排序方式： 共有9条查询结果，搜索用时 156 毫秒
1
1.
多波束声呐图像是进行海底底质分类的主要数据源之一,由于受海洋噪声、声波散射和混响、仪器设备等因素影响,其经各项常规改正后仍存在明显残差,突出表现在中央波束区和条带重叠区,难以形成高质量的声呐图像。文中分析了多波束声呐图像残差的成因及影响,提出了一种基于多条带最小二乘拟合的多波束声呐图像残差处理方法。首先,得到相邻声脉冲(ping)信号中央区域、重叠区域以及整体趋势的拟合函数;然后,通过拟合函数计算得到中央和重叠区域的残差改正系数;最后,通过改正系数进行残差改正。实验分析表明,该方法在保留原始细节的基础上,有效削弱了残差对声呐图像的影响,对多波束声呐图像处理具有参考和应用价值。 相似文献
2.
3.
4.
针对含有鱼群或水草等生物水域精确地形获取困难,存在大量贴近地表的噪声点且难以滤除等问题,提出一种结合多波束点云数据强度和高程信息的滤波算法。首先根据多波束原始点云数据的强度信息对数据进行初步分类,然后利用高程四分法选取地形种子点,最后根据种子点与周围点云数据的强度和高程信息,实现数据的准确分类,达到滤波效果。试验结果与形态学滤波算法、自适应坡度滤波算法对比分析,结果表明所提算法在含有植被和鱼群等生物水域滤波效果明显,Ⅰ类、Ⅱ类误差降低了6%和10%左右,总误差降低了7%左右,验证了所提算法的有效性和可行性。 相似文献
5.
船载多传感器综合测量系统集成了三维激光扫描仪、多波束测深仪、GNSS、IMU、传感器稳定平台等传感器,采用非接触式的测量方式同步获取水上水下地形,在海岸带和海岛礁测绘中有巨大的应用价值。由于测量瞬时数据量大,系统点云实时显示是采集软件的重要组成部分。在有效地控制时间同步的前提下,优化数据融合效率,采用VTK(visualization toolkit)技术实现了海岸线上下一体化点云实时显示,有效地提高了系统的信息挖掘能力和现场决策支持能力,最终实现了水上水下一体化测量。 相似文献
6.
基于船载水陆一体化测量系统，设计一体化测量数据存储格式、多线程网络通信、时间同步控制以及时间匹配技术，实现船载多传感器一体化测量数据实时存储功能，并将采集的多源数据统一存储到文件中。实验证明，该存储方法能有效提高系统的集成度，克服多传感器存储效率冗余的缺陷，提高测量数据存储性能。 相似文献
8.
针对现有多波束测深数据的滤波算法需要人工干预且难以实现自动滤波的问题,在布料模拟滤波基础上,提出了一种基于双向布料模拟(bidirectional cloth simulation filtering, BCSF)的多波束测深数据滤波算法。首先,基于二次曲面（Levenberg-Marquardt）算法拟合构建传递式迭代趋势面,消除海底负异常数据;然后,构建BCSF修正模型,确定最终海底滤波面,解决海底凹凸地形或具有成簇噪点的复杂海域地形容易产生的过度滤波问题;最后,对分类海底点与非海底点的距离阈值进行了自适应优化与估计,进一步提高BCSF滤波结果的准确性。将所提算法应用于实测多波束测深数据,实验结果表明,与布料模拟滤波相比,所提算法不仅克服了过度滤波的缺陷,而且实验区域的整体测试数据的噪点剔除率从12.87%下降到0.76%,局部测试数据的噪点剔除率从15.29%下降到1.09%;与基于不确定度理论的多波束测深滤波相比,所提算法更加简洁,易于技术实现,人工干预很少,保留了更多的地形细节,具有较好的鲁棒性和应用前景。 相似文献
9.
海底底质分类对于海洋资源开发与利用、海洋科学研究等多方面具有重要意义。目前,多波束探测是实现大范围海底底质分类的有效手段之一,通常基于多波束反向散射强度提取角度响应(AR)特征及反向散射图像特征进行底质分类。由于特征来源较单一,分类器结构简单,往往分类精度不高。为此,本文提出了一种基于深层卷积神经网络(CNN)的多波束海底底质分类方法。除反向散射强度特征外,还利用地形特征,将特征向量转换为波形图,再输入卷积神经网络进行训练和分类。试验对比不同特征组合以及BP网络、支持向量机(SVM)、K近邻(KNN)、随机森林(RF)4种常规分类器,本文模型算法总体分类精度达到94.86%,Kappa系数为0.93,精度具有明显优势,效率也比较高。表明该方法有效利用两种数据类型所蕴含的海底底质信息,充分发挥卷积神经网络权值共享、高效率等特点,实现高分辨率海底底质分类,可对海底底质分类研究提供参考。 相似文献
1