基于四叉树的多波束水深数据快速检索方法

针对水下地形测量仿真器中的多波束测深结果仿真环节中,对海量已知水深点云数据进行处理时存在的检索效率低、内存占用大的问题,设计了一种基于四叉树的数据处理方案。以四叉树数据结构并采用序列化方式存储索引文件,提高点云数据的检索效率;通过内存映射的方法读取海量点云数据,减少内存占用。数据实验表明:相对于常见的遍历检索,在检索点云数不超过总点云数的约四分之三时,四叉树水深点云检索效率提高了1倍以上;在检索点云数越少,总点数云越多时,四叉树水深点云检索的效率最多可提升30倍以上。基于四叉树的数据处理算法可有效地提高点云数据的检索效率,适合于多波束测深结果仿真过程中的海量点云数据的处理。     

2016—2017年夏季舟山近岸海域富营养化程度与浮游植物多样性

文章根据2016-2017年夏季的调查资料,对2016-2017年夏季舟山近岸海域富营养化状态及浮游植物进行分析。结果表明:2016-2017年夏季舟山近岸海域富营养化程度较高,且由近岸至外海递减;浮游植物群落主要由硅藻和甲藻组成,其密度、多样性指数均由近岸至外海递增;受其他因素影响,富营养化程度与浮游植物多样性关系的规律性不显著。     

北海狮水下声信号类型分析

以水族馆内圈养的北海狮为研究对象,利用长达29 h的连续被动声学观测数据,对北海狮水下声信号类型进行了研究。共检测出22 689个水下声信号,对时长、最小频率、最大频率和峰值频率这4个声学参数采用聚类分析方法将信号分为10种类型:单脉冲(SP)、哨声(WS)、咕咕声(GG)、咚咚声(DS)、狗吠声(BK)、吼叫声(WY)、嗡嗡声(BZ)、撞击声(BG)、单频声(SF)以及咩咩声(BT)。该分类方式涵盖了北海狮92.6%的水下发声。北海狮水下声信号时长的均值为5~1 244 ms,峰值频率一般小于10 kHz。10种类型信号的占比各有不同,BK,BT和BG信号的比例较高;SP,WS和BZ信号的比例次之;DS,WY,SF和GG信号的比例较低。对北海狮水下声信号类型的分析能帮助了解北海狮的声行为特征,对野外北海狮的声学观测具有重要的指导价值。     

可视化水下航行体控制系统数学仿真软件设计

提供一种水下航行体控制系统数学仿真软件的设计方案,在该仿真软件平台上可以完成水下航行体控制系统数学仿真研究、水下航行体水动力参数辨识实验和实航内测数据及仿真实验结果三维可视化显示。详细设计了该软件包含的 4 大模块：水下航行体数学模型及仿真模型模块、控制算法模块、流体动力参数辨识模块和图形界面人机交互模块,并对仿真模型的配置做了简单介绍。     

一种基于锚系垂直阵列的水下移动目标警戒方法

提出了一种基于锚系垂直阵列的对水下移动目标警戒的方法,论述了基于锚系垂直阵列时频瞬态特性探测和空间相关性探测的原理。利用海洋环境与目标噪声在时-频域与空间上的差异,对水下移动目标探测警戒,探测概率高且计算相对简便。垂直阵列悬挂于锚系潜标的系留缆或直接作为潜标的系留缆,布放机动灵活、适应水深范围广,可用于对水下移动目标的长周期、定点、大范围实时监测。     

高分一号的浮筏养殖信息提取方法

针对浮筏海水养殖遥感信息自动提取业务化应用难度较大的问题,该文提出一种光谱、纹理特征结合的支持向量机(SVM)算法,高效提取海水、养殖物。基于国产高分一号(GF-1)高分辨率卫星影像数据,以江苏省连云港近岸海域为研究区域,以海水、养殖物作为为分类对象,采用主成分变换筛选信息量大,较好地保留浮筏水产养殖信息的前8个主成分分量开展分类实验。实验结果表明:将纹理特征应用于浮筏养殖物信息提取方法中,可以提高养殖物分类精度,与最大似然估计、最小距离方法分类方法比较,总体分类精度提升了3%～5%。研究结果可为浮筏养殖用海遥感监测平台构建提供基础技术支持。     

基于恒虚警检测的图像声呐目标跟踪

无人化、智能化的目标探测与跟踪是未来水下探测的必然趋势。针对水下移动小目标,通过固定位置的声呐接收的角度与距离二维信息,提出了一套自动跟踪方法。首先,对图像声呐进行恒虚警处理,同时引入时域参量,通过在门限计算中增加之前时间的权重,抑制位置恒定的静态强背景干扰。之后,基于空间上目标的连续运动,提出了小目标的自动跟踪算法。湖试数据实验处理表明：该方法能有效抑制干扰,实现水下小目标的自动探测跟踪。     

水下图像目标检测研究综述

在海洋开发的环境下,水下物体探测技术得到广泛应用,随着水下机器人与计算机技术的发展,该技术越来越受到研究人员的重视。根据当前的水下图像目标检测研究进展,简要介绍水下图像目标检测流程（即图像采集、图像的预处理、以及图像检测的方法）,对总结发展现状、发现技术的不足及挖掘未来的研究方向有重要意义。针对基于光学图像的水下目标识别问题,论述了图像采集、图像的预处理、以及图像检测等方面的主要进展,阐述了基于深度学习实现水下图像目标识别的技术发展现状。通过对水下目标处理过程的讨论和分析,指出水下图像目标识别领域中需要解决的问题,并预测该领域技术发展趋势。     

基于红色通道注意力机制的水下图像增强

水下图像增强因其在海洋勘测和水下机器人中的重要意义而备受关注。在过去的几年中,已经提出了许多水下图像增强算法。已有的深度学习方法由于忽略水下图像的预处理过程和对红色通道信息的增强或者弱化了这个过程,导致增强结果并不显著,其往往只适应特定的场景,缺乏泛化能力。为此,基于卷积神经网络建立了一种全新的水下图像增强算法,为了充分利用特征图的通道信息,在相同维度的特征图之间采用不同尺寸的卷积核获取更多通道数目的特征。然后,基于红色通道构建了注意力机制,以加强对于图像中容易丢失信息的红色通道的特征提取。最后,在EUVP,UFO120数据集做了消融实验,证明了红色通道注意力机制的有效性。通过对对比实验的增强结果进行各项指标分析,证明增强结果有着更高的结构相似性和峰值信噪比,并且在无参考指标方面有着更高的颜色平衡、清晰度以及对比度,综合性能优于以往的方法。     

水下航行体双空泡相互作用数值模拟研究

高速水下航行体头肩部和表面突起等位置很容易产生空泡,不失一般性,将表面突起结构简化为一定高度的台阶.针对简化的航行体模型,基于数值模拟方法研究了头肩部空泡与台阶处空泡、头肩部空泡与尾空泡2种类型的双空泡相互作用问题.不同的来流攻角下,头肩部空泡与台阶处空泡的作用过程存在区别,可以分为大攻角和小攻角2种类型.当尾空泡内有...