一种基于odp的海底沙波特征自动识别方法

一种基于odp的海底沙波特征自动识别方法
【专利摘要】本发明公开了一种基于ODP的海底沙波特征自动识别方法。该方法根据水深曲面的最优剖面方向求导并判定极值，以提取海底沙波脊线和谷线特征点，用于海底沙波特征线的自动识别与提取，并通过1）构建数字水深矩阵，2）构建最优方向矩阵，3）提取海底沙波特征等三大步骤实现了海底沙波的自动识别。经实测多波束水深数据测试验证，采用该方法自动识别的海底沙波特征线与人工识别特征线的相关系数可达80%以上，与传统方法相比自动识别准确率平均提升约30%，且勿需设置阈值，大幅提升了工作效率。该技术方法可推广应用到其他类型海底地形以及陆地地形的自动识别，在海洋测绘、海洋地理信息系统、计算机图形学和海底科学研究等方面具有重要的实际应用价值。
【专利说明】-种基于ODP的海底沙波特征自动识别方法

【技术领域】
[0001] 本发明涉及海底地形地貌制图、海洋测绘、海洋地理信息系统、计算机图形学和海 底科学等【技术领域】。

【背景技术】
[0002] 海底沙波是发育在近海陆架上的一种极常见的海洋地貌，沙波的迁移和运动可表 征海洋沉积环境的特征，也可能影响甚至妨碍人类活动，如可能掏空或掩埋铺设的海底管 线，淤浅航道港口，导致风电场的构筑物基础失稳等，可造成严重的海底灾害。因此，海底沙 波的研究对了解浅海沉积物输运，合理设计规划海洋工程提供有力的信息和支持。沙波具 有似波的形态，波峰和波谷以及由其在平面方向上连结而成的特征线脊线和谷线是描述其 形态特征的最基本参量，也是研究沙波迁移运动规律的基础。
[0003] 陆地山谷地形自动识别方面有多重方法，如：基于地表流水物理模拟的水文分析 法，基于地表几何形态的坡向分析法，以及综合运用分析法等。陆地山谷地形发育多受控于 构造运动，而海底沙波发育的主因是潮流和波浪，二者在几何尺度不可类比。因此难以简单 照搬这些方法进行海底沙波的识别。试验表明，应用上述方法提取海底沙波形态特征时对 于地形变化平缓和局部起伏差异大的区域，特征信息提取效果不佳。此外，分类阈值是这些 方法识别陆地地形特征的基础，但是目前阈值的选取还存在一些局限性，需要反复尝试且 易受主观因素影响，导致地形特征识别的自动化程度和工作效率降低。
[0004] 在海底沙波研究方面，已有一些研究成果，如："一种基于MBES的海底沙波地貌运 动探测方法（ZL. 201310317429. 9) "公开了一种基于多波束测深数据来识别海底沙波运动 的方法，"一种海底大型复杂沙波地貌的精确探测方法（ZL. 201310317430. 1) "公开了一种 基于剖面的海底沙波FFT分解与拟合方法。但这些方法均没提及如何自动识别海底沙波的 特征线，也就是海底沙波的脊线和谷线。
[0005] 因此，目前的陆地地形特征识别方法难以简单移植到海底沙波特征自动识别，对 于海底沙波的形态自动识别尚缺乏有针对性的方法。


【发明内容】

[0006] 针对现有地形识别方法强依赖阈值选取的局限性和识别率不高的问题，本发明公 开了一种基于0DP的海底沙波特征自动识别方法，具体而言是一种基于格网的海底沙波特 征线的最优方向剖面自动识别方法（〇DP，Optimally_Directional Profiling method):首先 基于水深曲面的最优剖面方向求导并判定极值，以提取海底沙波脊线和谷线特征点。
[0007] -种基于0DP的海底沙波特征自动识别方法，包括下列步骤：
[0008] 1)测绘数字水深矩阵
[0009] 1. 1)构建水深矩阵
[0010] 1. 1. 1)若无多波束离散水深数据，采用全覆盖测量方式获取多波束水深数据，经 数据编辑和改正处理后获取多波束离散数据集合MBES，进入步骤1. 1. 2);
[0011] 1. 1. 2)若有多波束离散水深数据集MBES，采用距离反比加权方法构建水深矩阵

【权利要求】
1. 一种基于ODP的海底沙波特征自动识别方法，其特征在于，包括下列步骤： 1) 测绘数字水深矩阵 1. 1)构建水深矩阵 1. 1. 1)若无多波束离散水深数据，采用全覆盖测量方式获取多波束水深数据，经数据 编辑和改正处理后获取多波束离散数据集合MBES，进入步骤1. 1. 2); 1. 1. 2)若有多波束离散水深数据集合MBES，采用距离反比加权方法构建水深矩阵
'其中G(i, j)为第i行第j列水深矩阵点，nx为矩阵总行数，ny为 矩阵总列数，i、j、nx、ny均为自然数； 1. 2)构建水深矩阵的数据索引 以水深矩阵
的行i为顺序，依次建立每行的数据索引IndeXi = id[m]中存储着水深矩阵D印th第i行的第m个有水深数值的格网所在列， η表示水深矩阵D印th第i行有水深数值的格网的个数，其中m和η均为自然数；
2) 构建最优剖面方向矩阵 2. 1)建立最优剖面方向矩阵 2. 2)建立步骤1. 1.2)所述的G(i，j)的四邻域窗口矩阵
2. 3)计算G(i，j)的最优剖面方向值
其中dx = [G(i，j-l)-G(i，j+1)]， dy = [G(i+1，j)-G(i-l，j)]，根据步骤 2. 3. 1)至 2. 3. 3)三种情况计算 Θ 值：
2. 3. 4)将步骤2. 3. 1)至2. 3. 3)中计算的最优剖面方向值Θ赋予a(i，j) = Θ ; 2.4)根据步骤1.2)所述的数据索引111(16^，提取对应的6(1，」），循环步骤2.2)至 2. 3)，建立完整的最优剖面方向矩阵Aspect ; 3) 提取海底沙波特征线 3. 1)确定求导方向 提取G(i，j)对应的最优剖面方向a(i，j)，a(i，j)如步骤2. 3)所述，根据步骤3. 1. 1) 至3. 1.4)确定对应G(i，j)的求导方向： 3. 1. 1)若a(i，j)在区间I或区间V，则沿y = 0方向求导； 3. 1. 2)若a(i，j)在区间II或区间VI，则沿y = X方向求导； 3. 1.3)若a(i，j)在区间III或区间VII，则沿x = 0方向求导； 3. 1.4)若a(i，j)在区间IV或区间VIII，则沿y = -x方向求导； 其中，区间1=(0°,22.5。]1^337.5。，360。]，区间11=(22.5。，67.5。]，区间 111=(67.5。，112.5。]，区间1￥=(112.5。，157.5。]，区间￥=(157.5。，202.5。]， 区间 VI =(202.5°，247.5° ]，区间 VII =(247.5°，292.5° ]，区间 VIII =(292.5°， 337. 5° ]； 3. 2)判定极值 3. 2. 1)构建G(i，j)的八邻域窗口矩阵B，：
3. 2. 2)建立极小值矩阵
Crest也称为沙波脊线
矩阵； 3. 2. 3)建立极大值矩阵 Trough也称为沙波谷 线矩阵； 3. 2. 4)根据下述步骤a)至d)来判断沙波特征： a) 当G(i，j)的沿y = 0方向求导时： i) 若[G(i，j)-G(i-l，j)] < 0 且[G(i，j)-G(i+l，j)] < 0,则 G(i，j)为极小值点， c(i, j) = 1 ； ii) b)若[G(i，j)-G(i-l，j)] > 0 且[G(i，j)-G(i+l，j)] > 0,则 G(i，j)为极大值 点，t(i, j) = 1 ; b) 当G(i，j)的沿y = x方向求导时： i) 若[G(i，j)-G(i-l，j+1)] < 0 且[G(i，j)-G(i+l，j-1)] < 0,则 G(i，j)为极小值 点，c(i, j) = 1 ; ii) b)若[G(i，j)-G(i-1，j+1)] >0 且[G(i，j)-G(i+l，j-l)] >0,则 G(i，j)为极大 值点，t(i, j) = 1 ; c) 当G(i，j)的沿x = 0方向求导时： i) 若[G(i，j)_G(i，j-1)] < 0 且[G(i，j)-G(i，j+1)] < 0,则 G(i，j)为极小值点， c(i, j) = 1 ； ii) b)若[G(i，j)-G(i，j-1)] > 0 且[G(i，j)-G(i，j+1)] > 0,则 G(i，j)为极大值 点，t(i, j) = 1 ; d) 当G(i，j)的沿y = -x方向求导时： i) 若[G(i，j)-G(i-l，j-1)] < 0 且[G(i，j)-G(i+l，j+1)] < 0,则 G(i，j)为极小值 点，c(i, j) = 1 ; ii) b)若[G(i，j)-G(i-1，j-1)] >0 且[G(i，j)-G(i+l，j+l)] >0,则 G(i，j)为极大 值点，t(i, j) = 1 ; 3.3)根据步骤1.2)所述的数据索引IndeXi，提取对应的G(i，j)，依次循环步骤3. 1) 至 3. 2); 3. 4)输出极小值矩阵Crest和极大值矩阵Trough。
【文档编号】G06F19/00GK104063614SQ201410315302
【公开日】2014年9月24日 申请日期:2014年7月3日 优先权日:2014年7月3日
【发明者】吴自银, 周洁琼, 赵荻能, 李守军, 尚继宏, 梁裕扬, 周勐佳 申请人:国家海洋局第二海洋研究所