[发明专利]一种基于卷积神经网络从近岸海浪视频中检测浪高的方法

说明书

本发明属于海洋工程技术领域，公开了一种基于卷积神经网络从近岸海浪视频中检测浪高的方法，基于卷积神经网络从近岸海浪视频中检测浪高的方法包括：通过海浪视频预处理，从中抽取图像帧和计算帧间差分，组成包含浪高静态和动态信息的三通道图像；构建能够对海浪浪高进行检测的多层感知卷积神经网络模型；基于经视频预处理后的图像集构建训练数据集，对构建的网络模型进行不同浪高检测的训练；利用训练好的模型较高精度的检测近岸浪的即时海浪高度值。本发明能提高检测的效率，能够在业务化运行要求的精度内达到很好检测效果，能够高精度且快速地获取近岸海浪的有效波高。

技术领域

本发明属于海洋工程技术领域，尤其涉及一种基于卷积神经网络从近岸海浪视频中检测浪高的方法。

背景技术

目前，业内常用的现有技术是这样的：

近岸工程设计、浅海生产作业、近岸环境保护都离不开近岸海浪要素的高精度获取，尤其是海浪的实时高度值，因此，近岸海浪要素的高精度检测具有十分重要的意义。但由于海浪向近岸传播过程中，受海底地形、岸界和环境流(近岸流和潮流等)的作用显著，具有比深海和开阔陆架海域更复杂的演变规律和更快速时空变换，而近岸波浪是近岸海洋环境中最重要的动力因素之一，它威胁近岸建筑物的安全与稳定，引起海岸泥沙运动、海岸变迁和近岸水体交换。近些年对于近岸海浪要素检测主要是以浮标观测为主，人工观测为辅，近年来积极推进了雷达观测。浮标是对“点”观测，对于港湾复杂地形的准确海浪测量需要高密度部署，且运行和维护成本高；人工观测是通过有经验的预报员目测的方式估计海浪信息，对人员要求高，预测频率和精度也难以保障。地波雷达能实现大面积、长时间自动测量，但雷达测量设备昂贵，微波脉冲及回波传播受电离层平流层海气界面影响，资料质量随时空变化干扰明显，且测量精度取决于对信号的反演；视频用于海浪测量具有非接触、低成本、时空连续的优点，能够有效弥补浮标和雷达测量技术对方向谱观测的不足。目前对其研究和认识还不是很成熟。

近岸监控视频图像在海浪检测方面的优点是视频图像易获取，且图像数据庞大，基于高清的海浪视频图像特征清晰，不会造成太多的噪声干扰，但对于海浪高度值的精细化检测，基于图像特征的检测方法在检测过程中容易受到视频图像中其它目标物的干扰影响，且检测精度容易受到视频质量的影响。2004年Piepmeier等人通过一种立体视觉方法分析视频图像，并在戴维森实验室测试了水波参数，所得的浪高数据与测波计的数据基本相同，但是对于部分存在较大噪点的视频图像，实验得出的数据于实际测波计的数据相差较大；2013年李刚等人提出了一种基于图像纹理特征的波浪检测方法，基于纹理特征，利用灰度共生矩阵，计算其四个独立特征量，然后根据分析结果确定特征量权值并计算不同波浪等级的阈值，根据得到的阈值来检测波浪等级，该方法能较好的检测出波浪的等级，且模型简单，计算效率较高，但无法做到海浪高度值的精细化检测。2014年周圆等人提出一种基于TerraSAR-X图像的海浪要素提取方法，基于海面风场反演的地球物理模型和海浪的参数化初猜谱反演模式来获取海浪要素信息，并使用TerraSAR-X图像进行实例验证，最后结果对比，有效波高的绝对误差为0.8m，平均周期的绝对误差为1.9秒，从结果来看，这种方法模型简单，应用性较强，但有效波高的绝对误差对于低等级浪高值的偏差较大，且基于SAR图像的特征检测不适用于近岸海浪的要素检测。有人提出利用视频帧的能量变化和海浪物理模型特性相结合的方法。2006年Spencer等人在摄像机未标定情况下用傅里叶变换探索水波的色散关系来确定真实场景的大小，并使用暂态频谱和已知海洋频谱的随机模型来确定海况，从而可以检测出海浪要素特性，这种方法计算复杂度较高，且不同环境海域的海洋频谱不一样，需要单独建立，鲁棒性较差，不能很好地满足实际应用。2015年，Hidetomo Sakaino提出了一种基于局部和全局变化模型的动态纹理海浪视频运动估计，结合物理光学流模型/约束条件来实现光滑和不连续的变化，使用波形生成理论，还先后使用局部和全局优化的方式对模型参数进行改进，实现对海浪运动目标的方向检测，但不适用于浪高值的计算。