一种基于Voronoi多边形的海底底质表示方法

海底底质对舰船航行、锚泊、登陆、铺设海底管线等海上活动具有重要的影响。文中提出了一种基于同质Voronoi多边形的海底底质分布可视化方法。通过构建Delaunay三角网,求取Voronoi多边形顶点,并依次排序顶点,从而生成构成Voronoi图。在Voronoi图的基础上,提出了同底质Voronoi多边形合并的具体算法,并处理与岸线相交的区域。实验表明,文中所提方法对于海底底质分布的可视化表达,比传统方法更为形象、直观。     

安全管道判断算法及其优化

结合射线法和环绕计数法的优点,提出了有向穿越计数算法,该算法更加高效且容易实现,可作为安全管道判断的首选方法。对3种特定类型的安全管道进行了有针对性的优化,其中单调多边形管道的时间复杂度提升到了O(log n)级别;通过建立基于概率分布的简单外部或内部边界,在绝大多数情况下只需一次判断,优化了平均时间复杂度;通过改变顶点排列顺序,将有向穿越计数算法扩展到环形管道。     

顶点成分分析算法在端元数目估计中的应用研究

确定端元数目是混合像元分解中端元提取的前提,目前端元数目主要还是通过图像处理人员目视判读来获取。 在研究顶点成分分析算法的原理和端元光谱之间在大多数情况下相互独立的基础上,提出一种基于顶点成分分析算法的端元数目估计方法。 通过在不同端元数目、对噪声的稳健性、图像大小不同时的实验表明,该方法能够比较正确、有效地估计图像中的端元数目,文中方法与其他端元数目估计算法及相关系数阈值的自动化确定问题还需要进一步研究。     

基于侧扫声纳图像海底目标物提取方法

分析了侧扫声纳数据成像原理,利用凹凸目标成像与阴影的关系,依次采用二值化处理、中值滤波处理、开启与闭合操作、Canny边缘提取等多种图像处理的手段,实现了海底目标物的提取与定位,并通过实验验证了本方法的可行性。     

面向海底成图基于DTM边界的等值线充填算法

提出一种基于DTM边界线的等值线矢量彩色充填图算法.算法在处理奇异格网点基础上跟踪并存储DTM边界线,通过边界点阵快速建立非封闭等值线与边界线间的双向联系,基于边界线建立非封闭等值线间的拓扑关系并顺序跟踪封闭多边形,通过多边形最小扩展框和转角法(或射线法)建立多边形间的嵌套关系.该算法已成功应用于海量多波束数据成图系统MBChart,解决了常用多波束后处理成图软件栅格充填与等值线之间的失配问题     

基于内侧缓冲区算法的多边形骨架线提取模型

多边形的骨架线其本质是对多边形的抽象描述,合理的提取多边形的骨架线能够准确描述多边形的形态。给出了内侧缓冲区算法的定义及特性,提出利用内侧缓冲区算法提取多边形骨架线的模型,并给出了提取骨架线的实验。     

基于Weis-Fogh机构新型船舶电力推进装置研究

在深入研究Weis-Fogh机构升力特性的基础上,设计了一种基于Weis-Fogh机构的新型船舶电力推进装置。该推进装置由两片平板翼组成,工作时两翼绕共同的转轴从闭合状态向分离的方向迅速旋转而产生推力。从理论上推导出推力和旋转角频率之间的函数关系,并且在系统平均推进效率最优的原则下,得到了Weis-Fogh机构最优的工作角频率。仿真结果证明了该装置理论上的可行性。     

卫星遥感融合中通量守恒重采样方法与其它常用方法的比较

对多卫星传感器数据进行融合,首先要将多个传感器数据通过重采样算法重新投影到标准网格上。本文运用一种基于多边形切割算法的通量守恒重采样算法对图像数据进行重采样,并将该算法与3种常用的重采样算法(最邻近插值法、双线性插值法、三次卷积插值法)在信息保真方面的性能进行了比较。将所比较的重采样方法应用于两幅具有代表性的图像,其中一幅为人造图像,用于定性比较各种采样方法在图像缩放中的采样精度;另一幅为某机场卫星遥感图像,用于评价各种重采样方法在旋转图像方面采样的性能,并以定量参数(相关系数及光谱真实性)比较各种采样方法。结果表明,通量守恒重采样法对原始图像的信息保真效果最好,更适用于卫星遥感图像数据融合中的重采样。     

复杂相带线内部井点判断方法研究

利用“点在多边形中”判断的基本原理,提出了在复杂相带线内部,通过判断垂直射线与多边形交点个数的奇、偶性来确定某一个井点是否在复杂相带线（多边形）内部的算法,解决了任何复杂相带线（多边形）与井点位置关系的判别问题。该算法在复杂相带线内部的井位判断和确定过程中,自动化程度高、准确,具有方便、灵活、实用的特点。目前该方法已在生产实践中进行了推广应用。     

一种使用卫星高度计数据且基于密度聚类的新型海洋中尺度涡自动探测算法

中尺度涡旋是海洋中典型的中尺度现象,是海洋中能量传递的运输者,中尺度涡识别与提取是物理海洋学研究的重要内容之一,而中尺度涡自动发现算法是最基础的用于寻找与分析中尺度涡的工具。中尺度涡旋探测工作的数据来源主要为卫星高度计数据融合出的SLA数据,该数据可以客观的描述海洋表层高度状态。中尺度涡表示为SLA闭合等值线所包围的局部等值区域,涡旋识别需要从SLA数据中提取出稳定的闭合等值线结构。针对基于SLA数据中的中尺度涡探测的特点,本文提出了一种新的基于聚类方法的中尺度涡自动识别算法,通过对SLA数据集的分割与筛选将中尺度涡区域与背景区域分离,后建立区域内联系并将其映射到SLA地图上来提取中尺度涡结构。本文算法解决了传统探测算法中参数设定的敏感性问题,不需要进行稳定性测试,算法适应性增强。算法中加入了涡旋筛选机制,保证了结果的涡旋结构的稳定性,提高了识别准确率。在此基础上,本文选取了西北太平洋及中国南海地区进行了中尺度涡探测实验,实验结果展示出了本文算法在较传统算法提高算法效率的同时,也保持着较高的算法稳定性,可以在稳定识别各个单涡结构的同时识别稳定的多涡结构。