集中第i个图像的第j个像素的置信值，u为图像集中图像的总数量，为图像集中第r个图像的第j个像素的像素灰度值，为图像集中第i个图像的第j个像素的像素灰度值；
所述目标像素值的计算公式为：
；
其中，为初始地质图像中第i个像素的目标像素值，u为图像集中图像的总数量，为图像集中第r个图像的信任值，为图像集中第r个图像的第i个像素的置信值，为图像集中第r个图像的第i个像素的像素灰度值；
所述采用第二图像更新策略，更新所述初始地质图像，包括：
获取预先训练好的声波速度模型，将所述初始地质图像及原始回波数据作为所述声波速度模型的输入，所述声波速度模型输出更新后的地质图像；
计算更新后的地质图像与每个图像数据的新匹配值；
若每个图像数据与所述更新后的地质图像的新匹配值小于所述第三阈值，则将所述更新后的地质图像及原始回波数据作为输入，再次更新地质图像，直至新更新的地质图像与每个图像数据的匹配值大于等于所述第三阈值。
4.一种计算机设备，其特征在于，所述计算机设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-2任一所述的海底地质成像方法。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行权利要求1-2任一所述的海底地质成像方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410415245.4A CN118011405B (zh) | 2024-04-08 | 海底地质成像方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410415245.4A CN118011405B (zh) | 2024-04-08 | 海底地质成像方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118011405A CN118011405A (zh) | 2024-05-10 |
| CN118011405B true CN118011405B (zh) | 2024-06-28 |
Family
ID=
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114814800A (zh) * | 2021-01-19 | 2022-07-29 | 腾讯科技（深圳）有限公司 | 基于超声回波的对象识别方法、装置及存储介质 |
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114814800A (zh) * | 2021-01-19 | 2022-07-29 | 腾讯科技（深圳）有限公司 | 基于超声回波的对象识别方法、装置及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 周平.声学后向散射数据的成像关键技术与底质分类研究.《中国博士学位论文全文数据库 (基础科学辑)》.2022,(第2期),第A005-18页. * |
| 声学后向散射数据的成像关键技术与底质分类研究;周平;《中国博士学位论文全文数据库 (基础科学辑)》;20220215(第2期);第A005-18页 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ross et al. | P wave arrival picking and first‐motion polarity determination with deep learning | |
| Shahriari et al. | Error control and loss functions for the deep learning inversion of borehole resistivity measurements | |
| US10436924B2 (en) | Denoising seismic data | |
| WO2022057305A1 (zh) | 信号处理方法、装置、终端设备及存储介质 | |
| Wang et al. | Data-driven S-wave velocity prediction method via a deep-learning-based deep convolutional gated recurrent unit fusion network | |
| US20220260665A1 (en) | Sound source enumeration and direction of arrival estimation using a bayesian framework | |
| CN115291210A (zh) | 一种结合注意力机制的3d-cnn探地雷达三维图像管线识别方法 | |
| Singh et al. | Real-time super-resolution mapping of locally anisotropic grain orientations for ultrasonic non-destructive evaluation of crystalline material | |
| Gao et al. | Domain adaptation in intelligent ultrasonic logging tool: From microseismic to pulse-echo | |
| CN118011405B (zh) | 海底地质成像方法、装置、设备及介质 | |
| US20220099851A1 (en) | System and method for quantitative seismic integration modeling workflow | |
| GB2475120A (en) | Maximum entropy approach to assigning probabilities | |
| CA2693247C (en) | Seismic attributes for structural analysis | |
| CN118011405A (zh) | 海底地质成像方法、装置、设备及介质 | |
| CN115469376A (zh) | 基于非同源数据隧道超前地质预报综合探测方法及系统 | |
| CN116224265A (zh) | 探地雷达数据反演方法、装置、计算机设备及存储介质 | |
| WO2022072840A1 (en) | A methodology for automated verification and qualification of sidewall core recovery depth using borehole image logs | |
| CN113222029B (zh) | 基于数据融合的地震成像方法、装置、设备及存储介质 | |
| Çavuşlu et al. | FPGA implementation of bearing tracking using passive array for underwater acoustics | |
| Gaël et al. | On the impact of correlations on the congruence test: a bootstrap approach: Case study: B-spline surface fitting from TLS observations | |
| Zhang et al. | Bearing‐only motion analysis of target based on low‐quality bearing‐time recordings map | |
| CN115128675A (zh) | 层间多次波的压制方法、装置、设备和存储介质 | |
| Watzenig et al. | Accelerated Markov chain Monte Carlo sampling in electrical capacitance tomography | |
| CN117930370B (zh) | 海洋磁力场测量及成像方法、装置、设备及介质 | |
| CN117309126B (zh) | 一种消除浅海环境水面反射的近场辐射噪声测量方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |