一种适用于海量多波束测深数据的中值滤波算法

针对CUBE算法中的数据中值滤波排序问题,设计了一种基于堆结构的中值滤波算法。这种方法以初始滤波窗口中间数据为支点,把滤波序列划分为2个堆,进而把查找滤波窗口中间位置数据转化为在两个堆中进行排序并输出根节点的操作。实验结果表明,这种方法的滤波速度约为基于二分查找的中值滤波算法的2~4倍,适合应用于海量数据的滤波处理。     

CUBE算法及其在多波束数据处理中的应用

阐述了一种基于表面生成的多波束数据处理方法——CUBE(Combined Uncertainty and Bathymetry Estimator)算法,用该方法可以对观测区域网格节点"真实"水深及相关误差进行估计。与从测量水深中选择出"最佳"数据的手工交互方式的多波束数据编辑手段不同,CUBE算法具有很强的抗差性和较高的效率,适合于实时多波束数据处理。对南海某测区多波束数据处理结果表明,在没有人工干预的情况下,利用CUBE算法去噪生成的海底DTM图与手工编辑生成的相当吻合。CUBE算法和手工编辑方法综合对比得出,CUBE算法能够很好地保留水深地形细节,在计算效率、误差评估、实时处理等方面比手工编辑方法具有较大的优势。     

检测多波束测深异常数据的CUBE算法模型解析

全面深入地剖析了CUBE滤波算法的计算流程及数学模型,论述了CUBE滤波算法与传统加权网格化算法的内在联系和区别,对推动该算法在国内推广应用具有重要意义。     

基于CUBE算法的多波束测深数据自动处理研究

对CUBE算法自动处理多波束测深数据的模型建立、格网节点的多重估计和最优估值选取准则进行了详细介绍,深入分析了多重估计的实用性,并通过实测数据对该算法进行实现.利用了抗差Kalman滤波改进CUBE算法.通过模拟数据对改进的CUBE算法进行实验,验证了算法改进的必要性.     

多波束测深数据并行滤波算法

针对提高节结合不确定度的水深评估算法执行速度的问题,该文在传统的CUBE滤波算法基础上提出一种适用于多核架构的并行滤波算法。把测深数据滤波分解为构造CUBE网格和估算网格节点水深两个环节,然后针对各环节特点设计对应的并行计算方法。通过两种方法提高滤波速度:一是通过合理的并行策略把计算任务分配到多个处理器核上并行执行;二是引入基于堆结构的排序方法提高数据滤波速度。实验结果表明,所设计算法在四核处理器上运行时,能够将滤波速度提高约2.74倍。     

利用CUBE算法剔除多波束测深粗差研究

针对国内基于不确定度信息处理多波束测深数据相对滞后现状,将CUBE算法应用于大批量多波束测深粗差剔除研究。通过与人工交互编辑结果对比,表明CUBE算法剔除粗差效率较高并能保证测深成果质量,具有较高的推广应用价值。该研究对进一步优化我国多波束测深粗差处理算法也具有重要意义。     

CUBE曲面滤波参数联合优选关键技术及应用

CUBE(combined uncertainty and bathymetry estimator)算法是国际上主流的多波束测深异常值自动探测与处理算法,在国内外被广泛应用,但对其核心算法和参数知之甚少,不利于该项技术的国产化。本文详细阐述了CUBE算法的基本原理、数学模型、关键参数和处理步骤,进而建立了CUBE曲面滤波参数联合优选方法。通过选取典型地形区、参数试验、对比分析等步骤完成参数的联合优选,并用台湾浅滩实测数据进行了验证。结果表明,优化后的参数可有效提升多波束数据自动处理的精度和效率。本文成果可应用于国产多波束测深处理软件的深化研发以及多波束实测数据处理。