(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210264270.8 (22)申请日 2022.03.17 (71)申请人 北京中安智能信息科技有限公司 地址 100089 北京市海淀区东 冉北街9号A 幢4层B区B4023 (72)发明人 陆桦　 (74)专利代理 机构 南京禾易知识产权代理有限 公司 32320 专利代理师 冯五洲 (51)Int.Cl. G06V 10/22(2022.01) G06V 10/764(2022.01) G06V 10/44(2022.01) G06K 9/62(2022.01) G06T 7/73(2017.01)G06T 7/62(2017.01) G06T 5/20(2006.01) (54)发明名称 一种基于流函数构造的中尺度涡旋快速识 别方法 (57)摘要 本发明涉及一种基于流函数构造的中尺度 涡旋快速识别方法， 将识别区域内中尺度涡旋的 原始数据输入到处理模型中进行数据清洗， 输入 到流速局限过滤器和流速零变过滤器进行数据 初筛， 将初筛后的涡旋信息输入到流向绕心过滤 器进行数据复筛， 将复筛后的涡旋信息输入到流 函数过滤器中， 对复筛后的涡旋信息进行纠错， 对形状进行捕获， 获得涡旋形状， 对涡旋形状的 形心计算作为涡旋中心； 将涡旋中心与初始涡旋 中心进行误差比较， 获得确认后的涡旋信息。 该 方法主体基于涡旋的物理结构特征以层状结构 构建， 从而实现模型的快速融合， 实现模型的轻 量化， 易部署化， 易迁移化。 权利要求书1页 说明书3页 附图1页 CN 114663644 A 2022.06.24 CN 114663644 A 1.一种基于流函数构造的中尺度涡旋快速识别方法， 其特征在于， 所述方法包括以下 步骤： S1、 将识别区域内 中尺度涡旋的原 始数据输入到处 理模型中进行 数据清洗； S2、 将数据清洗后的中尺度涡旋数据输入到流速局限过滤器和流速零变过滤器进行数 据初筛， 获得初筛后的涡旋信息； S3、 将初筛后的涡旋信息输入到流向绕心过滤器进行数据复筛， 获得复筛后的涡旋信 息； S4、 将复筛后的涡旋信息 输入到流 函数过滤器中， 对复筛后的涡旋信息进行纠错； S5、 对形状进行捕获， 获得涡旋形状， 对涡旋形状的形心计算作为涡旋中心； S6、 将涡旋中心与初筛后的涡旋信息中的初始涡旋中心进行误差比较， 若误差小于2km 则直接输出涡旋信息， 否则更新潜在涡旋中心的坐标， 获得确认后的涡旋信息 。 2.根据权利要求1所述的一种基于流函数构造的中尺度涡旋快速识别方法， 其特征在 于： 所述初筛后的涡旋信息为涡旋中心经度和涡旋中心纬度， 所述复筛后的涡旋信息为涡 旋类型、 涡旋基本轮廓、 涡旋中心经度和涡旋中心纬度， 所述确认后的涡旋信息为涡旋类 型、 涡旋形状、 涡旋中心经度和涡旋中心纬度。 3.根据权利要求1所述的一种基于流函数构造的中尺度涡旋快速识别方法， 其特征在 于： 在步骤S1中， 所述处理模型包括陆地掩码模型和异常流速平滑模型， 在陆地掩码模型 中， 没有流场信息的陆地通过特殊标记进 行标识， 依次移动格点搜索统计格点5km范围内的 流速大小； 在异常流速平滑模型中， 若格点流速与统计区域的平均流速的差值， 是统计局域 内流速标准差的5倍则认为该格点的流速为异常流速， 该格点的流速以该格点8邻域格点的 流速均值进行替代。 4.根据权利要求1所述的一种基于流函数构造的中尺度涡旋快速识别方法， 其特征在 于： 在步骤S2中， 所述流速局限过滤器依次移动格点计算格点24邻域范围内局部最小流速 所在经纬位置， 标记为潜在涡旋中心， 所述流速零变过滤器检查潜在涡旋中心N ‑S和W‑E方 向上流向的变化， 过 滤不符合涡旋结构特 征的涡旋 。 5.根据权利要求1所述的一种基于流函数构造的中尺度涡旋快速识别方法， 其特征在 于： 在步骤S 3中， 所述流向绕心过滤器按照涡旋中的流场流向进 行象限循环， 所述流向绕心 过滤器用于计算潜在涡旋中心3格点四周外边缘格点的流向所在象限， 过滤不符合涡旋结 构特征的涡旋 。 6.根据权利要求1所述的一种基于流函数构造的中尺度涡旋快速识别方法， 其特征在 于： 在步骤S4中， 所述流函数过滤器初始搜索半径R＝ 10km,计算潜在涡旋中心R范围内的流 函数分布， 获取流函数场中闭合且包含初始涡旋中心的流线， 插值闭合流线连接点的流速 并取平均， 按闭合图形面积大小排列， 选择闭合图形平均流速不衰减且面积最大 的闭合流 线作为涡旋形状。权　利　要　求　书 1/1 页 2 CN 114663644 A 2一种基于流函数构造的中尺度涡旋 快速识别方 法 技术领域 [0001]本发明涉及海洋环境监测技术领域， 尤其涉及一种基于流函数构造的中尺度涡旋 快速识别方法。 背景技术 [0002]中尺度涡旋作为一种跨尺度的海洋动力学现象， 对海洋渔业、 军事行动等诸多涉 海活动都具有显著性影响， 在海洋环境态势分析中， 中尺度涡旋识别具有重要的理论和现 实意义。 目前已有的涡旋识别方法如数据 统计方法、 曲率中心方法、 神经网络方法等， 从理 论本质上 可以归化 为三大类别， 即经验性识别、 计算机学习识别。 [0003]经验性识别取决于人为的主观决策， 其识别效率和正确率的动态适应表现较差； 而基于计算机技术的机器学习和深度学习识别， 则由于数据量、 硬件设施的高要求以及模 型训练时间长， 复用性差， 局限了其应用部署场景。 发明内容 [0004]本发明的目的在于提供一种基于流函数构造的中尺度涡旋快速识别方法， 以解决 上述背景技 术中遇到的问题。 [0005]为实现上述目的， 本发明的技 术方案如下： [0006]一种基于流 函数构造的中尺度涡旋快速识别方法， 所述方法包括以下步骤： [0007]S1、 将识别区域内 中尺度涡旋的原 始数据输入到处 理模型中进行 数据清洗； [0008]S2、 将数据清洗后的中尺度涡旋数据输入到流速局限过滤器和流速零变过滤器进 行数据初筛， 获得初筛后的涡旋信息； [0009]S3、 将初筛后的涡旋信息输入到流向绕心过滤器进行数据复筛， 获得复筛后的涡 旋信息； [0010]S4、 将复筛后的涡旋信息 输入到流 函数过滤器中， 对复筛后的涡旋信息进行纠错； [0011]S5、 对形状进行捕获， 获得涡旋形状， 对涡旋形状的形心计算作为涡旋中心； [0012]S6、 将涡旋中心与初筛后的涡旋信息中的初始涡旋中心进行误差比较， 若误差小 于2km则直接 输出涡旋信息， 否则更新潜在涡旋中心的坐标， 获得确认后的涡旋信息 。 [0013]与现有技术相比， 本发明的有益效果是： 该方法主体基于涡旋 的物理结构特征以 层状结构构建， 主要包含5个流程步骤， 清洗、 初筛、 复筛、 纠正、 确认， 通过多级过滤器从流 场中提取涡旋位置(经纬度)、 类型、 形状。 该方法具有轻量化， 易部署化， 易迁移化的特点， 方法可根据需要进行拓展， 通过在本模型涡旋筛选阶段增加 其他涡旋识别定位模型， 包括 但不限于经验性的、 基于物理特 征的、 机器学习的， 可以实现模型的快速融合。 附图说明 [0014]参照附图来说明本发明的公开内容。 应当了解， 附图仅仅用于说明目的， 而并非意 在对本发明的保护范围构成限制。 在附图中， 相同的附图标记用于指代相同的部件。 其中：说　明　书 1/3 页 3 CN 114663644 A 3