基于改进的Canny算法，在数值模拟中自动识别内部孤立波

《Ocean Engineering》：Automatic identification of internal solitary waves in numerical simulations based on an improved canny algorithm

本研究提出一种基于改进Canny边缘检测算法的自动内 solitary waves（ISWs）识别方法，通过带通滤波处理高分辨率数值模拟数据，显著提升ISWs轮廓提取精度。实验表明，该方法在南海数值模型中平均准确率达93%，DTW距离最小0.6公里，优于Sobel、Roberts等其他边缘检测算子。算法成功应用于苏鲁海、安达曼海等不同海域的ISWs识别，验证了其跨区域适用性。通过与MODIS卫星影像和现场观测数据对比，自动识别结果在波幅、波长等关键参数上与人工标注及观测数据高度一致。

　　内部孤立波（ISWs）是海洋中常见的非线性现象，广泛存在于稳定分层的海洋环境中，它们在能量传输和混合过程中起着关键作用。由于ISWs的复杂性和动态特性，传统的人工识别方法在实际应用中面临挑战，尤其是在需要实时监测和长期观测的场景下。因此，研究自动识别方法成为当前的重要方向。本文提出了一种基于改进的Canny边缘检测算法的自动识别方法，并在高分辨率三维数值模型ISWNM-NSCS V2.0中进行了验证。通过对比其他边缘检测方法，该算法在波峰长度和波幅识别中达到了超过90%的准确性，且在波半宽识别中也表现出86%的准确率。同时，该方法与卫星图像和现场观测结果具有高度一致性，展示了其在不同海洋环境中的适用性和鲁棒性。

研究首先介绍了ISWs的生成和传播机制，指出它们通常由潮汐流与复杂的海底地形相互作用形成。ISWs能够引起强烈的水平剪切和显著的垂直混合，从而影响深海和浅海环境中营养物质和沉积物的传输。此外，ISWs还可能对海上工程结构的安全构成潜在威胁。目前，ISWs的研究主要依赖于三种方法：现场测量、卫星遥感和数值模拟。现场测量虽然能够提供详细的垂直结构信息，但其成本高且空间覆盖有限，难以进行长期、大规模的监测。卫星遥感则通过捕捉海面粗糙度的变化来识别ISWs，其信号通常表现为遥感图像中的明暗条带。然而，传统的卫星图像处理方法依赖于人工判读，难以实现完全自动化。数值模拟为研究ISWs提供了丰富的数据支持，但自动识别方法仍然不足，尤其在高分辨率三维模型中。

本文提出了一种改进的自动识别方法，以适应高分辨率数值模拟数据的特征。该方法结合了Canny边缘检测算法和带通滤波器，能够更有效地识别ISWs的特征。Canny算法是一种经典的边缘检测方法，以其对噪声的鲁棒性而闻名。它通过高斯滤波器对图像进行平滑处理，去除高频噪声，同时保留图像的基本特征。随后，计算像素强度在x和y方向的梯度，利用非极大值抑制（Non-Maximum Suppression）技术去除虚假边缘，最后通过双阈值处理保留最强的边缘和其连接部分。为了提高识别精度，本文对Canny算法进行了改进，引入了带通滤波器，以同时去除大尺度背景信号和小尺度噪声，同时保留ISWs的特征频率带。此外，还通过设定最小长度标准来消除不规则的伪边缘，并根据ISWs的近对称波形特征提取波峰两侧的边缘，计算中线以确定波峰的精确位置，利用波峰前后边缘的距离定义波半宽。

在数值模拟数据中，ISWs的特征通常表现为海面高度梯度（|?hη|）和等密度面位移（Amplitude，简称为Ampl）。本文选择了这两种变量来表征ISWs信号。在使用适应性阈值方法处理|?hη|时，虽然能够提取部分边缘，但未能有效识别连续的波峰线。而在使用Ampl数据时，尽管可以大致捕捉ISWs的分布，但背景噪声的干扰仍然存在。相比之下，Canny算法在两种变量中均表现出更高的识别精度，特别是在Ampl数据中，能够更清晰地提取ISWs的波峰线。定量分析显示，基于Ampl数据的Canny算法将DTW距离误差降低了52.2%，波峰长度误差降低了45.8%，表明其在识别ISWs波峰线方面优于其他方法。

进一步的实验表明，带通滤波器在识别ISWs中发挥着重要作用。通过调整滤波器的截断长度尺度（λ），可以有效去除背景信号和高频噪声，从而提高识别精度。对于不同ISWs（如W1、W2和W3），滤波器参数的最优范围有所不同。例如，W1的最佳滤波器截断长度为10～80 km，W2为20～100 km，W3为30～70 km。在这些参数下，DTW距离和波峰长度误差均达到最小值，自动识别结果与人工提取结果高度一致。此外，本文还对不同参考等密度面深度进行了比较，发现100 m深度的等密度面位移能够最清晰地反映ISWs的垂直波动，因此在该深度下，自动识别方法的准确性达到最高水平。

为了验证该方法的有效性，本文将自动识别结果与MODIS卫星图像和现场观测数据进行了比较。MODIS卫星图像因其较高的时间分辨率和较广的覆盖范围，特别适合于长期监测ISWs。研究发现，自动识别结果与MODIS图像中的ISWs信号在位置和长度上高度一致，表明该方法能够有效捕捉ISWs的空间分布特征。同时，现场观测数据（如在东沙环礁附近的CTD和ADCP测量）进一步验证了自动识别方法的可靠性。自动识别结果与观测数据在波峰长度和波幅上表现出高度一致性，表明该方法在提取ISWs的垂直特征方面具有较高的准确性。

此外，本文还测试了该方法在不同海洋区域的适用性，包括苏禄海和苏拉威西海、安达曼海、乔治海峡和龙目海峡。在这些区域，ISWs的特征（如波幅、波峰长度和波半宽）有所不同，因此需要根据区域特点调整滤波器参数和Canny算法的阈值。例如，在苏禄海和苏拉威西海的数值模型中，参考等密度面深度设置为200 m，并使用带通滤波器参数[19, 100] km和Canny算法阈值[0.01, 0.1]。在安达曼海，由于ISWs的多源特性，带通滤波器参数扩展为[10, 100] km，并将Canny算法阈值调整为[0.001, 0.15]。在乔治海峡和龙目海峡的高分辨率模型中，滤波器参数和Canny算法阈值进一步优化，以适应不同深度和波形特征。

总的来说，本文提出的改进Canny算法在识别ISWs的波峰线、波幅和波半宽方面表现出色，具有较高的准确性和鲁棒性。该方法不仅适用于高分辨率数值模拟数据，还可以扩展到不同海洋区域的ISWs研究。通过结合带通滤波器，该算法能够有效去除背景噪声，提高识别精度。同时，该方法的自动识别能力有助于构建高质量的训练数据集，为未来的智能识别模型提供支持。未来的研究可以进一步结合深度学习方法，以提高ISWs识别的自动化水平和普适性。