-
公开(公告)号：CN118961652A
公开(公告)日：2024-11-15
申请号：CN202411465462.0
申请日：2024-10-21
Applicant: 自然资源部第二海洋研究所
Abstract: 本发明公开了一种基于ICESat‑2 ATL03全球定位光子数据的海洋次表层光学特性垂直结构反演方法。该方法首先对ICESat‑2 ATL03原始数据集进行质量控制；随后，通过筛选高置信度光子确定海面位置，并进一步确定水下光子的深度；接着对获得的深度数据进行折射校正。利用经过处理的ICESat‑2光子数据，采用滑动窗口，并以设定步长，对不同深度的光子进行滑动累积，从而获得激光雷达衰减后向散射信号的深度分布；然后，对激光雷达衰减后向散射信号进行去卷积处理；最终，利用物理反演模型获取海洋次表层光学特性的漫衰减系数Kd和颗粒物后向散射系数bbp的垂直分布。本发明即使在难以开展现场测量的区域，也能实现海洋次表层的垂向观测，并且能够保证较高的测量精度。
-
公开(公告)号：CN117496278A
公开(公告)日：2024-02-02
申请号：CN202410004085.4
申请日：2024-01-03
Applicant: 自然资源部第二海洋研究所
IPC: G06V10/764 , G06V10/774 , G06V10/56 , G06N3/0464 , G06N3/08 , G06V20/10
Abstract: 本发明公开了一种基于辐射传输参数应用卷积神经网络的水深地图反演方法，包括：获取参考海底地形测深点作为先验测深点，获取被动遥感图像并做预处理，获得包含不同波段对应的遥感反射率的图像，进而得到对应的辐射传输数据层信息以及漫射衰减系数；红绿蓝三波段的遥感反射率、辐射传输数据层信息、漫射衰减系数组成特征数据集，基于特征数据集提取每个以先验测深点位置为中心的7×7×7子图像组成特征张量训练数据集，训练标签为先验测深点；将特征张量训练数据集输入卷积神经网络训练；将特征数据集输入训练好的卷积神经网络反演出水深地图。本发明充分利用了被动遥感图像的光谱信息，并参考水深点周边像素信息，提高反演精度。
-
公开(公告)号：CN115436966A
公开(公告)日：2022-12-06
申请号：CN202211254631.7
申请日：2022-10-13
Applicant: 自然资源部第二海洋研究所 , 上海交通大学
IPC: G01S17/88
Abstract: 本发明公开一种激光雷达参考水深控制点批量提取方法，该方法首先利用高分辨率遥感图像快速提取浅水特征光子，然后应用DBSCAN算法检测水下光子信号，剔除部分异常点后，最后快速获得ICESat‑2的浅水参考水深控制点数据。本发明能够快速提取ICESat‑2光子检测到的浅水水底地形光子信号，提高激光雷达回波检测海底地形结果的效率。
-
公开(公告)号：CN110568449B
公开(公告)日：2021-04-16
申请号：CN201910971951.6
申请日：2019-10-14
Applicant: 自然资源部第二海洋研究所
Abstract: 本发明公开一种风生粗糙海面激光反射、透射矩阵计算方法，该方法首先计算该风速下的海浪斜率均方差，并由给定的入射光和出射光计算散射角，其次计算出波面法向量的天顶角与散射平面内的入射角和阴影函数、概率分布函数，之后计算镜面反射矩阵、透射矩阵。然后利用坐标变换计算旋转矩阵。最后将概率分布函数、旋转矩阵与镜面反射透射矩阵相乘可得到该风速下入射光和出射光的反射、透射矩阵。将激光的斯托克斯矢量与反射、透射矩阵相乘，可得到风生粗糙海面偏振激光的辐射传输情况。本发明采用粗糙海表模型，能够兼顾激光偏振态与粗糙海面，模拟真实环境下偏振激光在风生粗糙海面的反射、透射矩阵。
-
公开(公告)号：CN118884403A
公开(公告)日：2024-11-01
申请号：CN202411397181.6
申请日：2024-10-09
Applicant: 南方海洋科学与工程广东省实验室(广州) , 自然资源部第二海洋研究所
IPC: G01S7/48 , G01C13/00 , G06F18/213 , G06F17/10
Abstract: 本发明提供一种海底回波饱和波形的峰值点提取方法、系统、终端及介质，包括：基于海底回波信号接收装置的最大不失真信号，获取第一目标值；获取海底回波信号数据；基于第一目标值和海底回波信号数据，获得第二目标值，基于第一目标值和第二目标值，确定目标数据区间；提取位于目标数据区间内的海底回波信号，以对应作为上升段目标数据和下降段目标数据；分别基于上升段目标数据和下降段目标数据进行线性拟合，对应获得上升段线性函数和下降段线性函数；获取上升段线性函数和下降段线性函数的相交点，作为海底回波信号数据的峰值点。本发明提供的海底回波饱和波形的峰值点提取方法，可提高对海底回波饱和波形峰值点提取的准确性和效率。
-
Patent Agency Ranking
公开(公告)号：CN113960624B
公开(公告)日：2024-07-23
申请号：CN202111232283.9
申请日：2021-10-22
Applicant: 自然资源部第二海洋研究所 , 上海交通大学
IPC: G01S17/89
Abstract: 本发明公开一种基于自适应DBSCAN的激光雷达回波水下地形检测方法，该方法首先读入ICESat‑2ATL03原始数据，对数据进行垂直方向截取，对沿轨距离轴作缩小处理，然后分段处理ICESat‑2光子数据；通过计算得到候选的半径ε和最小聚类阈值minpts数据集，带入DBSCAN中进行聚类分析，得到对应的聚类簇数，当生成的簇数连续三次相同时，认为聚类结果趋于稳定，记该簇数对应的半径ε和最小聚类阈值minpts为当前数据段的最优参数，将该参数带入DBSCAN中用于检测水下地形，最后继续处理剩余数据段，直至数据处理结束。本发明采用自适应的方法计算DBSCAN的关键参数半径ε和最小聚类阈值minpts，适用于大批量激光雷达数据的批处理，能够提高检测算法的准确性。
-
公开(公告)号：CN113960625B
公开(公告)日：2024-06-11
申请号：CN202111232285.8
申请日：2021-10-22
Applicant: 自然资源部第二海洋研究所 , 上海交通大学
IPC: G01S17/89
Abstract: 本发明公开一种基于星载单光子激光主被动遥感融合的水深反演方法，该方法首先读取ICESat‑2ATL03原始数据集；然后采用DBSCAN方法提取浅水水体水深数据；之后选择该地区少云量的Sentinel遥感图像，对其进行大气校正、空间切割、陆地云层掩膜；利用前面的ICESat‑2数据中检测得到的水深数据带入波段比值经验模型进行回归训练得到参数，最后带入sentinel遥感图像中反演出该地区水深地图。本发明采用无需原位测深数据作为控制点，在不易机载测量水深地区亦可开展水深测量，且保持了良好的测量精度。
-
公开(公告)号：CN115453492B
公开(公告)日：2024-05-31
申请号：CN202210943393.4
申请日：2022-08-08
Applicant: 自然资源部第二海洋研究所
IPC: G01S7/48
Abstract: 本发明提供一种基于激光雷达波形的海面高度获取方法、终端及计算机存储介质；其中，方法包括：基于目标回波信号的噪声信息，于所述目标回波信号对应的波形曲线中确定有效信号段中上升段；于该上升段中确定第一拟合点和第二拟合点，以使基于该两点所确定的直线斜率和所述上升段的总曲线斜率之间满足预设的拟合条件；基于所述直线斜率，并根据所述第一拟合点、所述第二拟合点的回波信息，和所述噪声信息，获取所述上升段中初始信号点对应的采集时间，以基于该采集时间获取所述目标回波信号对应的海面高度，从而可以提高海面高度获取结果的准确性。
-
公开(公告)号：CN118091621A
公开(公告)日：2024-05-28
申请号：CN202410310827.6
申请日：2024-03-19
Applicant: 自然资源部第二海洋研究所
IPC: G01S7/497
Abstract: 本发明公开一种基于概率权重与偏振态耦合的小角度偏振激光雷达水下探测过程的仿真方法，该方法首先对仿真环境进行初步模拟，然后利用蒙特卡洛方法对光子在水下传输过程进行仿真，具体为先将带有初始偏振信息和初始权重的光子射入水体，通过计算得到光子在水中运动的随机步长和光子目前移动的方向单位向量，得到光子经过一个步长的运动后到达的位置，并发生散射事件。在散射事件发生过程中利用基于概率权重的半解析算法计算光子直接返回接收器的概率，作为回波信号的一部分进行接收统计。利用拒绝性原理和偏振状态下的散射相函数确定散射过程中的散射角和方位角，以此计算得到散射后的运动方向。本发明的方法模拟准确性高，用时少。
-
公开(公告)号：CN115792946A
公开(公告)日：2023-03-14
申请号：CN202211240769.1
申请日：2022-10-11
Applicant: 自然资源部第二海洋研究所
Abstract: 本发明公开一种用于星载激光雷达探测次表层水体要素的反演方法，包括：对回波剖面信号进行均值滤波；提取陆地表面数据，计算离散瞬态响应函数，并进行拟合；然后对滤波后的激光雷达测量信号进行瞬态响应校正；提取海洋近邻数据，再依次计算积分衰减系数，校正积分衰减系数和平行垂直相关系数，获取偏振串扰系数，对瞬态响应校正后的信号再进行偏振串扰校正；依次计算水体总退偏比和水体后向散射系数；根据时间和经纬度匹配星载激光雷达和已有水体参数相对应的数据，然后将总退偏比、水体后向散射系数和纬度作为变量，水体参数作为真值输入深度神经网络进行学习，得到训练后的深度学习网络，预测水体参数。该方法可快速而准确的反演水体要素。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.233 seconds)
