中尺度涡特征提取算法及可视化研究

在对海洋遥感图像数据进行处理,特征可视化检测海洋信息的过程中,中尺度涡信息检测是重要内容之一,其结果直接影响海洋中尺度涡信息反演的精度.为了提高中尺度涡信息提取的准确性,本文根据海洋中尺度涡成像的特点,基于边缘检测,运用连通区域提取技术,综合利用涡旋的形状、尺度等判据,检测图像中的旋涡闭合等值线以及提取旋涡的特征参数.采用Matlab和C#混合编程,将中尺度涡检测算法和遥感数据信息有机结合起来,实现了中尺度涡检测的自动化和可视化,提高了遥感图像的处理效率.实验表明,该方法具有较高的中尺度涡信息检测精度,检测效果理想.     

融合多尺度旋转锚机制的海洋中尺度涡自动检测

目的 海洋中尺度涡自动检测是了解其演变规律,研究其在海洋物质运输和能量传递中的作用的基础。针对海洋中尺度涡形态不规则、结构复杂多变、长宽比不确定,以及涡群海域中尺度涡分布密集导致的检测精度低的问题,提出一种基于深度学习多尺度旋转锚机制的海洋中尺度涡自动旋转检测方法。方法 首先对卫星遥感海平面高度异常数据进行可视化预处理,并采用图像处理策略对数据集进行扩充构建训练集;其次构建了一种基于深度学习多尺度旋转锚机制的中尺度涡自动检测模型,考虑到中尺度涡尺度变化大和其所处海洋环境复杂多变的特点,主干网络采用Retina Net提取中尺度涡特征,同时采用特征金字塔结构融合中尺度涡的低层与高层特征,设计多尺度、多长宽比以及多旋转角度锚点机制实现多尺度旋转检测锚的生成;最后集成分类与回归两个子网络,实现海洋中尺度涡的自动旋转检测。结果 实验结果表明,提出的中尺度涡自动检测方法极大改进了水平检测框存在显著的大纵横比导致检测精度低和检测框嵌套和重叠现象。本文方法最优检测精度为90.22%,与水平检测方法相比,精度提升了8%。在印度洋、太平洋、大西洋和赤道海域进行了海洋中尺度涡的旋转检测实证分析,验证了模型...     

基于机器学习的海洋中尺度涡检测识别研究综述

海洋中尺度涡是一种重要的海洋中尺度现象,在海洋环流、物质能量传输中发挥重要作用,对舰船航行安全、水声通信等也具有重要的影响。高效准确地检测识别出海洋中尺度涡无论对于物理海洋认知还是海洋开发利用都有着重要的研究价值。传统涡旋检测识别方法依赖专家经验设计的单一阈值,具有显著的主观性。随着深度学习的兴起,机器学习方法在涡旋检测识别的准确性和自动化程度上表现出一定的优势。通过总结与对比分析现有基于机器学习的检测识别方法,为发展海洋中尺度涡检测识别的研究提供系统认知和参考依据。     

遥感图像中尺度海洋锋及涡旋提取方法研究进展

目的 中尺度海洋锋及涡旋均是重要的中尺度海洋环境特征。中尺度海洋锋及涡旋的提取及其时空分布、变化的研究对海洋生态系统的研究、渔业资源评估、渔情预报及军事等都有重要意义。遥感技术能在同一时间获取大面积海洋要素观测数据,遥感数据具有优良的连续性、同步性,因此遥感数据被广泛应用于中尺度海洋锋及涡旋提取的研究中。方法 对基于遥感数据进行中尺度海洋锋提取的梯度法、Canny算法、小波分析法和基于引力模型的方法,以及涡旋的提取的Okubo-Weiss法（OW法）、Winding-Angle法（WA法）、基于海面高度的无阈值等值线法和Hybird Detection（HD法）进行总结和分析,并提出对中尺度海洋锋面及涡旋提取方法的见解及新思路。结果 利用2014年2月南海北部海表温度（SST）数据,分别采用梯度法中的Gradient法、Sobel算法以及Canny算法对南海北部温度锋进行提取并得到该区域温度锋分布图。结果 明在多种锋面提取方法中,Canny算法具有较高的效率且其提取结果的连续性和精度更好。中尺度涡的提取方法中,WA法的提取结果具有更好的准确性。早期的中尺度涡提取方法忽略了多中心结构涡旋存在的情况,而后来的HD法能较好地识别多中心结构涡旋。结论 阈值选取是中尺度海洋锋及涡旋提取的难点和提取结果好坏的关键。然而海洋要素图像弱边缘的特点使得传统边缘检测方法不一定适用于中尺度锋提取。文章通过对不同锋面及涡旋提取方法的总结与分析,为海洋锋面及涡旋提取的研究提供了参考依据。     

基于LOD四叉树算法的中尺度云团三维流场可视化模拟分析

中尺度环流在复杂的天气环境下时常被大尺度环流掩盖,不能及时获取中尺度云团的时空密度,影响了中尺度云团三维流场可视化模拟效果,为了提升可视化模拟性能,提出基于四叉树算法（levels of detail,LOD)的中尺度云团三维流场可视化模拟分析方法。分析了中尺度云团三维相对流场,从中获取了中尺度云团三维流场运动规律,并基于二维直方图取得中尺度云团三维流场特征;将粒子源与四叉树结构相结合,构成四叉树粒子系统,把取得的特征映射到系统内,利用该系统中的粒子完成中尺度云团三维流场的渲染绘制,从而实现中尺度云团三维流场的可视化模拟。实验结果表明,绘制帧率对比测试、可视化模拟速率对比测试和可视化模拟效果对比测试结果清晰度较高,可视化程度较高,实用性强、可靠性高。     

基于卫星影像的自动提取中尺度漩涡方法研究

中尺度漩涡蕴涵着海洋洋流的许多动力学信息。它对我们的海洋研究具有重要意义,如洋流,海洋渔业等。近年来出现许多漩涡提取的方法,例如,采用水文观测的方法(以设立各种浮标收集海洋资料的方法)不仅要耗费昂贵的人力物力且无法覆盖广大区域。本文提出一种借助星载传感器的温度场(SST)数据实现自动提取中尺度漩涡的技术方法。本技术借助漩涡与温度场(具有一定结构的温度场)之间存在的对应关系,通过分析温度场数据的特征获取漩涡的信息,从而实现自动提取漩涡的目标。本方法分为三个步骤:首先对温度场数据进行处理,得到温度等值线并对闭合等值线进行分组;然后就各分组闭合等值线来计算其特征参数;最后利用粗糙集理论对这些闭合等值线分组实现分类。研究中所使用的决策表,是以海洋学家从温度场影像中识别出的多个漩涡作为基础生成的,这样我们就可以利用专家的知识方便地从其他温度场影像中提取出漩涡。本文采用北大西洋湾流实例作为我们研究对象,实验表明本文采用的方法行之有效。     

基于IDL的海洋中尺度现象可视化方法

基于遥感平台对海洋中尺度现象研究的一项重要工作就是对测量结果进行可视化.为此,针对海洋中尺度现象的具体特点,利用IDL对其进行了可视化应用开发研究.开发过程及得到的可视化产品表明IDL为进行海洋中尺度现象研究提供了一个友好、灵活、简便、有效的开发环境,用其进行遥感可视化,可取得色彩细腻、定制随意的图形效果.     

面向城市空间热点分析的可视化方法综述

随着定位技术和通信技术的发展和普及,带有时空属性的数据呈爆炸性增长.这些时空数据蕴藏着丰富的热点信息,利用可视化方法进行城市空间热点分析有显著优势,对优化资源配置、指导城市建设具有重要意义.文中综述了近年来国内外城市空间热点分析的相关研究,总结不同时空数据热点分析的可视化方法框架;并根据数据特征分别按照基于统计信息和基于语义信息进行分类,详细阐述各类方法的研究现状和优缺点,可为不同的数据类别及派生的特征选择合适的可视化方法,以更好地协调多个数据属性及其展示结果,进而减少信息混乱和视觉遮挡;最后,指出面向城市空间热点分析可视化方法面临的挑战和进一步探索的方向.     

基于YOLOv8n的无人机航拍目标检测

针对无人机航拍检测任务中小目标检测精度低的问题, 提出一种基于YOLOv8n的目标检测算法(SFE-YOLO). 首先, 嵌入浅层特征增强模块, 将输入特征的浅层空间信息与颈部获取的深层语义信息融合, 以增强小目标特征表示能力, 并使用全局上下文块(GC-Block)对融合信息进行重校准, 抑制背景噪声. 其次, 引入可变形卷积来代替C2F中的部分标准卷积, 提高网络对几何变化的适应性. 再次, 引入ASPPF模块, 融合平均池化技术, 增强模型对多尺度特征的表达并降低漏检率. 最后, 在颈部网络的基础上嵌入中尺度特征合成层, 融合主干网络中更多的中间特征, 使不同尺度的特征过渡更平滑, 并通过跳跃连接增强特征重用性. 该模型在数据集VisDrone2019和VOC2012上进行验证, mAP@0.5值达到30.5%和67.3%, 相较于基线算法YOLOv8n提升了3.6%和0.8%, 能够提升无人机图像目标检测性能, 同时具有较好的泛化性.     

城市出租车乘客出行特征可视化分析方法

可视化技术通过图形表现数据的内在规律，并可利用交互的形式实现数据的层次化展示，其在分析交通数据、发现交通问题以及辅助决策中扮演着越来越重要的角色。为了更加清晰、直观地展示城市出租车GPS轨迹数据传递的信息，解决因其数据量庞大和时空信息复杂而带来的分析难题，提出一种集成聚集可视化、特征可视化对出租车GPS轨迹数据进行可视化分析的方法。首先，通过数据处理得到可用于可视化的特征数据，而后对乘客上下车点进行聚集可视化，并利用多视图协同交互的方法对轨迹数据进行了特征可视化；最后，根据可视化结果对城市出租车乘客出行特征时空分布情况进行了分析。在此基础上，设计了一个交互式可视分析系统，并通过真实数据集案例验证了系统的有效性。     

中尺度不规则矢量海洋涡旋提取

目的 西北太平洋是我国远洋渔船从事大规模商业性捕捞的重要作业海域,也是中尺度涡的活跃区域,因此中尺度涡的提取方法研究对渔场分析有十分重要的意义。传统的研究方法多依赖栅格数据进行涡旋提取,并用标准圆形来拟合涡旋,难以提取涡旋的多核结构,本研究对此进行了改进。方法 利用海表面高度异常数据,充分考虑海洋涡旋形状多样性以及矢量数据结构的优点,结合过去研究中的涡旋约束条件,基于无阈值的闭合等值线法,确定涡旋边界和中心,实现对西北太平洋黑潮延伸区的不规则矢量涡旋的提取。结果 由于原始的海表面高度异常栅格数据图最接近海洋中涡旋实际存在的形状和位置,因此分别以1997年6月1日、2000年6月1日、2003年6月1日、2006年6月1日、2009年6月1日、2015年6月1日的涡旋提取结果为例与同一时间同一研究区域内原始海表面高度异常数据栅格图以及传统研究方法中标准圆形的涡旋提取结果进行比较。选取1994年6月1日的提取结果为例,同等比例放大同一位置涡旋,计算重叠率,重叠率的最大值为89%,最小值为22%,平均重叠率为65%。结果表明,本文的提取结果更接近海洋中涡旋的实际形状和位置,且精度更高。结论 本文基于海洋卫星高度计的涡旋提取方法,充分考虑了海洋涡旋形状不规则的特点,综合了矢量数据结构的优点,更符合海洋中涡旋的实际形状和位置,比传统方法得到的结果具有更高的准确性和易用性,适用于涡旋与渔场关系的研究。     

多特征融合的复杂环境海洋涡旋识别

目的 海洋涡旋识别研究已成为物理海洋领域的研究热点之一。传统的海洋涡旋识别算法多是基于物理参数法、流场几何特征法以及两种方法的混合,通过设置统一的阈值对海洋涡旋进行识别。在特定环境的海域中,传统算法的识别效果较好。但引起海洋涡旋生成的环境复杂多变且具有快速运动的特性,导致其具有快速连续变化的特点,依赖专家经验进行单一阈值设置的方法存在显著的主观性和不确定性,通常会导致海洋涡旋的漏判和错判,缺乏通用性。针对以上问题,为构建具有泛化能力的海洋涡旋自动识别方法,兼顾考虑海洋涡旋的全局和局部特征,提出一种复杂环境下海洋涡旋多特征融合识别方法。方法 首先通过数据预处理对数据集进行扩充;其次提取海洋涡旋的纹理特征（GLCM）、傅里叶描述子（FD）和Harris角点特征;接着将提取的GLCM特征进行均值化,并通过主成分分析法（PCA）对FD描述子和Harris角点特征进行降维;然后将处理后的特征向量进行串行融合;最后通过分类器完成对海洋涡旋的识别。结果 实验结果表明,提出的多特征融合方法的识别率高于单一特征方法的识别率,采用DT分类算法的识别精度最高,达86.904 5%;本文方法中采用PCA降维能有效提高识别精度,FD特征经PCA降维后,识别精度从83.906 0%提高到86.904 5%,Harris特征经PCA降维后,识别精度从84.009 7%提高到85.354 7%;且对于形态多样的海洋涡旋具有良好的鲁棒性。结论 本文融合了基于SAR影像海洋涡旋的3种特征信息,包括GLCM、FD和Harris角点特征,有效克服了阈值选取以及单一特征的不足,提高了基于SAR影像海洋涡旋的识别率,本文方法适用于复杂环境下的海洋涡旋识别。     

Illustrative Visualization of Mesoscale Ocean Eddies

Feature‐based time‐varying volume visualization is combined with illustrative visualization to tell the story of how mesoscale ocean eddies form in the Gulf Stream and transport heat and nutrients across the ocean basin. The internal structure of these three‐dimensional eddies and the kinematics with which they move are critical to a full understanding of ocean eddies. In this work, we apply a feature‐based method to track instances of ocean eddies through the time steps of a high‐resolution multi‐decadal regional ocean model and generate a series of eddy paths which reflect the life cycle of individual eddy instances. Based on the computed metadata, several important geometric and physical properties of eddy are computed. Illustrative visualization techniques, including visual effectiveness enhancement, focus+context, and smart visibility, are combined with the extracted volume features to explore eddy characteristics at different levels. An evaluation by domain experts indicates that combining our feature‐based techniques with illustrative visualization techniques provides an insight into the role eddies play in ocean circulation. The domain experts expressed a preference for our methods over existing tools.     

海洋中尺度涡旋观测任务中的水下滑翔机协同控制策略

为了实现以水下滑翔机为平台,组队进行海洋中尺度涡旋的采样观测任务,提出了一种水下滑翔机队形协同控制方法．该控制方法可以使滑翔机能够完成以涡旋中心为圆心的预定圆形轨迹的循迹采样,同时在采样过程中能够使滑翔机保持任意预定的相对位置关系．首先,利用极坐标系对滑翔机的队形参数进行建模;然后根据队形参数提出对应的能量方程;最后通过最小化能量方程的导函数,制订相应的水下滑翔机航向控制律．通过建立仿真系统并对不同的轨迹参数进行仿真,在涡旋中心恒速运动和变速运动的情况下,载体均实现了对涡旋区域内不同半径圆形轨迹的跟踪采样观测任务,证明了该方法能够满足圆形预定轨迹上滑翔机队形保持的要求,为进行海洋中尺度涡旋区域组队观测采样提供了一种有效的队形控制方法．     

融合密集特征金字塔的改进R2CNN海洋涡旋自动检测

海洋涡旋演变过程认识的不足是制约当前物理海洋研究水平的关键因素,海洋涡旋自动检测是掌握其产生、发展、变异过程机理及其与多尺度海洋过程相互作用的基础。然而,由于海洋涡旋尺度多样性、形状不规则、分布密集的特点,现有水平检测方法导致检测区域存在显著的冗余、重叠与嵌套。为解决上述问题,提出多尺度旋转密集特征金字塔网络。具体地,通过密集连接(dense feature pyramid network, DFPN)改进特征金字塔网络实现多尺度高层语义特征提取与融合,增强特征传播与特征重用;此外,针对海洋涡旋密集分布的特点,改进旋转区域卷积神经网络(rotational region convolutional neural network, R²CNN),提出多尺度RoI Align机制,实现特征的语义保持和空间信息的完整性,提升模型检测性能。最后,采用海平面异常值数据构建海洋涡旋数据集,并预处理成VOC格式进行训练,调整相应参数得到检测模型。实验结果表明,提出的检测模型最优检测精度可达96.4%,并对太平洋、大西洋海域的海洋涡旋进行自动检测,验证了模型具有较好的泛化能力。     

Probability distributions of statistical characteristics of mesoscale eddies in the global ocean

Three independent global observations of nonlinear mesoscale eddy datasets derived from satellite altimeter are analysed to investigate the statistical characteristics of mesoscale eddies. Histograms of amplitude, radius, rotation speed, and Rossby number of mesoscale eddy in the global ocean were fitted by four probability density functions called normal, Rayleigh, gamma, and lognormal distribution. The histograms of these characteristics were best approximated by the lognormal distribution, regardless of the choice of eddy datasets. Further comparison studies between eddies of several large ocean basins and eddy-active regions showed that the lognormal distribution performed better in eddy-active regions. This study improves the understanding of eddy characteristics distributions, and may provide a basis for eddy parameterization in the numerical model.