RU2784788C1 - Method for determining sea surface anomalies from optical images - Google Patents
Method for determining sea surface anomalies from optical images Download PDFInfo
- Publication number
- RU2784788C1 RU2784788C1 RU2022109958A RU2022109958A RU2784788C1 RU 2784788 C1 RU2784788 C1 RU 2784788C1 RU 2022109958 A RU2022109958 A RU 2022109958A RU 2022109958 A RU2022109958 A RU 2022109958A RU 2784788 C1 RU2784788 C1 RU 2784788C1
- Authority
- RU
- Russia
- Prior art keywords
- sea surface
- image
- images
- sea
- fragment
- Prior art date
Links
- 230000003287 optical Effects 0.000 title claims abstract description 18
- 238000001228 spectrum Methods 0.000 claims abstract description 82
- 230000003595 spectral Effects 0.000 claims abstract description 41
- 239000000969 carrier Substances 0.000 claims abstract description 14
- 230000004313 glare Effects 0.000 claims abstract description 5
- 238000010183 spectrum analysis Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 abstract description 4
- 238000000034 method Methods 0.000 abstract description 4
- 230000003993 interaction Effects 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract 1
- 239000002344 surface layer Substances 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 230000010006 flight Effects 0.000 description 3
- 239000010410 layer Substances 0.000 description 3
- 230000001131 transforming Effects 0.000 description 3
- 230000002547 anomalous Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 210000004544 DC2 Anatomy 0.000 description 1
- 206010038743 Restlessness Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000007374 clinical diagnostic method Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000000875 corresponding Effects 0.000 description 1
- 230000005520 electrodynamics Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000002530 ischemic preconditioning Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 238000009304 pastoral farming Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Abstract
Description
Изобретение относится к средствам диагностики морской поверхности, в частности к дистанционному контролю процессов взаимодействия ветрового волнения и внутренних волн, неоднородных течений и т.п., и может быть использовано для выявления аномалий на морской поверхности, обусловленных неоднородностями подводного рельефа, следов судов, загрязнения морской поверхности.The invention relates to diagnostics of the sea surface, in particular to the remote control of the processes of interaction between wind waves and internal waves, inhomogeneous currents, etc., and can be used to detect anomalies on the sea surface due to heterogeneities of the underwater relief, traces of ships, sea pollution surfaces.
Основной особенностью, отличающей дистанционные методы исследования океана от контактных, является непрямой характер наблюдения физических процессов и измерения их параметров.The main feature that distinguishes remote methods of studying the ocean from contact methods is the indirect nature of observing physical processes and measuring their parameters.
На текущий момент наибольшее распространение получили методы дистанционных исследований в оптическом и радио диапазонах спектра электромагнитных волн.At the moment, the most widespread methods of remote research in the optical and radio ranges of the spectrum of electromagnetic waves.
Радиолокационные методы наиболее предпочтительны в том смысле, что являются всепогодными, позволяющим зондировать океан сквозь туман и облака, ночью и днем, в любом месте мирового океана и на больших территориях. В настоящее время основным источником регулярной информации о параметрах приповерхностного слоя Мирового океана служат радиолокационные системы космического базирования, однако они нуждаются в калибровке. Спутниковые данные ассимилируются в численные модели, что позволяет их уточнять на основе альтернативных дистанционных или контактных измерений.Radar methods are most preferred in the sense that they are all-weather, allowing sounding the ocean through fog and clouds, night and day, anywhere in the oceans and over large areas. Currently, space-based radar systems are the main source of regular information about the parameters of the near-surface layer of the World Ocean, but they need to be calibrated. Satellite data are assimilated into numerical models, which allows them to be refined based on alternative remote or contact measurements.
Таким образом, существует необходимость разработки методов и аппаратуры измерения данных о состоянии морской поверхности, подповерхностного слоя моря и приводного слоя атмосферы, в том числе и в оптическом диапазоне, которые давали бы возможность дальнейшего развития радиолокационных методов исследования, либо служили им альтернативой.Thus, there is a need to develop methods and equipment for measuring data on the state of the sea surface, the subsurface layer of the sea and the surface layer of the atmosphere, including in the optical range, which would enable the further development of radar research methods, or serve as an alternative to them.
При этом важным становится решение задач разработки эффективных методов анализа оптических и радиолокационных изображений, позволяющих получать информацию о состоянии водной среды с необходимой степенью достоверности.At the same time, it becomes important to solve the problems of developing effective methods for analyzing optical and radar images, which make it possible to obtain information about the state of the aquatic environment with the required degree of reliability.
Так, например, наличие подводных неоднородностей может проявляться в аномальном поведении волнения морской поверхности. Такие аномалии могут быть контрастными, т.е. наблюдаемыми глазом на анализируемых изображениях, а могут быть слабоконтрастными, и тогда вероятность обнаружения аномалии сильно снижается. В последнем случае возникает необходимость привлечения дополнительных информационных признаков наличия аномалии на морской поверхности.So, for example, the presence of underwater inhomogeneities can manifest itself in the anomalous behavior of sea surface waves. Such anomalies can be contrasting, i.e. observed by the eye in the analyzed images, but can be of low contrast, and then the probability of anomaly detection is greatly reduced. In the latter case, it becomes necessary to attract additional information signs of the presence of an anomaly on the sea surface.
Один из старейших оптических способов регистрации состояния поверхности моря на большой площади - стереофотосъемка с борта самолета. С его помощью также возможно обнаружение контрастных аномалий на морской поверхности, но дороговизна и сложность организации измерений и оборудования и трудоемкость обработки получаемой информации не позволяют пользоваться этим способом на регулярной основе. Кроме того, этот способ не предусматривает работы в режиме реального времени.One of the oldest optical methods for recording the state of the sea surface over a large area is stereo photography from an aircraft. With its help, it is also possible to detect contrast anomalies on the sea surface, but the high cost and complexity of organizing measurements and equipment, as well as the complexity of processing the information received, do not allow using this method on a regular basis. In addition, this method does not provide real-time operation.
Наличие подводных неоднородностей может проявляться и в аномальном обратно рассеянном подповерхностном излучении моря. Изменение подповерхностного излучения может происходить из-за возмущений подводной стратификации гидрооптических характеристик воды при наличии подводных неоднородностей. Изменение стратификации гидрооптических характеристик может регистрироваться с помощью лидаров, а изменение подповерхностного излучения - путем регистрации спектра яркости моря с помощью спектрометров. Эти способы обнаружения аномалий требуют специального дорогостоящего оборудования.The presence of underwater inhomogeneities can also manifest itself in the anomalous backscattered subsurface radiation of the sea. A change in subsurface radiation can occur due to disturbances in the underwater stratification of the hydrooptical characteristics of water in the presence of underwater inhomogeneities. A change in the stratification of hydrooptical characteristics can be recorded using lidars, and a change in subsurface radiation can be recorded by registering the brightness spectrum of the sea using spectrometers. These anomaly detection methods require special expensive equipment.
Известен способ получения информации о волнении моря по спектрам плановых аэрофотоснимков, получаемых при съемке в надир. Такой способ позволяет осуществлять обработку информации в режиме реального времени, но требует наличия специально оборудованного воздушного носителя, у которого в полу сделаны люки или иллюминаторы для фотосъемки (Лупян Е.А., Шарков Е.А. О критерии восстановления спектральных характеристик шероховатой морской поверхности по ее оптическому изображению. Иссл. Земли из космоса. 1986. №4. С. 21-31. Е.А. Шарков, Обрушающиеся морские волны: структура, геометрия, электродинамика. М., «Научный мир», 303 с., 2009).There is a method for obtaining information about sea waves from the spectra of planned aerial photographs obtained when shooting in nadir. This method allows real-time information processing, but requires a specially equipped air carrier, which has hatches or portholes for photography in the floor (Lupyan E.A., Sharkov E.A. On the criterion for restoring the spectral characteristics of a rough sea surface from its optical image, Issledovanie Zemlya iz kosmos, 1986, No. 4, pp. 21-31 E. A. Sharkov, Breaking sea waves: structure, geometry, electrodynamics, Moscow, Nauchny Mir, 303 pp., 2009 ).
Наиболее близким аналогом к предлагаемому способу обнаружения аномалий является патент РФ №2596628 на изобретение «Способ определения загрязнения морской поверхности» (МПК: G01S 13/88; G01C 11/00, дата публикации: 10.09.2016). В патенте предлагается способ определения загрязнений морской поверхности путем регистрации последовательности оптических изображений поверхности моря при полете авиационного носителя по трассе с дальнейшим восстановлением пространственного спектра волнения методом Фурье-преобразования зарегистрированных изображений с одновременным дистанционным зондированием морской поверхности автодинным радиоволновым измерителем и дальнейшим вычислением индекса загрязнения участков морской поверхности по характеристикам взаимной корреляционной функции сигнала автодинного измерителя и видеокамеры. Недостатком прототипа является то, что в способе дополнительно привлекают средства активного зондирования морской поверхности, что увеличивает громоздкость измерительной аппаратуры и накладывает определенные ограничения на вид носителя. Недостатком прототипа является также то, что он разработан и адаптирован для решения одной задачи - выявление именно нефтяных загрязнений, и соответственно он использует для обнаружения таких аномалий свойственные только им физические особенности.The closest analogue to the proposed method for detecting anomalies is the patent of the Russian Federation No. 2596628 for the invention "Method for determining pollution of the sea surface" (IPC: G01S 13/88; G01C 11/00, publication date: 09/10/2016). The patent proposes a method for determining sea surface pollution by recording a sequence of optical images of the sea surface during the flight of an aircraft carrier along a route with further restoration of the spatial wave spectrum by the Fourier transform of the recorded images with simultaneous remote sensing of the sea surface with an autodyne radio wave meter and further calculation of the pollution index of sea surface areas according to the characteristics of the cross-correlation function of the signal of the autodyne meter and the video camera. The disadvantage of the prototype is that the method additionally involves means of active sounding of the sea surface, which increases the bulkiness of the measuring equipment and imposes certain restrictions on the type of media. The disadvantage of the prototype is also that it is designed and adapted to solve one problem - the detection of oil pollution, and, accordingly, it uses their physical features to detect such anomalies.
Задачей, решаемой настоящим изобретением, является разработка способа определения аномалий морской поверхности, обусловленных процессами в приповерхностном слое моря, по ее оптическим изображениям при рассеянном небесном освещении (вне зоны солнечных бликов), полученным с движущегося носителя, позволяющего пассивными компактными оптическими средствами в режиме реального времени с большой степенью достоверности выявлять малоконтрастные аномалии морской поверхности.The problem solved by the present invention is to develop a method for determining the anomalies of the sea surface, caused by processes in the near-surface layer of the sea, from its optical images in diffuse skylight (outside the solar flare zone), obtained from a moving carrier, which allows passive compact optical means in real time to detect low-contrast anomalies of the sea surface with a high degree of reliability.
Технический результат, заключающийся в повышении степени достоверности выявления аномалий на морской поверхности, в разработанном способе достигается тем, что формируют изображения морской поверхности с привязкой полученных изображений к топографическим координатам посредством навигационной системы, выбирают в каждом их них фрагмент изображения моря для спектрального анализа, затем строят последовательность спектров фрагментов изображений и по ним определяют особенности состояния морской поверхности.The technical result, which consists in increasing the degree of reliability of detecting anomalies on the sea surface, in the developed method is achieved by forming images of the sea surface with binding of the obtained images to topographic coordinates by means of a navigation system, selecting a fragment of the sea image for spectral analysis in each of them, then building the sequence of spectra of image fragments and the features of the state of the sea surface are determined from them.
Новым в разработанным способе является то, что при прямолинейном движении носителя (галсе) формируют последовательность изображений морской поверхности с определенным перекрытием и с захватом линии горизонта и части неба с угловой высотой 5-7 градусов при наклонных углах визирования с помощью цифровых видеокамеры или фотокамеры и проводят обработку каждого изображения, определяя угол визирования камеры по положению линии горизонта в изображении, которую, в свою очередь, определяют по перепаду яркости изображения на границе моря и неба, а в последовательности регистрируемых изображений морской поверхности выбирают два не меняющих положение в течение галса фрагмента, причем один из фрагментов выбирают таким образом, чтобы он не попадал в область солнечных бликов на изображении и чтобы в нем укладывалось порядка 10 периодов поверхностных волн, в нем исключают постоянную составляющую яркости поверхности моря и по зеленой (G) составляющей фрагмента изображения определяют относительную площадь обрушений морской поверхности и спектр волнения, в котором, в свою очередь, выделяют не менее чем один спектральный фрагмент, содержащий спектр исследуемой поверхностной волны, по которому путем интегрирования спектра в пределах выбранного спектрального фрагмента определяют интенсивность поверхностной волны и, путем вычисления одномерных спектров по каждой из спектральных координат определяют одномерные спектры волнения, а второй из фрагментов выбирают как можно ближе к надиру либо под углом, близким к углу Брюстера, в нем в каждом изображении определяют относительную спектральную яркость морской поверхности по отношению зеленой (G) к голубой (В) составляющих фрагмента изображения, затем анализируют временные зависимости всех определяемых величин по последовательности изображений морской поверхности в течение галса и принимают решение о наличии аномалии при одновременном отклонении текущих значений не менее, чем трех из этих величин от средних значений, вычисленных по последовательности изображений морской поверхности.New in the developed method is that during rectilinear movement of the carrier (tack), a sequence of images of the sea surface is formed with a certain overlap and with the capture of the horizon line and part of the sky with an angular height of 5-7 degrees at oblique viewing angles using a digital video camera or camera and processing of each image, determining the angle of view of the camera by the position of the horizon line in the image, which, in turn, is determined by the difference in brightness of the image at the boundary of the sea and sky, and in the sequence of recorded images of the sea surface, two fragments that do not change position during the tack are selected, and one of the fragments is chosen in such a way that it does not fall into the region of sun glare on the image and that it contains about 10 periods of surface waves, the constant component of the brightness of the sea surface is excluded in it, and the relative area is determined from the green (G) component of the image fragment for sea surface breaking and wave spectrum, in which, in turn, at least one spectral fragment is distinguished containing the spectrum of the surface wave under study, from which, by integrating the spectrum within the selected spectral fragment, the intensity of the surface wave is determined and, by calculating one-dimensional spectra from one-dimensional wave spectra are determined for each of the spectral coordinates, and the second of the fragments is chosen as close as possible to the nadir or at an angle close to the Brewster angle, in it, in each image, the relative spectral brightness of the sea surface is determined in relation to green (G) to blue (B) components of the image fragment, then analyze the time dependences of all determined values according to the sequence of images of the sea surface during the tack and make a decision about the presence of an anomaly with a simultaneous deviation of the current values of at least three of these values from the average values calculated by successive awns of images of the sea surface.
Способ поясняется следующими рисунками.The method is illustrated by the following figures.
Фиг. 1. Изображение морской поверхности, полученное с борта вертолета. На изображении выделены два фрагмента: большой (верхний) фрагмент для спектрального анализа и определения относительной площади обрушений волн, малый (нижний) фрагмент, расположенный ближе к надиру, для определения спектрального коэффициента яркости морской поверхности. Цифры по осям - номера точек (пиксельные координаты) в приведенном фрагменте изображения.Fig. 1. Image of the sea surface obtained from a helicopter. Two fragments are highlighted in the image: a large (upper) fragment for spectral analysis and determination of the relative area of wave breaking, a small (lower) fragment, located closer to the nadir, for determining the spectral brightness coefficient of the sea surface. The numbers along the axes are the numbers of points (pixel coordinates) in the given fragment of the image.
Фиг. 2. Большой фрагмент изображения с фиг. 1 после обработки (алгоритм обработки приведен ниже). Хорошо видна поверхностная волна. Цифры по осям - номера точек (пиксельные координаты) в приведенном фрагменте изображения.Fig. 2. A large fragment of the image from FIG. 1 after processing (the processing algorithm is given below). The surface wave is clearly visible. The numbers along the axes are the numbers of points (pixel coordinates) in the given fragment of the image.
Фиг. 3. Спектр большого фрагмента изображения с фиг. 2. Белой рамкой обозначен прямоугольный спектральный фрагмент, содержащий спектр длинных энергонесущих поверхностных волн. Под энергонесущими волнами понимаются волны с временной частотой вблизи максимума спектра ветровых волн (Ю.М. Крылов. Спектральные методы исследования и расчета ветровых волн. Л., Гидрометеоиздат, 1966). Эти волны имеют длину примерно 10 м - 15 м в зависимости от скорости ветра и разгона, в дальнейшем по тексту они будут упоминаться как длинные поверхностные волны. Этот фрагмент обрабатывают для определения интенсивности длинной поверхностной волны и положения максимума спектра волн. Цифры по осям - номера спектральных точек (пиксельные координаты в спектре) в приведенном фрагменте изображения.Fig. 3. Spectrum of a large image fragment from FIG. 2. The white frame indicates a rectangular spectral fragment containing the spectrum of long energy-carrying surface waves. Energy-carrying waves are understood as waves with a temporal frequency near the maximum of the spectrum of wind waves (Yu.M. Krylov. Spectral methods for the study and calculation of wind waves. L., Gidrometeoizdat, 1966). These waves have a length of approximately 10 m - 15 m depending on the wind speed and acceleration, and will be referred to in the text as long surface waves. This fragment is processed to determine the intensity of the long surface wave and the position of the wave spectrum maximum. The numbers along the axes are the numbers of spectral points (pixel coordinates in the spectrum) in the given image fragment.
Фиг. 4. Зависимость от времени интенсивности длинной волны в относительных единицах, полученной путем интегрирования спектра в пределах спектрального фрагмента на фиг. 3 во время галса. По горизонтальной оси отложено время в секундах.Fig. 4. Time dependence of the intensity of a long wave in relative units, obtained by integrating the spectrum within the spectral fragment in FIG. 3 during the tack. The horizontal axis represents time in seconds.
Фиг. 5. Изображение текущего одномерного спектра в зависимости от времени, полученного путем интегрирования фрагмента спектра на фиг. 3 по горизонтальной оси. По вертикали - спектральные точки, по горизонтали - время в секундах. Значения спектра отображаются в полутоновой шкале в относительных единицах.Fig. 5. Image of the current one-dimensional spectrum as a function of time, obtained by integrating a fragment of the spectrum in FIG. 3 along the horizontal axis. Vertically - spectral points, horizontally - time in seconds. Spectrum values are displayed on a grayscale scale in relative units.
Фиг. 6. Изображение текущего одномерного спектра в зависимости от времени, полученного путем интегрирования фрагмента спектра на фиг. 3 по вертикальной оси. По вертикали - спектральные точки, по горизонтали - время в секундах. Значения спектра отображаются в полутоновой шкале в относительных единицах.Fig. 6. Image of the current one-dimensional spectrum as a function of time, obtained by integrating a fragment of the spectrum in FIG. 3 on the vertical axis. Vertically - spectral points, horizontally - time in seconds. Spectrum values are displayed on a grayscale scale in relative units.
Фиг. 7. Отношение спектральных яркостей морской поверхности: отношение зеленой (G) к голубой (В) составляющих изображения морской поверхности в пределах нижнего фрагмента на фиг. 1.Fig. 7. Sea surface spectral luminance ratio: the ratio of green (G) to blue (B) components of the sea surface image within the bottom slice of FIG. one.
Фиг. 8. Относительная площадь обрушений волн в пределах верхнего фрагмента на фиг. 1 в процентах в зависимости от времени в секундах.Fig. 8. Relative area of wave breaking within the upper fragment in FIG. 1 as a percentage based on time in seconds.
Фиг. 9. Средняя яркость морской поверхности в относительных единицах, полученная усреднением яркости морской поверхности в пределах верхнего фрагмента на фиг. 1.Fig. 9. The average brightness of the sea surface in relative units, obtained by averaging the brightness of the sea surface within the upper fragment in FIG. one.
В предлагаемом способе для обнаружения аномалий на морской поверхности вычисляют набор информативных признаков, дающих информацию о спектре волн на морской поверхности, об обрушениях волн и о подповерхностном излучении моря. В данном способе формируют четыре информативных признака: интенсивность поверхностных волн, координаты каждого максимума спектра поверхностных волн, отношение спектральных яркостей морской поверхности для зеленого и голубого участков оптического спектра, относительная площадь обрушений волн. Если в течение галса во временных зависимостях указанных величин наблюдают одновременное отклонение текущих значений не менее, чем трех из этих величин от средних значений, вычисленных по последовательности изображений морской поверхности, принимают решение о присутствии аномалии на морской поверхности.In the proposed method for detecting anomalies on the sea surface, a set of informative features is calculated that provides information about the spectrum of waves on the sea surface, about wave breaking and about the subsurface radiation of the sea. In this method, four informative features are formed: the intensity of surface waves, the coordinates of each maximum of the spectrum of surface waves, the ratio of the spectral brightness of the sea surface for the green and blue sections of the optical spectrum, the relative area of wave breaking. If, during the tack, in the time dependences of the indicated values, a simultaneous deviation of the current values of at least three of these values from the average values calculated from the sequence of images of the sea surface is observed, a decision is made about the presence of an anomaly on the sea surface.
Предлагаемый способ осуществляют следующим образом.The proposed method is carried out as follows.
Во время движения носителя по выбранному прямолинейному маршруту (или галсу) производят регистрацию последовательности изображений морской поверхности с угловой высотой 5-7 градусов при наклонных углах визирования с помощью фотокамеры или видеокамеры с "захватом" линии горизонта, причем регистрация каждого последующего изображения происходит с некоторым перекрытием с предыдущим. Привязывают полученные изображения морской поверхности к топографическим координатам посредством навигатора системы GPS. При изменении курса носителя при переходе на другой галс меняется ориентация видимых волн, могут появляться солнечные блики и необходимо выбирать новые фрагменты изображения.During the movement of the carrier along the selected straight route (or tack), a sequence of images of the sea surface is recorded with an angular height of 5-7 degrees at oblique viewing angles using a camera or video camera with a "capture" of the horizon line, and each subsequent image is recorded with some overlap with the previous one. The obtained images of the sea surface are tied to topographic coordinates by means of a GPS navigator. When changing the course of the carrier when moving to another tack, the orientation of visible waves changes, sun glare may appear, and new image fragments must be selected.
Регистрация изображений при наклонных углах визирования позволяет определять угол визирования по изображению видимой линии горизонта, выбирать фрагменты изображения для анализа в различных участках кадра: в рассеянном свете неба, на периферии солнечной дорожки, где наблюдаются сильные контрасты поверхностных волн, а также получать информацию о пространственной неоднородности волнения по одному изображению за счет изменения положения фрагмента в изображении. Кроме того, этот способ съемки не требует наличия специально оборудованного воздушного носителя: съемку можно производить через иллюминаторы или открытые боковые двери (как в вертолете). Также таким способом можно регистрировать изображения поверхности моря с корабля.Recording images at oblique viewing angles makes it possible to determine the viewing angle from the image of the visible horizon line, select image fragments for analysis in different parts of the frame: in scattered sky light, at the periphery of the solar path, where strong contrasts of surface waves are observed, and also obtain information on spatial inhomogeneity unrest in one image by changing the position of the fragment in the image. In addition, this shooting method does not require a specially equipped air carrier: shooting can be done through windows or open side doors (as in a helicopter). It is also possible to record images of the sea surface from a ship in this way.
В качестве примера реализации предлагаемого способа на фиг. 1-9 приведено изображение морской поверхности, полученное с борта вертолета, и проиллюстрированы стадии обработки последовательности изображений, полученных за время одного галса воздушного носителя. Регистрация изображений проводилась через открытую боковую дверь вертолета. Для регистрации изображений морской поверхности использовалась видеокамера GoPro, регистрирующая изображения морской поверхности с интервалом 1 с (режим time lapse). Изображения регистрировались с определенным перекрытием, зависящим от угловых размеров поля зрения видеокамеры, от скорости носителя и от частоты кадров. В данном случае при скорости вертолета 150 км/ч «сдвиг» соседних изображений на морской поверхности составлял около 40 м. Так как высота полета составляла 500 м - 1 км и более, то на изображении морской поверхности в основном регистрировались только длинные энергонесущие поверхностные волны и зыбь. При наклонных углах наблюдения для регистрации коротких волн с такой высоты не хватало пространственного разрешения. Задачей данных полетов было исследование трансформации длинных энергонесущих волн и волн зыби в аномалиях на морской поверхности.As an example of the implementation of the proposed method in Fig. Figures 1-9 show an image of the sea surface obtained from a helicopter and illustrate the stages of processing a sequence of images obtained during one tack of an air carrier. The images were recorded through the open side door of the helicopter. To record images of the sea surface, a GoPro video camera was used, which records images of the sea surface with an interval of 1 s (time lapse mode). The images were recorded with a certain overlap depending on the angular dimensions of the video camera's field of view, on the media speed, and on the frame rate. In this case, at a helicopter speed of 150 km/h, the “shift” of neighboring images on the sea surface was about 40 m. Since the flight altitude was 500 m - 1 km or more, only long energy-carrying surface waves and swell. At oblique observation angles, there was not enough spatial resolution to detect short waves from such a height. The task of these flights was to study the transformation of long energy-carrying waves and swell waves in anomalies on the sea surface.
Определяют угол визирования камеры по положению линии горизонта в изображении, которую, в свою очередь, определяют по перепаду яркости изображения на границе моря и неба (см. фиг. 1). Знание угла визирования видеокамеры позволяет пересчитать координаты изображения на морскую поверхность, определить размеры и положение исследуемых фрагментов изображения на морской поверхности, определить длину и ориентацию длинных поверхностных волн.The viewing angle of the camera is determined by the position of the horizon line in the image, which, in turn, is determined by the difference in the brightness of the image at the border of the sea and sky (see Fig. 1). Knowing the viewing angle of the video camera allows you to recalculate the image coordinates to the sea surface, determine the size and position of the studied image fragments on the sea surface, and determine the length and orientation of long surface waves.
На изображении выделяют два фрагмента: большой фрагмент (верхний на фиг. 1) для спектрального анализа и определения относительной площади обрушений волн, и малый фрагмент (нижний на фиг. 1), расположенный ближе к надиру, для определения отношения спектральных яркостей морской поверхности. Фрагмент изображения для спектрального анализа выбирают исходя из следующих критериев: для обеспечения хорошего спектрального разрешения на нем должно укладываться порядка 10 периодов длинных поверхностных волн и он не должен попадать в область солнечных бликов. Положение малого фрагмента изображения выбирают таким образом, чтобы основной вклад в яркость морской поверхности вносило подповерхностное излучение моря. Для этого положение малого фрагмента выбирают как можно ближе к надиру (см. фиг. 1), где меньше всего вклад отраженного излучения неба в яркость поверхности, либо под углом Брюстера, где коэффициент отражения света неба для одной из поляризаций света равен нулю. При обработке последовательности изображений морской поверхности, полученных во время прямолинейного галса, положение всех выделяемых фрагментов изображения (фиг. 1) и спектрального фрагмента (фиг. 3) фиксируют и не меняют во время галса. Таким образом изменение спектра волн может происходить только при наличии аномалии на морской поверхности.Two fragments are distinguished in the image: a large fragment (upper in Fig. 1) for spectral analysis and determination of the relative area of wave breaking, and a small fragment (lower in Fig. 1), located closer to the nadir, for determining the ratio of spectral brightnesses of the sea surface. An image fragment for spectral analysis is selected based on the following criteria: to ensure good spectral resolution, it must contain about 10 periods of long surface waves and it must not fall into the solar glare region. The position of a small fragment of the image is chosen in such a way that the subsurface radiation of the sea makes the main contribution to the brightness of the sea surface. To do this, the position of the small fragment is chosen as close as possible to the nadir (see Fig. 1), where the contribution of the reflected sky radiation to the surface brightness is the smallest, or at the Brewster angle, where the sky light reflection coefficient for one of the light polarizations is equal to zero. When processing a sequence of images of the sea surface obtained during a rectilinear tack, the position of all selected image fragments (Fig. 1) and the spectral fragment (Fig. 3) is fixed and does not change during the tack. Thus, a change in the wave spectrum can occur only in the presence of an anomaly on the sea surface.
Затем вычисляют текущие значения и анализируют временные зависимости следующих четырех информативных признаков.Then the current values are calculated and the time dependences of the following four informative features are analyzed.
1. Интенсивности поверхностной волны.1. Surface wave intensities.
Для спектрального анализа выбирают зеленую составляющую большого фрагмента изображения морской поверхности (G составляющая изображения), так как эта составляющая самая интенсивная. Изображения морской поверхности характеризуются слабыми контрастами поверхностных волн, в частности, из-за подстилающей приповерхностной дымки при регистрации изображений с вертолета, большой средней яркостью морской поверхности, которая может меняться случайным образом по изображению при неоднородной подсветке или наличии на морской поверхности темных пятен (при сложной текстуре изображений). Спектральный анализ таких изображений характеризуется большим откликом на постоянную составляющую яркости изображений, который может "маскировать" искомые спектры волн. Поэтому большой фрагмент изображения морской поверхности предварительно обрабатывают, исключая постоянную составляющую яркости снимка и выравнивая контрасты волн по фрагменту (фиг. 2), после чего осуществляется спектральный анализ фрагмента (фиг. 3). Далее на спектре фрагмента идентифицируют спектры отдельных волн, существующих на морской поверхности.For spectral analysis, the green component of a large fragment of the sea surface image (G image component) is chosen, since this component is the most intense. Images of the sea surface are characterized by weak contrasts of surface waves, in particular, due to the underlying surface haze when images are recorded from a helicopter, high average brightness of the sea surface, which can change randomly in the image with non-uniform illumination or the presence of dark spots on the sea surface (with complex image texture). The spectral analysis of such images is characterized by a large response to the constant component of the image brightness, which can "mask" the desired wave spectra. Therefore, a large fragment of the image of the sea surface is pre-processed, excluding the constant component of the brightness of the image and aligning the wave contrasts over the fragment (Fig. 2), after which the spectral analysis of the fragment is carried out (Fig. 3). Next, on the spectrum of the fragment, the spectra of individual waves existing on the sea surface are identified.
Спектры отдельных волн могут быть «размазанными» из-за перспективных искажений волн в пределах фрагмента. В принципе, можно было бы использовать стандартную программу для исправления перспективных искажений изображения, однако, исправление перспективных искажений является нелинейной операцией и при малых оптических контрастах волн на уровне шумов изображений это исправление может внести неконтролируемые искажения в изображение волн и увеличить уровень шумов. Поэтому в приведенном примере обрабатывалось исходное изображение.The spectra of individual waves can be "smeared" due to perspective distortion of the waves within the fragment. In principle, it would be possible to use a standard program for correcting perspective distortions in an image, however, correcting perspective distortions is a non-linear operation, and with low optical contrasts of waves at the image noise level, this correction can introduce uncontrolled distortions in the image of waves and increase the noise level. Therefore, in the above example, the original image was processed.
Далее выбирают спектральный фрагмент, содержащий спектр длинной волны (фиг. 3). Спектральный фрагмент выбирают путем предварительного просмотра спектров отдельных выбранных изображений морской поверхности. Размер спектрального фрагмента выбирают с определенным «запасом», чтобы при изменениях спектр длинной волны не выходил за пределы спектрального фрагмента. В примере в спектре большого фрагмента изображения присутствует только одна длинная волна. В принципе, на морской поверхности может существовать несколько длинных волн. В этом случае выбирается несколько спектральных фрагментов соответственно спектрам отдельных волн и обработка спектров ведется для каждого спектрального фрагмента. Далее для получения значения интенсивности волны производят интегрирование спектра в пределах выбранного прямоугольного спектрального фрагмента. Затем по временной последовательности изображений морской поверхности формируют временную зависимость интенсивности поверхностной волны.Next, select the spectral fragment containing the spectrum of the long wave (Fig. 3). The spectral patch is selected by previewing the spectra of individual selected sea surface images. The size of the spectral fragment is chosen with a certain "margin", so that when changes are made, the long-wave spectrum does not go beyond the spectral fragment. In the example, there is only one long wavelength in the spectrum of a large image fragment. In principle, several long waves can exist on the sea surface. In this case, several spectral fragments are selected corresponding to the spectra of individual waves, and the spectra are processed for each spectral fragment. Further, to obtain the value of the wave intensity, the spectrum is integrated within the selected rectangular spectral fragment. Then, according to the time sequence of images of the sea surface, the time dependence of the intensity of the surface wave is formed.
На фиг. 4 приведена зависимость от времени интенсивности длинной волны в условных единицах, полученной путем интегрирования спектра в пределах спектрального фрагмента на фиг. 3, во время прямолинейного галса. По горизонтальной оси отложено время в секундах. Для построения этой зависимости обработано 420 изображений. Здесь во второй половине галса происходит увеличение интенсивности волны. Кроме того, анализ флуктуаций интенсивности на фиг. 4 показывает, что в середине галса наблюдается самая длительная и большая флуктуация интенсивности волны.In FIG. 4 shows the time dependence of the intensity of a long wave in arbitrary units, obtained by integrating the spectrum within the spectral fragment in FIG. 3 during a straight tack. The horizontal axis represents time in seconds. To construct this dependence, 420 images were processed. Here, in the second half of the tack, the wave intensity increases. In addition, the intensity fluctuation analysis in FIG. 4 shows that the longest and largest fluctuation of the wave intensity is observed in the middle of the tack.
2. Координаты максимума спектра поверхностной волны.2. Coordinates of the surface wave spectrum maximum.
Помимо интенсивности волн существует необходимость определения положения максимума спектра волн, который несет информацию о возможной трансформации длины волн и направления распространения волн во время галса. Эти трансформации могут быть обусловлены гидрофизическими возмущениями в области аномалии.In addition to the intensity of the waves, there is a need to determine the position of the maximum of the wave spectrum, which carries information about the possible transformation of the wavelength and the direction of wave propagation during the tack. These transformations may be due to hydrophysical disturbances in the region of the anomaly.
Алгоритм обработки спектров волнения заключается в формировании двух одномерных спектров волнения путем интегрирования спектра в пределах спектрального фрагмента по одной из частотных осей. В результате за время галса формируется два изображения, по вертикальной оси которых отложены спектральные точки, по горизонтальной оси отложено время, а яркость в условной полутоновой шкале - значения одномерных спектров, полученных интегрированием фрагмента спектра по горизонтальной или вертикальной оси, в условной полутоновой шкале. Такие изображения несут информацию о структуре спектра волнения: о законе спадания спектра, о нахождении максимума или максимумов спектра.The wave spectrum processing algorithm consists in the formation of two one-dimensional wave spectra by integrating the spectrum within the spectral fragment along one of the frequency axes. As a result, two images are formed during the tack, with spectral points plotted along the vertical axis, time plotted along the horizontal axis, and brightness in the conditional halftone scale - the values of one-dimensional spectra obtained by integrating a fragment of the spectrum along the horizontal or vertical axis, in the conditional grayscale scale. Such images carry information about the structure of the wave spectrum: about the law of spectrum decay, about finding the maximum or maxima of the spectrum.
Одномерные спектры вычисляются по частотным осям в выбранном спектральном фрагменте по следующей формуле:One-dimensional spectra are calculated along the frequency axes in the selected spectral fragment using the following formula:
где G(kx,ky) - спектр большого фрагмента изображения морской поверхности (фиг. 1), kx,ky - пространственные частоты по горизонтальной и вертикальной частотным осям. Размер спектра G(kx,ky) по осям пространственных частот определяется размером в пикселях анализируемого верхнего фрагмента на рисунке 1. Соответственно, пределы интегрирования в формулах для одномерных спектров Gx и Gy определяются размером спектра G(kx,ky) (количеством спектральных точек). В рамках линейной модели зависимости яркости изображения морской поверхности от уклонов волн спектр изображения будет пропорционален спектру волн:where G(k x ,k y ) is the spectrum of a large fragment of the sea surface image (Fig. 1), k x ,k y are the spatial frequencies along the horizontal and vertical frequency axes. The size of the spectrum G(k x ,k y ) along the axes of spatial frequencies is determined by the size in pixels of the analyzed upper fragment in Figure 1. Accordingly, the limits of integration in the formulas for one-dimensional spectra G x and G y are determined by the size of the spectrum G(k x ,k y ) (number of spectral points). In the framework of the linear model of the dependence of the sea surface image brightness on the wave slopes, the image spectrum will be proportional to the wave spectrum:
где 
На фиг. 5 и фиг. 6 приведены изображения временной изменчивости одномерного спектра, полученного путем интегрирования спектрального фрагмента по горизонтальной оси и по вертикальной оси (или частотно-временные спектры по двум осям координат). На рисунках по вертикальной оси отложены спектральные точки, по горизонтальной оси время в секундах, величина одномерного спектра отображается в относительной полутоновой шкале. На рисунках хорошо видны области максимумов спектров. Координаты максимумов для обоих одномерных спектров позволяют определить положение максимума двумерного спектра. На фиг. 5 происходит «дугообразное» изменение положения максимума спектра, причем максимальное смещение спектра достигается в середине галса. Такое поведение максимума спектра свидетельствует о наличии аномалии. На других галсах (в описание данные по ним не приведены) такое смещение спектра не зарегистрировано. Также на фиг. 5 и 6 наблюдается увеличение спектров в середине галса и постепенное увеличение величины спектров к концу галса. Следует отметить, что на фиг. 6 положение спектра в течение галса смещается вверх. Такой устойчивый тренд положения спектров можно интерпретировать как изменение кинематических характеристик длинной волны в течение галса, которое может быть вызвано, к примеру, изменением скорости ветра.In FIG. 5 and FIG. Figure 6 shows images of the temporal variability of a one-dimensional spectrum obtained by integrating a spectral fragment along the horizontal axis and along the vertical axis (or time-frequency spectra along two coordinate axes). In the figures, spectral points are plotted along the vertical axis, time is in seconds along the horizontal axis, the magnitude of the one-dimensional spectrum is displayed in a relative halftone scale. The figures clearly show the regions of the maxima of the spectra. The coordinates of the maxima for both one-dimensional spectra make it possible to determine the position of the maximum of the two-dimensional spectrum. In FIG. 5 there is an "arc-like" change in the position of the spectrum maximum, and the maximum shift of the spectrum is achieved in the middle of the tack. This behavior of the spectrum maximum indicates the presence of an anomaly. On other lines (data on them are not given in the description), such a spectrum shift was not registered. Also in FIG. 5 and 6, an increase in the spectra in the middle of the tack and a gradual increase in the magnitude of the spectra towards the end of the tack are observed. It should be noted that in FIG. 6 the position of the spectrum during the tack shifts upwards. Such a stable trend in the position of the spectra can be interpreted as a change in the kinematic characteristics of a long wave during a tack, which can be caused, for example, by a change in wind speed.
3. Относительная спектральная яркость морской поверхности.3. Relative spectral brightness of the sea surface.
Как известно, в общем случае при анализе яркости морской поверхности помимо отраженного излучения неба необходимо учитывать подповерхностное обратно рассеянное излучение. Это излучение формируется обратно рассеянным в толще воды излучением неба и солнца. Вклад этого излучения может быть незначительным при скользящих углах наблюдения, но он увеличивается при увеличении угла наблюдения, то есть ближе к оптическому приемнику и может быть определяющим при наблюдении вблизи надира. Также вклад подповерхностного излучения может быть значительным при наблюдении вблизи угла Брюстера, где коэффициент отражения света неба для одной из поляризаций света равен нулю. При этом величина и спектральный состав обратно рассеянного света определяются распределением гидрооптических характеристик воды по глубине. Как известно, в морях существует стратификация гидрооптических характеристик по глубине. Например, стратификация гидрооптических характеристик воды может быть связана с определенными микроорганизмами, которые располагаются слоями на определенных глубинах. Наличие подводной неоднородности может привести к перемешиванию различных слоев воды по глубине, что может привести к изменению спектрального состава подповерхностного излучения.As is known, in the general case, when analyzing the brightness of the sea surface, in addition to the reflected sky radiation, it is necessary to take into account the subsurface backscattered radiation. This radiation is formed by the radiation of the sky and the sun backscattered in the water column. The contribution of this radiation can be insignificant at grazing viewing angles, but it increases with increasing viewing angle, i.e., closer to the optical receiver and can be decisive when observing near nadir. Also, the contribution of subsurface radiation can be significant when observing near the Brewster angle, where the reflection coefficient of sky light for one of the light polarizations is equal to zero. In this case, the magnitude and spectral composition of backscattered light are determined by the distribution of the hydrooptical characteristics of water over depth. As is known, in the seas there is a stratification of hydrooptical characteristics by depth. For example, the stratification of the hydrooptical characteristics of water can be associated with certain microorganisms that are located in layers at certain depths. The presence of underwater heterogeneity can lead to mixing of different water layers in depth, which can lead to a change in the spectral composition of subsurface radiation.
Для вычисления относительной спектральной яркости морской поверхности, которая дает информацию об обратно рассеянном подповерхностном излучении моря, используют малый фрагмент изображения, расположенный как можно ближе к надиру (к носителю) либо под углом, близким к углу Брюстера, где меньше всего вклад отраженного излучения неба в яркость поверхности (фиг. 1).To calculate the relative spectral brightness of the sea surface, which gives information about the backscattered subsurface radiation of the sea, use a small image fragment located as close as possible to nadir (to the carrier) or at an angle close to the Brewster angle, where the contribution of the reflected sky radiation to the surface brightness (Fig. 1).
Для этого выбирают зеленую G и голубую В составляющие изображения, так как спектр подповерхностного излучения моря в основном сосредоточен в сине-зеленой области оптического спектра, и вычисляют отношения G и В составляющих яркости фрагмента изображения.For this, the green G and blue B components of the image are selected, since the spectrum of the subsurface radiation of the sea is mainly concentrated in the blue-green region of the optical spectrum, and the ratios of the G and B components of the brightness of the image fragment are calculated.
На фиг. 7 приведена зависимость от времени (в секундах) отношения G/B во время галса. В середине галса наблюдается аномалия, выражающаяся в уменьшении относительной спектральная яркость морской поверхности. Эта аномалия может быть обусловлена изменением стратификации приповерхностного слоя моря, например, под действием подводной неоднородности.In FIG. 7 shows the time dependence (in seconds) of the G/B ratio during the tack. In the middle of the tack, an anomaly is observed, which is expressed in a decrease in the relative spectral brightness of the sea surface. This anomaly may be due to a change in the stratification of the near-surface layer of the sea, for example, under the influence of underwater heterogeneity.
4. Относительная площадь обрушений.4. Relative area of collapses.
Относительную площадь обрушений для каждого изображения морской поверхности синхронно вычисляют по большому фрагменту изображения (верхнему на фиг. 1) по зеленой G составляющей изображения. Так как оптические изображения могут регистрироваться при разных условиях освещения, для приведения изображений к единому формату используют нормализацию изображений в пределах фрагмента изображения, которая включает в себя приведение к нулевому среднему (устранение тренда или постоянной составляющей яркости фрагмента изображения) и единичной дисперсии. Следует отметить, что при регистрации изображений морской поверхности с воздушного носителя падают контрасты обрушений из-за недостатка пространственного разрешения, наличия подстилающей дымки. Определение площади обрушений путем нормализации изображений позволяет компенсировать падение контрастов обрушений. При этом тренд вычисляют путем аппроксимации полиномом 3-го порядка яркости фрагмента изображения по горизонтальной координате для всех элементов по дальности. Полином 3-го порядка выбран из тех соображений, что достигается достаточная точность аппроксимации распределения яркости фрагмента, с другой стороны, увеличение порядка полинома приводит к большой вычислительной нагрузке. Затем формируют порог и на основе порогового алгоритма формируют изображение с одними обрушениями и вычисляют суммарную площадь обрушений в пределах фрагмента изображения. Для определения относительной площади обрушений используют нормировку (относительную площадь) вычисленной суммарной площади обрушений на площадь фрагмента изображения. Относительная площадь обрушений включает в себя как сами обрушения, так и пенные образования, остающиеся после обрушений (активную и пассивную части обрушений). Такой подход к вычислению площади обрушений позволяет регистрировать изменение относительной площади обрушений для каждого изображения. На фиг. 8 приведена временная зависимость относительной площади обрушений волн в процентах во время галса. Здесь примерно в середине галса наблюдается уменьшение относительной площади обрушений, что может быть связано с локальным «выглаживанием» волнения из-за наличия аномалии в приповерхностном слое моря.The relative area of breaking for each image of the sea surface is synchronously calculated from a large image fragment (upper in Fig. 1) from the green G component of the image. Since optical images can be recorded under different lighting conditions, to bring images to a single format, image normalization is used within an image fragment, which includes reduction to a zero average (elimination of a trend or a constant component of the brightness of an image fragment) and unit variance. It should be noted that when recording images of the sea surface from an air carrier, the contrasts of breakings decrease due to the lack of spatial resolution and the presence of underlying haze. Determining the area of collapses by normalizing the images makes it possible to compensate for the drop in contrasts of collapses. In this case, the trend is calculated by approximating the 3rd order polynomial of the brightness of the image fragment along the horizontal coordinate for all elements in range. The 3rd order polynomial was chosen from the considerations that a sufficient accuracy of approximation of the fragment brightness distribution is achieved, on the other hand, an increase in the order of the polynomial leads to a large computational load. Then a threshold is formed and, based on the threshold algorithm, an image with one collapses is formed and the total area of collapses within the image fragment is calculated. To determine the relative area of collapses, the normalization (relative area) of the calculated total area of collapses by the area of the image fragment is used. The relative area of collapses includes both the collapses themselves and the foam formations remaining after the collapses (the active and passive parts of the collapses). This approach to calculating the area of collapses allows you to register the change in the relative area of collapses for each image. In FIG. 8 shows the time dependence of the relative area of wave breaking in percent during the tack. Here, approximately in the middle of the tack, a decrease in the relative area of breaking is observed, which may be associated with local “smoothing” of the waves due to the presence of an anomaly in the near-surface layer of the sea.
И наконец, решение о наличии аномалии принимают при одновременном отклонении текущих значений не менее чем трех из этих информативных признаков от средних значений, вычисленных по последовательности изображений морской поверхности.And finally, the decision on the presence of an anomaly is made with the simultaneous deviation of the current values of at least three of these informative features from the average values calculated from the sequence of images of the sea surface.
Как видно из приведенного на фиг. 1-9 примера реализации предлагаемого способа морской поверхности по оптическим изображения, полученным с воздушного носителя (вертолета), за время прямолинейного галса над предполагаемой возмущенной областью моря все четыре информативных признака показали наличие аномалии примерно в середине галса: изменение интенсивности длинной поверхностной волны, изменение координат максимума спектра волны, уменьшение отношения яркости моря для зеленой и голубой составляющих изображения и уменьшение относительной площади обрушений. При этом яркость морской поверхности, которая вычислялась путем усреднения зеленой G составляющей яркости большого фрагмента (верхнего на фиг. 1) изображения, не менялась во время галса (фиг. 9), что свидетельствует о том, что выявить аномалию «невооруженным глазом» не представляется возможным.As can be seen from Fig. 1-9 of an example of the implementation of the proposed method of the sea surface, according to optical images obtained from an air carrier (helicopter), during a rectilinear tack over the alleged disturbed area of the sea, all four informative signs showed the presence of an anomaly approximately in the middle of the tack: a change in the intensity of a long surface wave, a change in coordinates maximum of the wave spectrum, a decrease in the ratio of sea brightness for the green and blue components of the image, and a decrease in the relative breaking area. At the same time, the brightness of the sea surface, which was calculated by averaging the green G component of the brightness of a large fragment (upper in Fig. 1) of the image, did not change during the tack (Fig. 9), which indicates that it is not possible to detect an anomaly with the “naked eye” possible.
Описанная обработка изображений морской поверхности может быть осуществлена в реальном времени. Таким образом, предлагаемым способом в середине галса была обнаружена малоконтрастная аномалия, обусловленная предполагаемой подводной неоднородностью, признаки которой отсутствовали на исходных изображениях морской поверхности.The described processing of images of the sea surface can be carried out in real time. Thus, by the proposed method, a low-contrast anomaly was detected in the middle of the tack, due to the supposed underwater heterogeneity, the signs of which were absent on the original images of the sea surface.
Преимущества предлагаемого способа заключаются в том, что он позволяет обнаруживать аномалии морской поверхности по их одновременным проявлениям на морской поверхности и в глубине моря. Способ позволяет обнаруживать аномалии за счет использования четырех различных информативных признаков аномалии. Привлечение дополнительных информативных признаков особенно существенно в тех случаях, когда один информативный признак не позволяет выделить аномалии с достаточной достоверностью. Кроме того, предлагаемый способ реализуется с помощью компактных и относительно дешевых пассивных оптических средств в режиме реального времени и не требует специального переоборудования носителя для осуществления съемки морской поверхности.The advantages of the proposed method lie in the fact that it makes it possible to detect sea surface anomalies by their simultaneous manifestations on the sea surface and in the depths of the sea. The method makes it possible to detect anomalies by using four different informative signs of an anomaly. The involvement of additional informative features is especially important in cases where one informative feature does not allow to identify anomalies with sufficient reliability. In addition, the proposed method is implemented using compact and relatively cheap passive optical means in real time and does not require special re-equipment of the carrier to capture the sea surface.
Можно отметить, что с небольшой корректировкой предложенный способ можно применять для определения аномалий морской поверхности и с неподвижного основания.It can be noted that with a slight adjustment, the proposed method can be used to determine the anomalies of the sea surface and from a fixed base.
Claims (1)
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2784788C1 true RU2784788C1 (en) | 2022-11-29 |
Family
ID=
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2817178C1 (en) * | 2023-09-05 | 2024-04-11 | Российская Федерация, от имени которой выступает ФОНД ПЕРСПЕКТИВНЫХ ИССЛЕДОВАНИЙ | Method for determining characteristics of sea surface anomalies caused by processes in near-surface layers of the ocean and atmosphere, based on its radar images |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU1121584A1 (en) * | 1982-04-15 | 1984-10-30 | Лаборатория аэрометодов Производственного геологического объединения "Аэрогеология" | Method for decoding picture of wavy sea surface |
| RU2582073C2 (en) * | 2014-07-01 | 2016-04-20 | Федеральное государственное казенное военное образовательное учреждение высшего профессионального образования "Военный учебно-научный центр Военно-Морского Флота "Военно-морская академия имени Адмирала Флота Советского Союза Н.Г. Кузнецова" | Method of detecting anomalies on sea surface in contactless radar method |
| RU2596628C1 (en) * | 2015-04-24 | 2016-09-10 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт аэрокосмического мониторинга "АЭРОКОСМОС" (НИИ "АЭРОКОСМОС") | Method of determining contamination of sea surface |
| RU2675072C1 (en) * | 2017-11-07 | 2018-12-14 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт аэрокосмического мониторинга "АЭРОКОСМОС" (НИИ "АЭРОКОСМОС") | Method for determining anomalies of sea surface |
| WO2020123402A1 (en) * | 2018-12-10 | 2020-06-18 | The Climate Corporation | Mapping field anomalies using digital images and machine learning models |
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SU1121584A1 (en) * | 1982-04-15 | 1984-10-30 | Лаборатория аэрометодов Производственного геологического объединения "Аэрогеология" | Method for decoding picture of wavy sea surface |
| RU2582073C2 (en) * | 2014-07-01 | 2016-04-20 | Федеральное государственное казенное военное образовательное учреждение высшего профессионального образования "Военный учебно-научный центр Военно-Морского Флота "Военно-морская академия имени Адмирала Флота Советского Союза Н.Г. Кузнецова" | Method of detecting anomalies on sea surface in contactless radar method |
| RU2596628C1 (en) * | 2015-04-24 | 2016-09-10 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт аэрокосмического мониторинга "АЭРОКОСМОС" (НИИ "АЭРОКОСМОС") | Method of determining contamination of sea surface |
| RU2675072C1 (en) * | 2017-11-07 | 2018-12-14 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт аэрокосмического мониторинга "АЭРОКОСМОС" (НИИ "АЭРОКОСМОС") | Method for determining anomalies of sea surface |
| WO2020123402A1 (en) * | 2018-12-10 | 2020-06-18 | The Climate Corporation | Mapping field anomalies using digital images and machine learning models |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2817178C1 (en) * | 2023-09-05 | 2024-04-11 | Российская Федерация, от имени которой выступает ФОНД ПЕРСПЕКТИВНЫХ ИССЛЕДОВАНИЙ | Method for determining characteristics of sea surface anomalies caused by processes in near-surface layers of the ocean and atmosphere, based on its radar images |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Holman et al. | cBathy: A robust algorithm for estimating nearshore bathymetry | |
| Liu et al. | Automatic super-resolution shoreline change monitoring using Landsat archival data: A case study at Narrabeen–Collaroy Beach, Australia | |
| US9639756B2 (en) | Visibility of targets on and below the ocean surface | |
| Pleskachevsky et al. | Synergy and fusion of optical and synthetic aperture radar satellite data for underwater topography estimation in coastal areas | |
| Vahtmäe et al. | Airborne mapping of shallow water bathymetry in the optically complex waters of the Baltic Sea | |
| Chybicki | Three-dimensional geographically weighted inverse regression (3GWR) model for satellite derived bathymetry using Sentinel-2 observations | |
| Slocum et al. | Combined geometric-radiometric and neural network approach to shallow bathymetric mapping with UAS imagery | |
| Tsukada et al. | UAV-based mapping of nearshore bathymetry over broad areas | |
| Wiehle et al. | Automatic bathymetry retrieval from SAR images | |
| Agrawal et al. | A comparative assessment of remote sensing imaging techniques: Optical, sar and lidar | |
| Wang et al. | 2014 summer Arctic sea ice thickness and concentration from shipborne observations | |
| Makboul et al. | Performance assessment of ANN in estimating remotely sensed extracted bathymetry. Case study: Eastern harbor of alexandria | |
| Dulov et al. | Spectral Contrasts of Short Wind Waves in Artificial Slicks from the Sea Surface Photographs | |
| Laporte et al. | Thirty years of Satellite Derived Bathymetry: The charting tool that Hydrographers can no longer ignore | |
| Abileah | Marine mammal census using space satellite imagery | |
| CN111561916B (en) | Shallow sea water depth uncontrolled extraction method based on four-waveband multispectral remote sensing image | |
| RU2784788C1 (en) | Method for determining sea surface anomalies from optical images | |
| Holland et al. | Remote sensing applications and bathymetric mapping in coastal environments | |
| Abileah | Mapping shallow water depth from satellite | |
| Mancini et al. | Automating nearshore bathymetry extraction from wave motion in satellite optical imagery | |
| Leder et al. | Optimal Conditions for Satellite Derived Bathymetry (SDB)—Case Study of the Adriatic Sea | |
| Tuell et al. | SHOALS-enabled 3D benthic mapping | |
| Pleskachevsky et al. | Estimation of underwater topography using satellite high resolution synthetic aperture radar data | |
| RU2794871C1 (en) | Method for determining characteristics of sea surface anomalies caused by processes in the near-surface layers of the ocean and atmosphere from its optical images | |
| Bostater et al. | Airborne imaging sensors for environmental monitoring & surveillance in support of oil spills and recovery efforts |