[发明专利]海洋锋面识别方法和装置

说明书

本发明公开了一种海洋锋面识别方法和装置。该方法包括：将待识别的海表温度图输入到多尺度采样模型中进行不同尺度的采样，得到多个不同尺度的块；将多个不同尺度的块输入到预先训练好的深度模型中进行模型识别，得到识别结果；根据识别结果对多个不同尺度的块进行标记；将标记后的多个不同尺度的块输入到二值化模型中进行拼接，得到与待识别的海表温度图大小相同的二值图；将与待识别的海表温度图大小相同的二值图输入到细粒度定位划界模型中进行细粒度识别，得到细粒度识别结果，其中，细粒度识别结果包括海洋锋的位置和海洋锋强弱的变化趋势。通过本发明，达到了准确识别海表面温度图中海洋锋的位置和海洋锋强弱的变化趋势的效果。

技术领域

本发明涉及海洋图像识别领域，具体而言，涉及一种海洋锋面识别方法和装置。

背景技术

海洋锋的产生是一种典型的中尺度海洋现象，这种现象对海洋渔业生产、研究海洋领域具有比较重要的价值。因此，对海洋锋的研究成为海洋学家们的一项重要课题。

海洋锋的产生是由于两种不同性质(比如：温度、盐度、密度等)的水团在交界处形成的锋面。在大多数的研究中，研究者往往研究的是由于温度不同产生的海洋锋。在锋面形成处，往往具有很丰富的营养物质，也是鱼群聚集的地方，这对海洋渔业生产提供了重要的参考价值。同时，有关资料表明，海洋气候变化也是产生海洋锋的一个条件，通过对海洋锋的研究，也可以对海洋气候进行深入的研究，为解决海洋气候变化带来的若干问题提供参考，例如研究海洋厄尔尼诺现象的产生与影响、全球气候变暖问题等。

目前，遥感领域技术的快速发展，提供了更多的研究海洋现象的机遇，比如人造卫星的发射，可以获得更高清的海洋分析图像，使得分析识别海洋锋变得更简单可行。同时，人工智能的快速发展，已经深入到生产生活的各个领域，包括对海洋领域的研究。特别是人工智能在图形图像领域已经取得了很好的效果，目标识别、目标检测、目标分类等任务已经成功应用了现有的人工智能算法与技术，并得到了很好的检验。因此，结合人工智能的有关技术，对采集的卫星遥感图像进行特征提取，分别在不同尺度上进行分类，实现了对海洋锋的定位与识别，对海洋渔业生产、研究海洋现象具有重要的参考价值。

相关的技术主要包括以下几个：

1.早在1992年，J.F.Cayula和P.Cornillon就已经对海洋锋进行了研究，他们研究的主要方法是使用传统的技术——边缘检测技术。该技术首先是利用卫星采集海面温度的数据，经过处理得到海表面温度图(Sea Surface Temperature，简称“SST”)。由于不同温度的水团之间是有比较明显的界线，该技术则利用此特点进行锋面的检测，并且取得了很好的性能。后来，David S.ullman和Peter Cornillion又证明了在一段长时间序列的AVHRR(Advanced Very High Resolution Radiometer)图像上，使用自动边缘检测算法进行锋面识别具有比较好的性能。

2.对多谱带锋图进行自动化识别海洋现象(如：水体富营养化、海洋锋等)，并对其进行可视化。该技术主要利用不同性质的水团具有不同的反射率，光线照射在这些水团表面上，会反射不同波段的光线。通过分析反射的光线的谱带，实现对海洋现象的分析。后面对该技术进行了改进，可以实现将观测的几天的海洋锋的位置，强度以及变化情况，统一在一张图里，该方法被称为“复合前沿图法(composite front map approach)”。

3.对遥感图像进行温度锋和叶绿素锋的检测。随着遥感技术的发展，越来越容易获得高分辨率的遥感图像。在目前遥感领域，使用的较多的是海表面温度图。由于锋面两侧水温的不同，在两个水团之间会存在明显的界线。利用该特性，对图像进行求梯度，在锋面附近处，梯度值比较明显，因此可以利用梯度算法进行锋面位置的检测。

4.基于MMF(Microcanonical Multiscale Formalism)对SST中海洋锋的快速检测算法。该算法可以对日常获得的SST图像进行分析，并且实现海洋锋的快速检测。与此同时，该算法可以很好的去除云遮挡问题，是一种性能比较好的海洋锋检测技术。