排序方式: 共有92条查询结果,搜索用时 140 毫秒
41.
海底地形对开展海洋科学调查和研究十分重要。以多波束为主的回声测深技术测量成本高且效率低,几十年来仅实现了全球约20%的海床测绘。对于空白区(特别是深海区域),可以借助重力异常和重力垂直梯度异常进行回归分析反演得到,但该方法得到的比例因子鲁棒性不强。为了解决这一问题,同时考虑到两种重力数据在表征海底地形长短波长的不同优势,本文结合滑动窗口赋权和稳健回归分析来反演海底地形。在太平洋皇帝山海域(35°~45°N,165°~175°E)的实验结果表明:在船测检核点处,本文构建模型的标准差为61.02 m,相比于单一重力数据反演模型,精度分别提高了14.92%(重力异常)和2.08%(重力垂直梯度异常),能较好地反映皇帝海山链的地形走势。 相似文献
42.
海底底质的快速探测和精细划分对海洋工程建设 、海洋资源开发等具有重要意义。多波束探测是目前声学底质遥测 的有效手段之一, 通常提取多波束反向散射强度图像和地形数据中的多维特征结合分类器进行底质分类。一方面, 若特征空 间维数过高, 分类效率会显著降低; 另一方面, 个别特征容易放大原始数据处理过程中仍存留的异常现象。针对这一问题, 本文提出了一种结合 Re1iefF 算法和随机森林 (Random Forest, RF) 算法的多波束底质分类方法。提取反向散射强度和地形 共 16 维特征, 利用Re1iefF 算法进行特征筛选, 排除低相关性特征, 降低特征空间维数, 结合采样点数据进行模型训练以构 建多波束底质分类模型。试验结合随机森林算法对未经特征筛选 、经主成分分析 (Principa1 Component Ana1ysis, PCA) 特征 优化后的特征进行分类实验作为对比。本文方法 Kappa 系数达到 85%, 分类总精度高于 90%, 精度具有明显优势, 耗时也 比较短。可见, 本文提出的结合 Re1iefF 和随机森林模型的多波束底质分类方法可以在保证分类精度的同时对多维特征进行 优化, 有效地提高了分类效率, 可对海底底质分类研究提供参考。 相似文献
43.
44.
基于严密波束归位模型的多波束测深点不确定度改进方法 总被引:1,自引:0,他引:1
利用不确定度可有效对多波束测深成果质量进行评估,针对现有不确定度计算模型因近似或简化导致一定误差的问题,本文提出一种基于严密波束归位模型的多波束测深点不确定度改进方法。首先分析了多波束测深过程中的各项误差源,基于误差传播定律与严密波束归位模型,详细推导了各误差源在波束归位各阶段的误差传播情况,最终得出了多波束测深成果不确定度的计算模型。文中利用实测数据计算了每个测深点的不确定度,绘制了单Ping扇面及条带的不确定度分布图,有利于直观、全面地了解所有测深点的误差变化趋势;计算结果与常用HGM不确定度模型进行了对比,表明本文方法更具合理性,对多波束测深成果的质量评估具有一定的参考价值。 相似文献
45.
船载多传感器综合测量系统集成了三维激光扫描仪、多波束测深仪、GNSS、IMU、传感器稳定平台等传感器,采用非接触式的测量方式同步获取水上水下地形,在海岸带和海岛礁测绘中有巨大的应用价值。由于测量瞬时数据量大,系统点云实时显示是采集软件的重要组成部分。在有效地控制时间同步的前提下,优化数据融合效率,采用VTK(visualization toolkit)技术实现了海岸线上下一体化点云实时显示,有效地提高了系统的信息挖掘能力和现场决策支持能力,最终实现了水上水下一体化测量。 相似文献
46.
47.
48.
基于灰度直方图和几何特征的声纳图像目标识别 总被引:2,自引:0,他引:2
目标形状因子和长、宽、高等几何特征,与目标类别具有很大的关系,而灰度直方图也是目标物理特性的直接表现。根据采用马尔可夫随机场理论分割后的声纳目标和阴影图像,利用其灰度直方图曲线进行目标的聚类分析,再利用几何特征进行类别识别,经实测的数据验证,取得了较好的效果。证明该方法可有效表征不同目标的物理特性,从而区分不同类别的目标,避免了目标绝对反向散射强度的复杂计算,增强了抗噪性。以搜寻目标的几何特征为输入参数,可迅速锁定要搜寻的目标,借助其它探测手段,实现目标的自动识别。 相似文献
49.
两种基于贝叶斯点估计理论的多声源定位方法研究 总被引:1,自引:1,他引:0
海洋环境参数失配是制约匹配场定位性能的主要因素之一。为了克服环境失配,本文基于贝叶斯理论,将环境参数与声源的距离和深度一起作为未知量进行反演。然而在进行多声源定位时,反演参数的维数几何增长,极大地增加了反演问题的复杂性和计算量。为此本文将声源强度和噪声方差表示成其极大似然估计值,从而将这些参数进行隐式采样,大大降低了反演的维数和难度。文章比较了两种贝叶斯点估计方法,最大后验概率密度方法和最大边缘后验概率密度方法。最大后验概率密度方法的解是令后验概率密度取得最大值的参数组合,可以利用优化算法快速获得。最大边缘后验概率密度法将其他参数积分,得到目标参数的一维边缘概率分布,分布的最大值为反演结果。该方法得到最优估计值的同时可以获取参数估计的不确定信息。在环境参数和声源参数都未知的情况下,利用蒙特卡洛法在不同信噪比情况下对两种声源定位方法进行分析,实验结果表明:(1)对于敏感参数,如声源距离、水深和海水声速,最大边缘后验概率密度法比最大边缘后验概率密度方法的性能好。(2)对于较不敏感的参数,如海底声速、海底密度和海底声衰减,当信噪比较低时,最大边缘后验概率密度方法能较好地平滑噪声,从而比最大边缘后验概率密度法具有更好的性能。由于声源距离和深度是敏感参数,研究表明最大边缘后验概率密度法提供了一种在不确知环境下更可靠的多声源定位方法。 相似文献
50.
针对可视化方法求取过程中受人眼观察比对的个体差异性以及多波束散点数据可视化显示形式的双重影响,两多波束条带人眼对齐误差较大,直接影响最终校正参数的计算精度问题,该文提出了基于两步法的多波束校正参数可视化精准计算方法,引入了多波束条带数据的自动对齐判断。首先依据两个多波束条带数据的几何关系,进行校正参数的粗校正计算;然后基于粗校正计算的估值,以抽样偏差最小为依据自动判断两条带数据是否对齐,实现校正参数的自动精确校正计算。实验结果表明,两步法计算多波束校正参数避免人眼视觉对齐带来的误差,有效地提高了校正参数可视化计算的自动化程度和计算精度。 相似文献