多通道化学传感器及其在热液喷口探测中的应用

热液喷口附近的羽状流中存在明显的化学及浊度异常,通过探测这些异常可判断是否存在热液喷口及确定喷口的具体位置。本文研制了一款可用于探测热液喷口的多通道化学传感器,该传感器具有体积小、精度高的特点,且可在4000米深海中进行工作。该化学传感器共配备五个全固态电极,一个为参比电极,其余四个为离子选择性电极,并且可根据所测量的化学离子进行更换。本文基于该化学传感器共进行了两组实验。在第一组浅海试验中,化学传感器集成了pH,Eh,CO₃^2-和SO₄^2-电极,在浅海海域中测量对应化学量,结果表明该化学传感器可在实际应用中获得高精度、稳定的测量数据。第二组实验为深海热液探测,装配了pH,Eh,CO₃^2-和H₂S电极的化学传感器在西南印度洋中脊区域的29次测线中投入使用,共获得有效数据27组。通过对测量所得到的化学量进行分析,本文提出了一种确定热液喷口的化学异常探测方法,若某时间段内Eh和H₂S的电势降低,而pH和CO₃^2-的电势上升则可判定存在化学异常。利用该方法对27组有效数据进行分析,共发现5个潜在的热液喷口。实验结果表明,该化学传感器可有效地探测由热液引起的化学异常,适用于实际热液探测中。     

基于LZW的海底声学探测数据压缩方法研究

针对海底声学探测仪器采集数据量大而存储容量有限、数据传输带宽不足的实际问题,基于Lempel-Ziv-Welch(LZW)无损压缩算法,研究海底声学探测数据的实时压缩方法,提高数据压缩效果、节省传输带宽。并在LZW无损压缩算法的基础上结合数据存储的特点对压缩结果进行内存重新分配,极大提高压缩比(压缩数据大小/原始数据大小)。利用海底地震仪(OBS)采集的原始声学探测数据进行测试验证,结果表明该方法对于OBS声学探测数据有很好的压缩比,可用于对OBS采集的声学探测数据进行压缩处理,对于海底探测仪器的研发有很好的指导意义。     

基于K-means聚类与数学形态学的侧扫声呐图像目标轮廓自动提取方法

针对侧扫声呐图像斑点噪声强、背景海底散射干扰严重,海底目标轮廓自动提取困难的问题,提出了一种基于K-means聚类与数学形态学相结合的海底目标轮廓自动提取算法。为克服噪声干扰,该算法首先利用中值滤波去除侧扫声呐图像中的强斑点噪声;然后采用K-means聚类算法对侧扫声呐灰度图像进行分割,并二值化,除去大部分海底背景噪声,初步提取出目标;接着利用数学形态学运算去除提取结果中的孤立噪点,并填充目标内部孔洞,得到连续化、圆滑的目标边缘;最后对处理后的侧扫声呐图像进行边缘检测,提取出目标轮廓。实验结果表明:该算法思想简单易行,具有很强的克服背景噪声的能力,自动提取的目标轮廓连续性较好,结果准确可靠。目前,在侧扫声呐图像目标轮廓提取过程中,主要采用人工方式,自动性较差,效率较低。本文算法可以实现目标轮廓的自动提取,提高效率,具有较强的实用价值。     

水平非均匀性蒸发波导诊断及其对雷达探测的影响

蒸发波导是发生在海气边界层的一种异常折射现象,因为其分布广、发生概率大,所以被认为是对海上电子装备影响最为显著的波导类型。然而由于其形成机制复杂,且在近岸地区存在水平不均匀性,使得目前非均匀蒸发波导的诊断及其应用还未能落实到实际工作中。针对这一现状,首先利用G L Geernaert的方法修正了Monin-Obukhov相似理论,将其扩展到海洋大气表面边界层不均匀条件下;其次在Babin模式的基础上引入张强普适函数的非线性修正因子与阵性风速,从而将蒸发波导诊断模式的适用范围拓展到近海沿岸地区和甚低风速条件下。并在此基础上研究了蒸发波导水平非均匀性对雷达探测的影响,得到了水平非均匀蒸发波导能够改变均匀波导环境下雷达的探测距离及其盲区的分布。     

Mapping shoreline indicators on a sandy beach with supervised edge detection of soil moisture differences

This study describes a method to map shoreline indicators on a sandy beach. The hypothesis is that, on this beach, spectral albedo is predominantly determined by moisture content and water lines can, therefore, be detected as albedo contrasts. A laboratory experiment is performed to relate moisture content to image albedo, and supervised edge detection is subsequently used to map the shoreline indicators with remote sensing imagery. The algorithm is tested with data from visible, near-infrared and shortwave-infrared wavelength regions. These results are compared to shoreline indicators obtained by a field survey and a shoreline indicator derived from a digital elevation model. Both the water line present when the imagery was acquired, as well as the maximum extent of the last flood, can be detected as a single edge. Older high water lines are confused with the last high water line and appear dispersed, as there are multiple debris lines present on the beach. The low water line, usually in saturated sand, also appears dispersed due to the presence of channels and troughs. Shorelines are constant moving boundaries, which is why shoreline indicators are used as a proxy. Unlike a mathematical indicator that is based on an elevation model, our method is more sensitive to the dynamic nature of shorelines. Supervised edge-detection is a technique for generating reproducible measurements of shoreline indicator positions over time, and aids in the monitoring of coastline migration.     

多特征融合的高分辨率影像建筑物变化检测

为充分发挥遥感影像中各特征的优势,提高遥感影像建筑物变化检测精度,基于面向对象的分析方法,提出了一种基于模糊集合的证据理论特征信息融合的变化检测方法。首先,在影像分割的基础上,利用变化矢量分析法分别计算前后时相对应对象的光谱、纹理特征差异及形态学建筑物指数差异;然后,以Sigmoid函数作为隶属度函数,计算对象属于变化类和非变化类的隶属度并以之构建证据理论所需的基本概率分配函数;最后,利用证据理论对多种特征进行融合并通过规则判定得到建筑物变化区域。利用不同地区影像的试验结果表明,该方法能够有效融合影像的多种特征,提高建筑物变化检测的精度。     

半监督离散势理论在遥感影像变化检测中的应用

随着遥感技术的发展,遥感影像变化检测作为一种有效的技术手段,在环境监测、灾害救援等领域发挥了重要作用。然而地物复杂、标记困难等问题导致有效的变化检测存在一定的困难。本文提出了一种基于半监督离散势理论的遥感影像变化检测方法。该方法首先采用一种新的标记样本点的方法得到训练集,然后利用KNN方法构造复杂网络,最后对复杂网络中经典Wu-Huberman算法进行改进并划分网络。所得到的两个社团结构恰好对应了变化部分和不变部分。试验结果表明,基于半监督离散势理论的变化检测方法具有良好的变化检测性能。     

一种改进均值的自适应中值滤波算法

针对自适应中值滤波算法在滤除高浓度椒盐噪声和保留图像边缘细节中的不足,提出了一种改进均值的自适应中值滤波(IMAMF)算法。该算法采用扩充图像边界的方式,使得原图像的边界点能在自适应的滤波窗口下参与噪声检测和滤波处理,并在检测噪声和信号时,增加了噪声阈值判定,将存在噪声的像素点用修正后的均值滤波器值输出,信号点则用原始灰度值输出。为了验证算法的可行性,采用了5种不同的算法进行仿真对比分析,并从主观角度和客观指标上进行效果评价。试验结果表明:该算法能有效滤除浓度为10%～90%范围内的椒盐噪声,且图像细节和边缘信息得到了更好的保留,滤波性能明显优于其他算法。     

基于随机森林的FY-2G云检测方法

根据遥感影像中云检测原理,提出了基于随机森林的遥感影像云检测方法,并将其应用于FY-2G影像。结合国家气象卫星中心（NSMC）的云检测产品数据进行了算法的精度检验,云检测个例的精度检验结果显,最高命中率（POD）为88.32%,最低误报率（FAR）为9.36%,临界成功指数（CSI）为80.14%。结果表明,该方法有效地提高了云检测精度,同时能正确标识NSMC中部分误判的情况。     

基于对象BOW特征的高分辨率遥感影像变化检测方法

针对传统基于像素的变化检测方法的缺点,以及底层特征表现能力不足等问题,提出一种基于对象BOW特征的变化检测方法。首先,将经过预处理操作的两期影像进行波段组合得到组合后影像,再考虑地物光谱特征和几何空间信息对组合后影像进行多尺度分割,获得相对应的对象基元;同时,分别提取两幅影像的底层特征（包括影像各波段的均值和方差以及灰度图像的6种纹理特征）。其次,将对象视作文档,像素的特征向量视作单词,利用BOW模型构建影像对象的中层表达,即对象的BOW特征。最后,通过相似性度量算法比较相应对象的BOW特征,从而识别出影像上的变化区域。本文利用2组WorldView-2影像进行了检验,结果表明本文方法的变化检测结果较为完整,精度优于对比方法。本文方法基本能够满足变化检测的需求,为高分辨率遥感影像上的数据挖掘分析提供了有效的手段。