CN115439522B - 一种用于提取冰层界面的方法、***及其存储介质 - Google Patents
一种用于提取冰层界面的方法、***及其存储介质 Download PDFInfo
- Publication number
- CN115439522B CN115439522B CN202210631580.9A CN202210631580A CN115439522B CN 115439522 B CN115439522 B CN 115439522B CN 202210631580 A CN202210631580 A CN 202210631580A CN 115439522 B CN115439522 B CN 115439522B
- Authority
- CN
- China
- Prior art keywords
- noise reduction
- compression
- image
- line
- difference value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000007906 compression Methods 0.000 claims abstract description 150
- 230000006835 compression Effects 0.000 claims abstract description 144
- 238000004364 calculation method Methods 0.000 claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 239000011435 rock Substances 0.000 claims abstract description 12
- 230000000875 corresponding effect Effects 0.000 claims description 52
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000011176 pooling Methods 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 2
- 238000011946 reduction process Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 abstract description 15
- 230000000694 effects Effects 0.000 description 14
- 230000008030 elimination Effects 0.000 description 6
- 238000003379 elimination reaction Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及一种用于提取冰层界面的方法、***及其存储介质,其方法包括获取观测冰层生成的雷达图像;对所述雷达图像进行图像压缩,所述图像压缩的步骤包括对所述雷达图像进行横向压缩,且压缩区域距离所述雷达图像中间部位的距离越近,压缩计算的图像区域越小;对所述雷达图像进行降噪处理,所述降噪的步骤包括对所述雷达图像进行横向降噪,且降噪区域距离所述雷达图像中间部位的距离越近,降噪计算的降噪程度越小;从处理后的所述雷达图像中使用EisNet算法提取出冰岩界面的标记线;采用EisNet算法后能够降低耗时,再结合前面的图像压缩,所需耗时更低;而结合前面的降噪处理,让提取结果更准确,无需重复计算,间接地也能降低耗时。
Description
技术领域
本申请涉及冰层识别的领域,尤其是涉及一种用于提取冰层界面的方法、***及其存储介质。
背景技术
冰盖底部的冰岩界面和内部层位记录了冰盖演化的历史,是推断冰动力学和解释冰下地貌的主要指标。基于雷达数据追踪冰岩界面和内部等时层绘制冰下地形和内部层位是调查冰盖内部与底部几何结构的重要依据。
在现有的冰层识别的技术中,通常采用人工方法或半自动方法对冰岩界面进行识别或拾取,先使用基于雷达的设备对冰层进行观测,再对观测得到的巨量的雷达数据进行自动分类,分类后再对雷达数据的内容进行人工分析,最终得到结果。
在实现本申请过程中,发明人发现该技术中至少存在如下问题:基于雷达的设备观测到的雷达数据数量庞大,使用现有的人工方法或者半自动方法对冰岩界面进行识别或拾取较为耗时,尤其是在边观测边计算的过程中,识别的速度远远跟不上观测的速度,导致识别出的结果的滞后性高。
发明内容
为了提高识别冰岩界面的识别速度,降低识别的结果的滞后性,本申请提供一种用于提取冰层界面的方法、***及其存储介质。
第一方面,本申请提供一种用于提取冰层界面的方法,采用如下的技术方案:
一种用于提取冰层界面的方法,包括如下步骤:
获取观测冰层生成的雷达图像;
对所述雷达图像进行图像压缩,所述图像压缩的步骤包括对所述雷达图像进行横向压缩,且压缩区域距离所述雷达图像中间部位的距离越近,压缩计算的图像区域越小;
对所述雷达图像进行降噪处理,所述降噪的步骤包括对所述雷达图像进行横向降噪,且降噪区域距离所述雷达图像中间部位的距离越近,降噪计算的降噪程度越小;
从处理后的所述雷达图像中使用EisNet算法提取出冰岩界面的标记线。
通过采用上述技术方案,获得雷达图像后,先对雷达图像进行横向压缩,降低因为雷达的空间展布大而带来的数据处理负担,降低EisNet算法提取标记线所耗的时间,在压缩的过程中,距离雷达图像中间部位越近,数据越需要保真,因此缩短压缩的图像区域能够降低压缩失真率,还能够将雷达图像的中间部位凸显于两侧部位,突出雷达图像中间区域,利于让EisNet算法提取的结果更准确;还对雷达图像进行降噪处理,降噪处理的程度为降噪区域中噪声消除的程度,降噪区域中噪声消除的程度越高,降噪区域中噪声像素与非噪声像素之间的区别越不明显,降噪区域中特征也越不明显,降噪区域中噪声消除的程度越低,降噪区域中噪声像素与非噪声像素之间的区别越明显,降噪区域中特征也越明显,且利于提高EisNet算法提取标记线的准确率,而相比于人工方法或半自动方法提取冰层界面,采用EisNet算法后就能够降低耗时,再结合前面的图像压缩,所需耗时更低;而结合前面的降噪处理,让提取结果更准确,无需重复计算,间接地也能降低耗时。
作为优选,所述横向压缩的步骤中还包括:
记录上一幅所述雷达图像的压缩信息,所述压缩信息包括相对应的压缩路径以及压缩计算的压缩区域范围数据;
根据压缩信息绘制出压缩线,所述压缩线的横向参考为压缩路径,所述压缩线的纵向参考为压缩区域范围数据;
获取上一幅所述雷达图像的所述标记线与所述压缩线,并将所述标记线与所述压缩线的参考系进行匹配;
计算所述标记线与所述压缩线上对应的点之间的第一差值,根据所述第一差值调节与所述第一差值位置对应的压缩计算的所述图像区域的面积,其中,所述第一差值越大,对应的压缩计算的所述图像区域的面积越小。
通过采用上述技术方案,根据上一幅图像的压缩线与标记线,从而能够将标记线的结果反馈至压缩图像的步骤中,调节压缩图像中每个图像区域的面积,使压缩图像的处理步骤实现闭环,利于进一步提升压缩图像对提取标记线的增益效果,提升提取准确度。
作为优选,所述横向压缩的步骤中还包括:获取所述标记线与所述压缩线上对应各点之间的第一差值形成第一差值集,根据所述第一差值集计算出第一平均差值,根据所述第一平均差值调节所有压缩计算的所述图像区域的面积,其中,所述第一平均差值越大,所有压缩计算的所述图像区域的面积越小。
通过采用上述技术方案,根据第一差值集计算出第一平均差值,再利用第一平均差值对所有压缩计算的所述图像区域的面积进行全局调节,能够提升压缩图像的处理步骤闭环后的响应速度。
作为优选,所述降噪处理的步骤中还包括:
记录上一幅所述雷达图像的降噪信息,所述降噪信息包括相对应的降噪路径以及降噪计算的降噪程度数据;
根据降噪信息绘制出降噪线,所述降噪线的横向参考为降噪路径,所述降噪线的纵向参考为降噪程度数据;
获取上一幅所述雷达图像的所述标记线与所述降噪线,并将所述标记线与所述降噪线的参考系进行匹配;
计算所述标记线与所述降噪线上对应的点之间的第一差值,根据所述第一差值调节与所述第一差值位置对应的降噪计算的所述降噪程度的值,其中,所述第一差值越大,对应的降噪计算的所述降噪程度的值越小。
通过采用上述技术方案,根据上一幅图像的降噪线与标记线,从而能够将标记线的结果反馈至降噪处理的步骤中,调节不同位置的降噪程度的值,改变降噪程度,使降噪处理步骤实现闭环,利于进一步提升降噪处理对提取标记线的增益效果,提升提取准确度。
作为优选,所述降噪处理的步骤中还包括:获取所述标记线与所述降噪线上对应各点之间的第二差值形成第二差值集,根据所述第二差值集计算出第二平均差值,根据所述第二平均差值调节所有降噪计算的所述降噪程度的值,其中,所述第二平均差值越大,所有降噪计算的所述降噪程度的值越小。
通过采用上述技术方案,根据第二差值集计算出第二平均差值,再利用第二平均差值对所有降噪处理的程度值进行全局调节,能够提升降噪处理步骤闭环后的响应速度。
作为优选,所述图像压缩的步骤还包括:
在横向压缩的过程中在对应的位置进行纵向压缩,且所述纵向压缩的压缩区域面积与所述横向压缩的压缩区域面积呈正相关设置。
通过采用上述技术方案,纵向压缩能够进一步降低EisNet算法所处理图像的数据量,利于降低耗时,且横向压缩的闭环设置能够带动纵向压缩间接地实现闭环。
作为优选,所述降噪处理的步骤还包括:
在横向降噪的过程中在对应的位置进行纵向降噪,且所述纵向降噪的程度的值与所述纵向压缩的压缩区域面积呈反相关设置。
通过采用上述技术方案,纵向降噪能够降低纵向压缩对数据带来的失真影响。
作为优选,所述压缩方法为跳跃采样或者像素均值池化。
通过采用上述技术方案,跳跃采样后能够更多地降低EisNet算法所处理图像的数据量,而像素均值池化能够最大化地保雷达图像中的信息量。
第二方面,本申请提供的一种用于提取冰层界面的***采用如下的技术方案:
一种用于提取冰层界面的***,包括处理器,所述处理器加载并执行有上述任意一种用于提取冰层界面的方法的计算机程序。
第三方面,本申请提供的一种存储介质采用如下的技术方案:
一种存储介质,存储有能够被处理器加载并执行上述任意一种用于提取冰层界面的方法的计算机程序。
附图说明
图1是本申请实施例中用于提取冰层界面的方法的方法流程示意图;
图2是本申请实施例中压缩区域和降噪区域的示意图;
图3是本申请实施例中压缩线和降噪线的示意图。
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
本申请实施例公开一种用于提取冰层界面的方法。参照图1,一种用于提取冰层界面的方法包括如下步骤:
获取观测冰层生成的雷达图像。雷达探测可以测量极地冰盖内部和底部的情况,雷达观测也可称为雷达探测,冰岩界面能来提取冰下地形,而冰层结构能来理解冰盖内部冰的性质。雷达图像在不同深度显示的层状结构被认为是等时的,主要由冰的密度、冰的化学性质和冰晶组构变化引起的介电性质差异所导致。冰岩界面和等时层记录了冰盖在长时间尺度上的信息,因此可被用来描述冰盖过去和现在的流动条件,理解冰盖演化历史的信息。
参照图2,实际观测得到的单张雷达图像往往延布于较大的空间尺度范围,并含有较大的到时区间以探测深至冰层底部基岩界面的起伏。为提升拾取的分辨率与精确度,在拾取前需对雷达图像进行图像压缩,图像压缩的步骤包括对雷达图像进行横向压缩,例如,在雷达图像上以一个设定的图像区域从左至右、从右至左、从两边向中间或者从中间向两边进行压缩。其中,压缩区域距离雷达图像中间部位的距离越近,压缩计算的图像区域越小。例如,在雷达图像的两边,图像区域可为70*70,而在雷达图像的中间,图像区域可为30*30。在压缩区域采用的压缩方法可为跳跃采样或者像素均值池化。压缩方法可采用效率较高的跳跃采样,这种方法间接减少了雷达图像中的信息量,但是也保留了原有的噪声水平,会为后续的提取步骤带来一些障碍,即,跳跃采样后能够更多地降低EisNet算法所处理图像的数据量,而像素均值池化能够最大化地保雷达图像中的信息量。
观测生成的雷达图像是连续的,且对连续的雷达图像进行提取。提取当前新生成的雷达图像时,记录上一幅雷达图像的压缩信息,压缩信息包括相对应的压缩路径以及压缩计算的压缩区域范围数据。以从左至右压缩为例,压缩路径为雷达图像的左边至右边的一条线,压缩路径的长度与雷达图像的长度相等。压缩区域范围数据则为:压缩时,单个行上每个像素点所经历过的最大压缩区域、最小压缩区域或者中间大小压缩区域的区域数据。例如,最左边图像的压缩的图像区域可为70*70,则区域数据即区域面积可定义为70,即将70*70的图像区域压缩为30*30的图像区域或者20*20的图像区域;最中间图像的压缩的图像区域可为30*30,则区域数据即区域面积可定义可为30,即将30*30的图像区域保持为30*30的图像区域或者压缩为20*20的图像区域。
参照图3,根据压缩路径与压缩区域范围数据可绘制出压缩线,压缩线的横向参考为压缩路径,能与雷达图像的长度对应匹配;压缩线的纵向参考为压缩区域范围数据,经过预设的简单公式换算后能与雷达图像的宽度对应匹配,简单公式可选用增加偏移量、等比例放大和\或1等比例缩小等公式。
获取上一幅雷达图像的标记线与压缩线,并将标记线与压缩线的参考系进行匹配,使得标记线与压缩线能在同一参考系中进行对比计算。计算标记线与压缩线上对应的点之间的第一差值,其中,标记线与压缩线上对应的点可为横向参考对应的点,第一差值为标记线与压缩线上对应点的高度差。根据第一差值调节与第一差值位置对应的压缩计算的图像区域的面积,其中,第一差值越大,对应的压缩计算的图像区域的面积越小。压缩线为一段中间下凹的线,且下凹的程度越大则雷达图像上不同区域的压缩效果差别越大。若是标记线与压缩线上对应点的第一差值越大,则代表标记线与压缩线的对应关系较差,此处压缩效果需要降低,以利于保留容易被压缩失真的信息;若是标记线与压缩线上对应点的第一差值越小,则代表标记线与压缩线的对应关系较好,则代表此处标记线与压缩线压缩效果可不变或者被适度放大,以利于降低提取标记线所处理的信息,利于降低耗时。若是标记线与压缩线的对应情况为最佳,则压缩线应位于标记线经过的预设跨度范围内。根据上一幅图像的压缩线与标记线,从而能够将标记线的结果反馈至压缩图像的步骤中,调节压缩图像中每个图像区域的面积,使压缩图像的处理步骤实现闭环,利于进一步提升压缩图像对提取标记线的增益效果,提升提取准确度。
进一步的,计算对应的各点之间的第一差值形成第一差值集,根据第一差值集计算出第一平均差值,根据第一平均差值调节所有压缩计算的图像区域的面积。第一平均差值能够代表压缩线与标记线之间的对应重合情况。其中,第一平均差值越大,压缩线应位于标记线经过的预设跨度范围外的部分越多,标记线波动越大所有压缩计算的图像区域的面积越小,利于保留容易被压缩失真的信息。根据第一差值集计算出第一平均差值,再利用第一平均差值对所有压缩计算的图像区域的面积进行全局调节,能够提升压缩图像的处理步骤闭环后对上一次全局压缩结果的响应速度。
在横向压缩的过程中在对应的位置进行纵向压缩,且纵向压缩的压缩区域面积与横向压缩的压缩区域面积呈正相关设置。例如,最左边图像的横向压缩的图像区域可为70*70,即将70*70的图像区域压缩为30*30的图像区域或者20*20的图像区域,则纵向压缩的图像区域可为35*35;最中间图像的压缩的图像区域可为30*30,即将30*30的图像区域保持为30*30的图像区域或者压缩为20*20的图像区域,则纵向压缩的图像区域可为15*15。横向压缩可从雷达图像的顶部、中部或底部压缩;若从雷达图像顶部进行横向压缩,则纵向压缩往下压缩;若从雷达图像中部进行横向压缩,则纵向压缩从中部往上部以及下部进行压缩;若从雷达图像底部进行横向压缩,则纵向压缩往上压缩;等纵向压缩完后继续下一个区域的横向压缩。纵向压缩能够进一步降低EisNet算法所处理图像的数据量,利于降低耗时,且横向压缩的闭环设置能够带动纵向压缩间接地实现闭环。
参照图2,对雷达图像进行压缩后还可对雷达图像进行降噪处理,降噪处理的步骤包括对雷达图像进行横向降噪,与压缩处理不同,降噪涉及的区域不变,可固定为70*70或50*50,降噪区域中的降噪程度可变化,例如且降噪区域距离雷达图像中间部位的距离越近,降噪计算的降噪程度越小。降噪程度的算法可采用高斯算法、采用特定模板相乘算法、均值算法或缩小差距算法,采用缩小差距算法进行降噪时,可缩小噪点像素与周围非噪点像素之的数值差距,若是降噪程度越小,数值差距缩小的幅度越小,若是降噪程度越大,数值差距缩小的幅度越大。降噪算法若采用均值算法降噪,则降噪涉及的区域可固定为7*7、5*5或3*3。
参照图3,记录上一幅雷达图像的降噪信息,降噪信息包括相对应的降噪路径以及降噪计算的降噪程度数据。根据降噪信息绘制出降噪线,降噪线的横向参考为降噪路径,降噪线的纵向参考为降噪程度数据。获取上一幅雷达图像的标记线与降噪线,并将标记线与降噪线的参考系进行匹配,使得标记线与降噪线能在同一参考系中进行对比计算。降噪线的绘制方法以及降噪线与标记线的匹配方法均与压缩线的绘制方法以及压缩线与标记线的匹配方法同理。
计算标记线与降噪线上对应的点之间的第一差值,其中,标记线与降噪线上对应的点可为横向参考对应的点,第一差值为标记线与降噪线上对应点的高度差。根据第一差值调节与第一差值位置对应的降噪计算的降噪程度的值,其中,第一差值越大,对应的降噪计算的降噪程度的值越小。降噪线为一段中间下凹的线,且下凹的程度越大则雷达图像上不同区域的降噪效果差别越大。若是标记线与降噪线上对应点的第一差值越大,则代表标记线与降噪线的对应关系较差,此处降噪效果需要降低,以利于保留容易被降噪失真的信息;若是标记线与降噪线上对应点的第一差值越小,则代表标记线与降噪线的对应关系较好,则代表此处标记线与降噪线降噪效果可不变或者被适度放大,以利于降低提取标记线所处理的信息。若是标记线与降噪线的对应情况为最佳,则降噪线应位于标记线经过的预设跨度范围内。根据上一幅图像的降噪线与标记线,从而能够将标记线的结果反馈至降噪的步骤中,调节降噪时每个图像区域的降噪程度,使降噪处理步骤实现闭环,利于进一步提升降噪处理对提取标记线的增益效果,提升提取准确度。
进一步的,获取标记线与降噪线上对应各点之间的第二差值形成第二差值集,根据第二差值集计算出第二平均差值,根据第二平均差值调节所有降噪计算的降噪程度的值,第二平均差值能够代表降噪线与标记线之间的对应重合情况。其中,第二平均差值越大,所有降噪计算的降噪程度的值越小。降噪线应位于标记线经过的预设跨度范围外的部分越多,标记线波动越大所有降噪处理的降噪程度值越小,利于保留容易被降噪而失真的信息。根据第二差值集计算出第二平均差值,再利用第二平均差值对所有降噪处理的图像区域的降噪程度进行全局调节,能够提升降噪处理步骤闭环后对上一次全局降噪结果的响应速度。
根据上一幅图像的降噪线与标记线,从而能够将标记线的结果反馈至降噪处理的步骤中,调节不同位置的降噪程度的值。而且,在横向降噪的过程中还可以在对应的位置进行纵向降噪,纵向降噪能够降低纵向压缩对数据带来的失真影响。特别地,让纵向降噪的程度的值与纵向压缩的压缩区域面积呈反相关,即,纵向压缩的压缩区域面积越大,纵向降噪的程度的值越小,避免纵向压缩与纵向降噪的双重处理对提取所需的特征信息带来更为不利的影响。另外,纵向压缩的压缩区域面积越小,纵向降噪的程度的值越大,能够让压缩处理与降噪处理之间的效果产生平衡,让降噪算法能够改善压缩后增加的图像锯齿,且图像锯齿越大,降噪的程度越大;图像锯齿越小,降噪的程度越小。改变降噪程度,使降噪处理步骤实现闭环,利于进一步提升降噪处理对提取标记线的增益效果,提升提取准确度。
从处理后的雷达图像中使用EisNet算法提取出冰岩界面的标记线。通过多网络级联并基于卷积自动编码器的多目标拾取神经网络EisNet,极大地提升了冰盖内部雷达图像冰岩界面提取的效率。
获得雷达图像后,先对雷达图像进行横向压缩,降低因为雷达的空间展布大而带来的数据处理负担,降低EisNet算法提取标记线所耗的时间,在横向压缩的过程中还可进行纵向压缩来覆盖更多的区域,距离雷达图像中间部位越近,数据越需要保真,因此缩短压缩的图像区域能够降低压缩失真率。在压缩处理的过程中还是实现压缩处理的闭环调节,利用上一幅雷达图像的提取结果来调整当前幅图像的压缩参数,在雷达图像时连续探测的情况下,能够优化压缩效果。还能够将雷达图像的中间部位凸显于两侧部位,突出雷达图像中间区域,利于让EisNet算法提取的结果更准确。还对雷达图像进行横向降噪处理以及纵向降噪处理,降噪处理的程度为降噪区域中噪声消除的程度,降噪区域中噪声消除的程度越高,降噪区域中噪声像素与非噪声像素之间的区别越不明显,降噪区域中特征也越不明显,降噪区域中噪声消除的程度越低,降噪区域中噪声像素与非噪声像素之间的区别越明显,降噪区域中特征也越明显。在降噪处理的过程中还是实现降噪处理的闭环调节,利用上一幅雷达图像的提取结果来调整当前幅图像的降噪参数,以及利用纵向压缩的参数来提交纵向降噪的参数,在雷达图像时连续探测的情况下,能够进一步地优化降噪效果,更利于提高EisNet算法提取标记线的准确率。相比于人工方法或半自动方法提取冰层界面,采用EisNet算法后就能够降低耗时,再结合前面的图像压缩,所需耗时更低;而结合前面的降噪处理,让提取结果更准确,无需重复计算,间接地也能降低耗时。
本申请实施例还公开了一种用于提取冰层界面的***。一种用于提取冰层界面的***包括处理器,所述处理器加载并执行有上述任意一种用于提取冰层界面的方法的计算机程序。
本申请实施例还公开了一种存储介质。一种存储介质,存储有能够被处理器加载并执行上述任意一种用于提取冰层界面的方法的计算机程序。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (8)
1.一种用于提取冰层界面的方法,其特征在于:包括如下步骤:
获取观测冰层生成的雷达图像;
对所述雷达图像进行图像压缩,所述图像压缩的步骤包括对所述雷达图像进行横向压缩,且压缩区域距离所述雷达图像中间部位的距离越近,压缩计算的图像区域越小;所述横向压缩的步骤中还包括:
记录上一幅所述雷达图像的压缩信息,所述压缩信息包括相对应的压缩路径以及压缩计算的压缩区域范围数据;
根据压缩信息绘制出压缩线,所述压缩线的横向参考为压缩路径,所述压缩线的纵向参考为压缩区域范围数据;
获取上一幅所述雷达图像的标记线与所述压缩线,并将所述标记线与所述压缩线的参考系进行匹配;
计算所述标记线与所述压缩线上对应的点之间的第一差值,根据所述第一差值调节与所述第一差值位置对应的压缩计算的所述图像区域的面积,其中,所述第一差值越大,对应的压缩计算的所述图像区域的面积越小;
对所述雷达图像进行降噪处理,所述降噪的步骤包括对所述雷达图像进行横向降噪,且降噪区域距离所述雷达图像中间部位的距离越近,降噪计算的降噪程度越小;所述降噪处理的步骤中还包括:
记录上一幅所述雷达图像的降噪信息,所述降噪信息包括相对应的降噪路径以及降噪计算的降噪程度数据;
根据降噪信息绘制出降噪线,所述降噪线的横向参考为降噪路径,所述降噪线的纵向参考为降噪程度数据;
获取上一幅所述雷达图像的所述标记线与所述降噪线,并将所述标记线与所述降噪线的参考系进行匹配;
计算所述标记线与所述降噪线上对应的点之间的第一差值,根据所述第一差值调节与所述第一差值位置对应的降噪计算的所述降噪程度的值,其中,所述第一差值越大,对应的降噪计算的所述降噪程度的值越小;
从处理后的所述雷达图像中使用EisNet算法提取出冰岩界面的标记线。
2.根据权利要求1所述的一种用于提取冰层界面的方法,其特征在于:所述横向压缩的步骤中还包括:获取所述标记线与所述压缩线上对应各点之间的第一差值形成第一差值集,根据所述第一差值集计算出第一平均差值,根据所述第一平均差值调节所有压缩计算的所述图像区域的面积,其中,所述第一平均差值越大,所有压缩计算的所述图像区域的面积越小。
3.根据权利要求1所述的一种用于提取冰层界面的方法,其特征在于:所述降噪处理的步骤中还包括:获取所述标记线与所述降噪线上对应各点之间的第二差值形成第二差值集,根据所述第二差值集计算出第二平均差值,根据所述第二平均差值调节所有降噪计算的所述降噪程度的值,其中,所述第二平均差值越大,所有降噪计算的所述降噪程度的值越小。
4.根据权利要求1所述的一种用于提取冰层界面的方法,其特征在于:所述图像压缩的步骤还包括:
在横向压缩的过程中在对应的位置进行纵向压缩,且所述纵向压缩的压缩区域面积与所述横向压缩的压缩区域面积呈正相关设置。
5.根据权利要求4所述的一种用于提取冰层界面的方法,其特征在于:所述降噪处理的步骤还包括:
在横向降噪的过程中在对应的位置进行纵向降噪,且所述纵向降噪的程度的值与所述纵向压缩的压缩区域面积呈反相关设置。
6.根据权利要求1所述的一种用于提取冰层界面的方法,其特征在于:所述图像压缩的方法为跳跃采样或者像素均值池化。
7.一种用于提取冰层界面的***,其特征在于:包括处理器,所述处理器加载并执行有如权利要求1至6中任意一种用于提取冰层界面的方法的计算机程序。
8.一种存储介质,其特征在于:存储有能够被处理器加载并执行如权利要求1至6中任意一种用于提取冰层界面的方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210631580.9A CN115439522B (zh) | 2022-06-06 | 2022-06-06 | 一种用于提取冰层界面的方法、***及其存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210631580.9A CN115439522B (zh) | 2022-06-06 | 2022-06-06 | 一种用于提取冰层界面的方法、***及其存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115439522A CN115439522A (zh) | 2022-12-06 |
CN115439522B true CN115439522B (zh) | 2023-04-11 |
Family
ID=84241432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210631580.9A Active CN115439522B (zh) | 2022-06-06 | 2022-06-06 | 一种用于提取冰层界面的方法、***及其存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115439522B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117115003A (zh) * | 2023-02-15 | 2023-11-24 | 荣耀终端有限公司 | 去除噪声的方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108304910A (zh) * | 2018-02-27 | 2018-07-20 | 华北理工大学 | 一种基于机器视觉的空调压缩机滑片计数方法 |
CN114265035A (zh) * | 2021-12-06 | 2022-04-01 | 北京经纬恒润科技股份有限公司 | 激光雷达数据的处理方法及*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009010618A (ja) * | 2007-06-27 | 2009-01-15 | Canon Inc | 画像領域指定装置及びその制御方法、システム |
WO2009014156A1 (en) * | 2007-07-20 | 2009-01-29 | Fujifilm Corporation | Image processing apparatus, image processing method and program |
-
2022
- 2022-06-06 CN CN202210631580.9A patent/CN115439522B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108304910A (zh) * | 2018-02-27 | 2018-07-20 | 华北理工大学 | 一种基于机器视觉的空调压缩机滑片计数方法 |
CN114265035A (zh) * | 2021-12-06 | 2022-04-01 | 北京经纬恒润科技股份有限公司 | 激光雷达数据的处理方法及*** |
Non-Patent Citations (2)
Title |
---|
Sheng Dong 等.EisNet: Extracting Bedrock and Internal Layers From Radiostratigraphy of Ice Sheets With Machine Learning.《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》.2022,第60卷第1-12页. * |
Xueyuan Tang 等.Noise Removal and Feature Extraction in Airborne Radar Sounding Data of Ice Sheets.《remote sensing》.2022,第1-16页. * |
Also Published As
Publication number | Publication date |
---|---|
CN115439522A (zh) | 2022-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021217643A1 (zh) | 红外图像处理方法、装置及可移动平台 | |
CN105180850B (zh) | 计算玉米叶部大斑病病斑面积比例的方法及装置 | |
CN115439522B (zh) | 一种用于提取冰层界面的方法、***及其存储介质 | |
CN107123115B (zh) | 一种基于图像处理的谷物收割清选损失实时在线检测方法 | |
CN109934846B (zh) | 基于时间和空间网络的深度集成目标跟踪方法 | |
CN109633633B (zh) | 一种基于分段分类增强处理的生命信号增强方法 | |
CN111612817A (zh) | 基于深浅特征自适应融合与上下文信息的目标跟踪方法 | |
CN113484867B (zh) | 一种基于成像声呐封闭空间下鱼群密度探测方法 | |
CN116912250B (zh) | 基于机器视觉的菌包生产质量检测方法 | |
CN109255799B (zh) | 一种基于空间自适应相关滤波器的目标跟踪方法及*** | |
CN111931685A (zh) | 一种基于双向跟踪策略的视频卫星移动目标检测方法 | |
CN116805316B (zh) | 基于图像增强的可降解塑料加工质量检测方法 | |
CN116703920B (zh) | 基于图像处理的石墨保温桶裂纹检测方法 | |
CN114677525B (zh) | 一种基于二值图像处理的边缘检测方法 | |
CN113822279B (zh) | 基于多特征融合的红外目标检测方法、装置、设备及介质 | |
CN117542488B (zh) | 一种用于脑肿瘤ct数据的智能处理方法 | |
CN107239761B (zh) | 基于骨架角点检测的果树拉枝效果评价方法 | |
CN109377475A (zh) | 24色卡视频关键帧自动定位与色差时序变化分析方法 | |
CN113723314A (zh) | 一种基于YOLOv3算法的甘蔗茎节识别方法 | |
CN111062954B (zh) | 一种基于差分信息统计的红外图像分割方法、装置及设备 | |
CN116563168A (zh) | 一种地质测绘数据实时采集存储方法及*** | |
CN114926360A (zh) | 基于噪声估计的图像降噪处理工作方法 | |
CN113066108B (zh) | 基于eco算法的抗遮挡视觉目标跟踪方法及装置 | |
CN112085683B (zh) | 一种显著性检测中的深度图可信度检测方法 | |
CN111060887B (zh) | 一种基于凹凸搜索的Gm-APD激光雷达低信噪比回波数据信号提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |