基于拉依达准则的自适应小波阈值选取方法

根据潜艇磁异常目标信号持续时间短、海浪磁场噪声依赖于时间和位置的特性,应用拉依达准则提出了一种有效区分海洋背景磁噪声和磁目标信号的自适应小波阈值选取方法。采用不同小波阈值选取法对含有海洋背景噪声的潜艇磁目标信号进行降噪处理,通过对比各阈值法降噪后的峰值信噪比(PSNR)和均方误差(MSE),验证了本文提出的自适应小波阈值选取方法的有效性。     

基于船载雷达图像的海上船只检测方法

随着雷达成像技术和高分辨率光栅显示技术的发展和应用,基于船载雷达图像的船只检测成为可能.海上船只检测的主要困难之一是雷达图像中包含固有的海面背景杂波.传统的雷达船只检测方法,如恒虚警率法(CFAR),以杂波分布模型为基础,计算待检测窗口中的信号统计分布来确定自适应阈值,取得了一些成果.但是,当海面背景杂波和船只目标的回波强度在同一数量级,甚至船只目标淹没在海面背景杂波中时,就难以确定一个有效的阈值将船只目标从雷达图像中提取出来.在分析海面背景杂波和船只目标的相关差异性基础上,提出了一种基于船载雷达序列图像的海上船只快速检测方法.该方法首先对相邻两幅图像进行互相关性分析,在两幅图像中的同一位置提取一定尺寸的移动窗口,计算其互相关函数值,窗口移动一个步长,重复操作直至遍布整幅图像,形成一幅由灰度图像互相关函数值组成的相关图像.然后使用概率神经网络模型(PNN模型)来估计相关图像背景杂波的灰度概率密度分布函数(PDF),应用CFAR技术,使用二分法求解一个区分船只和背景噪声的自适应整体阈值,并根据阈值将相关图像二值化,其中大于阈值的像元作为候选的船只目标信息,小于阈值的像元则为海面背景杂波.最后使用连通性8-邻域准则统计各个候选船只目标区域的像元数,并与预先定义的最小船只目标像元数进行比较,偏小的候选船只目标区域作为虚警去除,保留下来的候选船只目标区域即为船只检测结果.研究显示,如果图像序列中没有船只目标信息,则三维相关图像比较平整.相反,如果图像序列中含有船只目标信息,则三维相关图像上有峰值被检测出,通过测量峰值的高度,就能判断存在可能的船只目标.运用X波段船载雷达序列图像对本文提出的海上船只检测方法进行了测试.测试结果表明,该检测方法具有很好的船只检测效果,得到的船只检测结果与目视判别的结果一致.而且该检测算法原理简单,计算速度快,易于实时处理,具有广阔的应用前景.     

一种增强型YOLOv3的合成孔径雷达(SAR)舰船检测方法

近年来,海战场成为现代战争的主要作战区域之一,舰船目标逐渐成为海上重点监测对象,能否快速准确地识别海战场舰船目标的战术意图,给指挥员的决策提供必要的支持,这关系到一场海上战役的成败。随着合成孔径雷达(synthetic aperture radar, SAR)成像技术的不断发展,大量SAR图像可用于舰船目标检测与识别。利用SAR图像进行舰船目标检测与识别,已经成为重要的海洋应用之一。针对传统SAR图像舰船检测方法准确率较低的问题,本文在YOLOv3的基础上,结合感受野(receptive fieldblock,RFB)模块,提出一种增强型的SAR舰船检测方法。该方法在最近公开的SAR图像舰船检测数据集上平均准确率值达到了91.50%,与原YOLOv3相比提高了0.92%。实验结果充分表明本文提出的算法在SAR舰船的检测中具有较好的检测效果。     

基于形状特征的XBT探头检测与识别研究

为改进国产投弃式温深仪(XBT)的下降速率公式,拟采用基于图像处理的方法测量其下落过程中的运动参数并分析,为此要实现XBT探头的自动提取。为实现视频图像中XBT探头的自动检测识别,提出了一种基于形状特征的目标检测识别算法。首先通过背景差分法去除背景噪声并阈值分割,采用连通区域的标记算子将二值图像标记为互不连通的待识别区域。然后提取连通区域的偏心率、致密性以及标记图构造描述目标的特征向量,通过计算各连通区域的特征评价函数,利用模糊综合评价方法识别XBT探头。最后对研究方法进行了物理实验验证。实验结果表明:用模糊综合评价方法能较好地在复杂背景下实现目标的识别,能够有效地在序列图像中准确的检测识别出XBT探头目标,为XBT运动参数的测量打下了基础。     

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。     

SAR图像分块CFAR迭代的极地冰山检测

通过迭代CFAR算法,本文发展了一种针对分块SAR图像的冰山检测方法。考虑到滑动窗口运算负担大、计算效率低,首先对SAR图像进行分块,以提取分块内的亮目标冰山。利用高斯模型表征后向散射系数的统计分布,冰山检测阈值可简单地表达为均值和方差的线性组合,将分块内像素逐个比对阈值以检测冰山。考虑到同一场景中尺寸变化大的冰山影响检测精度,以识别的冰山像素做种子执行区域生长,从而提取大尺寸的冰山。针对单个分块迭代上述处理,以降低高斯模型表征分块统计分布的误差,提高冰山检测精度。利用2013年11月22日和29日获取自极地海域的两景RADARSAT-2图像开展验证试验。结果表明,数量多、尺寸变化大并嵌入在海冰等极地常见情形下的冰山,能被文中方法有效识别,选取区域内正确率高达85%以上,且具有良好的运行效率。     

基于动量自适应BP神经网络的鸢乌贼模式识别

近年来, 计算机模式识别技术因其识别结果准确、快速, 而不断被用于生物判别邻域。本文利用MATLAB软件实现动量自适应BP神经网络(back propagation neural networks)对西北印度洋、中东太平洋和南海3个海区的鸢乌贼角质颚及其胴长进行模式识别。研究结果显示, 训练成型的神经网络收敛误差仅为4.416×10^-2, 加入动量和自适应学习率的BP神经网络对鸢乌贼地理种群的识别率有显著提高。3个海区的正确识别率分别为100%、88.89%和94.12%, 总成功率为 93.24%, 说明角质颚外部形态和胴长可用于鸢乌贼地理种群的区分。而BP神经网络的其他学习算法, 如梯度下降法、单一动量法和单一自适应法的总识别率分为74.32%, 77.03%和87.84%。本研究的识别效果稳定, 对于大样本训练集的识别率也高达92.77%, 为头足类的种群判别提供了新的方法和思路。     

综合指标叠套方法在海上雷暴预报中的应用

在前人研究陆上雷暴的经验基础上,采用综合指标叠套的方法,探讨不同海域雷暴的影响因子及其预报。选取的预报参数主要包括温度露点差、相对湿度、层结稳定度、对流有效位能、抬升指数、BOYD指数、全总指数、K指数、SWEAT指数、SWISS00、水汽通量散度等15个指标,并分区域确定各自的阈值。对2013年6月东海和南海区域雷暴进行试预报,准确率可达到70%以上,且有效减少漏报率。可见,选取的预报因子及其阈值是有效的,综合指标叠套方法用于海上雷暴的预报是可行的。     

基于多源卫星遥感的渤海海上油气平台识别

针对海上油气平台信息不足的问题,开展多源卫星遥感的油气平台识别方法研究。基于Landsat-8光学遥感影像(2018—2021年)应用阈值分割法、K-means分类法和最大似然分类法分别识别出渤海海域油气平台136座、166座和113座;基于Sentinel-1 SAR影像(2018—2021年)应用阈值分割法识别出油气平台338座;对上述结果进行决策级融合,识别出渤海油气平台428座。利用ZY-3高分辨率影像对融合方法的识别结果进行验证,结果显示识别油气平台的正确率达到85.2%,错判率、漏判率分别为10.9%和3.9%;油气平台位置与相关文献和公开资料一致。研究结果表明,决策级融合方法能够实现海上油气平台的有效判别,具有推广、应用价值。     

基于MTSAT卫星的我国东部沿海雾区的自动识别

本文综合运用可见光反射率阈值法,3×3像元空间一致性检测法,红外亮温阈值法及双通道差值法,建立全天候海雾遥感监测算法,并利用MTSAT卫星资料,对2006年4～5月间我国东部沿海海雾进行个例监测试验,并进行卫星图象的目视真实性检验.监测结果表明,该方法能较好地实现云雾自动分离.在夜间,能有效分离低层云雾和晴空像元;当出现逆温雾时,雾仍可以被有效地判识出来.     

改进的WOA-VMD算法在水声信号去噪中的应用

本文提出一种针对非平稳水声信号的改进WOA-VMD小波阈值去噪方法,首先,引入余弦收敛因子和自适应权值提升鲸鱼优化算法(WOA)的精度,然后利用WOA选取水声信号变分模态分解(VMD)的最佳参数组合。引入一种可调阈值函数克服传统阈值函数量化过程的缺陷,考虑到不同分解尺度下噪声小波系数的衰减特性,采用分层阈值法对有效信号分量进行去噪处理。通过仿真实验和实测数据的降噪分析,证明了该方法的有效性和应用价值,新方法的去噪性能优于其他方法。     

基于鱼体运动特征和图像纹理特征的鱼类摄食行为识别与量化

针对水产养殖中的精准投喂问题,以大西洋鲑(Salmo salar)为研究对象,提出一种基于鱼体运动特征和图像纹理特征的鱼群摄食活动强度量化方法,进行鱼类摄食行为识别研究。利用自适应背景差分及光流法得到运动鱼体的速度、转角,并通过信息熵统计速度和转角的分布,之后通过灰度共生矩阵提取能量、熵、对比度、相关性和逆差距5个图像纹理特征值。最后,结合鱼体运动特征及图像纹理特征,对鱼类摄食行为进行识别和检测。实验结果表明,该方法的识别准确率达到了94.17%,相较于单一特征检测本研究的检测精度更高。     

台风“摩羯”与“温比亚”环流中龙卷小尺度涡旋特征及可预警性分析

利用多普勒天气雷达探测资料,结合常规气象观测资料和天气实况及灾情调查,对2018年8月14日台风"摩羯"(1814)和8月19日台风"温比亚"(1818)产生龙卷的环境物理量及龙卷风暴强度结构特征进行了分析,对诱发龙卷和未诱发龙卷的小尺度气旋性涡旋特征进行了对比。结果表明:两次台风减弱低压东北象限是龙卷发生的关键区,低层高湿,强的低层垂直风切变和大的相对风暴螺旋度是关键物理量;龙卷出现时都伴有ΔV20. 0 m·s~(-1)的小尺度气旋性涡旋,且基本出现在2. 0 km高度以下,但并不是所有这种低层小尺度气旋性涡旋都能诱发龙卷;以ΔV20. 0m·s~(-1)为阈值,龙卷识别具有较高的命中率,识别准确率为31. 8%,空报率为67. 4%,漏报率为6. 7%;约35. 7%的龙卷没有识别时间提前量,半数龙卷几乎没有预警时间提前量。     

海洋磁力测量中不同小波母函数的阈值消噪方法性能分析

首先介绍了小波阈值消噪的基本原理,认为小波阈值消噪的性能受三方面因素的影响:(1)小波母函数的选择;(2)阈值方法的选择;(3)阈值函数的选择.为了寻找小波母函数、阈值估计和阈值函数的最优组合,文中以实测海洋磁力测量数据为背景,采用小波阈值法进行消噪,把得到的磁异常值作为"真值".仿真了波浪噪声和随机噪声并加入到"真值"磁异常中,作为噪声磁异常.在此基础上采用两种小波族系(Symlets,Daubechies)、四种阈值选取方法和软、硬阈值函数对噪声磁异常进行了基于小波变换的消噪计算,客观分析了不同组合方法的消噪精度和可靠性.实际计算结果表明:对磁异常突变点较多且分布杂乱的测线进行消噪,Sym6、软阈值函数、混合阈值或基于Stein无偏似然估计消噪效果最好;对磁异常突变点少且大部分光滑的测线进行消噪,db7、基于Stein无偏似然估计和软阈值函数的消噪效果最好.     

基于经验模态分解和小波阈值的自适应降噪方法

针对全波形三维激光测绘雷达(LiDAR)在数字地形测量中如何降低背景噪声问题,提出了一种基于经验模态分解(EMD)和小波阈值的自适应降噪方法.在扫测的地形信号经EMD分解后,计算内蕴模式函数(IMF)与经过2/3阶重构的扫测信号之间的互相关函数,从而改善小波阈值自适应地对IMF中的高频噪声成分进行滤除.实验结果表明,与...     

基于Himawari-8数据的夜间海雾识别

海雾是一种发生在海面的灾害性天气现象,掌握海雾的分布与生消变化,能有效地减少海雾带来的危害。卫星遥感观测具有近实时、大范围覆盖、连续观测等特点,特别是高时间分辨率的静止卫星观测系统,能够对海雾的发生?发展?消亡过程进行动态跟踪观测。本文以2018?2019年黄、渤海发生的海雾事件为样例,利用日本静止气象卫星Himawari-8（H-8）红外辐射数据,分析海雾的多通道红外亮温辐射特性,通过不同波段差和波段比组合,定义海雾和晴空水体分离指数、海雾和一般云系分离指数、多通道亮温差斜率指数以及中红外亮温纹理指数,提出基于多指数概率分布的夜间海雾监测算法;算法分别应用于H-8和韩国静止气象卫星GEO-KOMPSAT2A（GK-2A）数据,对2020年2?6月发生的6次海雾事件多时次卫星观测识别出的海雾位置分布和覆盖面积进行对比实现互验证,结果表明,本文提出的夜间海雾监测算法能有效地实现夜间海雾的识别;选择2020年4月29日夜间H-8和GK-2A 每10 min一次连续观测数据的监测结果,对海雾的发生区域进行跟踪分析,清晰地展现出此次海雾事件的发生、发展演变过程,说明算法能清楚地监测出各时段海雾的分布,跟踪海雾的发展变化,可为海上大雾的防灾减灾提供科学依据和决策基础。     

基于密度峰值聚类的中尺度涡轨迹自动追踪方法

中尺度涡信息的提取包括涡旋的识别和轨迹追踪,其自动识别与追踪对于基于海量数据的中尺度涡分析十分重要。传统涡旋轨迹自动追踪方法一般需要预先设定搜索半径的阈值,存在一定的主观性。针对传统中尺度涡轨迹追踪方法存在的问题,论文从聚类的角度出发,提出基于密度峰值聚类算法实现对涡旋轨迹的自动追踪,并以南海中尺度涡追踪为例,将基于聚类的追踪算法与传统的相似度追踪算法进行比较分析。结果表明:（1）基于密度峰值聚类算法,可实现对海洋中尺度涡的自动追踪,该算法涡旋追踪准确率优于传统相似度算法;（2）该涡旋追踪算法对资料的完整性依赖度较低,特别是对于存在部分缺损数据的情况仍能较准确追踪;（3）该追踪算法克服了传统涡旋追踪算法需要预先设定搜索半径阈值的问题,自适应性更强。     

基于粒子群优化算法的PSO-BP海底声学底质分类方法

利用粒子群优化算法（PSO）较强的鲁棒性和全局搜索能力等优点,将PSO算法与BP神经网络相结合,优化了BP神经网络分类时的初始权值和阈值。基于珠江河口三角洲的侧扫声呐图像数据,提取了海底声呐图像中砂、礁石、泥3类典型底质的6种主要特征向量,利用PSO-BP方法对海底底质进行分类识别。实验表明,3类底质分类精度均大于90%,高于BP神经网络70%左右的分类精度,表明PSO-BP方法可有效应用于海底底质的分类识别。     

基于L-THIA模型与3S技术的大亚湾陆域非点源总氮污染研究

以大亚湾为研究对象,采用3S(GIS、RS和GPS)技术划分了汇水区范围并处理获得土地利用、土壤水文单元及降水等下垫面信息,运用L-THIA模型(Long-term Hydrologic Impact and Non Point Source Pollutant Model)构建了总氮(TN)这一指标的大亚湾汇水区非点源污染模型,并通过径流量与负荷量模拟结果与不同方法计算结果的比对验证了模型的合理性。结果表明,大亚湾陆域非点源TN年均负荷量为2 559 t;土地利用类型中耕地、建设用地和园地的负荷量和单位面积流失强度均较高,是TN流失的主要土地利用类型;汇水区涉及的11个镇(街)中惠州市稔山镇、平海镇对TN负荷量的贡献合计超过50. 0%,占据了77. 7%的TN流失关键源区,是非点源污染防治需重点关注的区域。来源贡献的定量识别和关键源区的空间识别为大亚湾陆域非点源TN污染的有效控制提供了重要的科学依据。     

河流相砂体边界预测方法研究

海上油田开发中后期,识别并预测河流相砂体边界是老油田剩余油挖潜中亟待解决的重点问题.由于海上井点少、井距大,砂体尺度小、散度大;密井网条件下的测井方法和常规砂体边界地震识别方法并不适用.基于能反映砂体横向展布的地震属性,使用联合双边滤波、Otsu自适应阈值处理方法及形态学算法改进Canny算子,进行河流相砂体边界的预测...