预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共26页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114708248A(43)申请公布日2022.07.05(21)申请号202210428848.9(22)申请日2022.04.22(71)申请人中广核风电有限公司地址100070北京市丰台区南四环西路188号2区2号楼申请人四川大学(72)发明人任彦忠彭飞马驰刘源董军(74)专利代理机构北京康信知识产权代理有限责任公司11240专利代理师贾旭刘铖(51)Int.Cl.G06T7/00(2017.01)G06T5/00(2006.01)G06T7/187(2017.01)G06T5/40(2006.01)权利要求书4页说明书12页附图9页(54)发明名称海底电缆状态监测数据压缩方法、装置及电子设备(57)摘要本申请公开了一种海底电缆状态监测数据压缩方法、装置及电子设备。其中,该方法包括:获取一段时空的扰动光纤信号对应的二维矩阵图像;筛除属于噪声片段的二维矩阵图像,并保留包含振动信息的非噪声帧图像;对非噪声帧图像进行去噪处理;将经过去噪处理后的非噪声帧图像转换为二值图像;依次对二值图像进行开运算处理和闭运算处理,并获取处理后的二值图像;对处理后的二值图像进行连通域标记;提取每个标记后的连通域对应的原始数据片段。本申请实施例的海底电缆状态监测数据压缩方法、装置及电子设备,能够减少分布式声传感系统内存的占用、信号处理系统的负荷,以及提高后续数据处理的效率。CN114708248ACN114708248A权利要求书1/4页1.一种海底电缆状态监测数据压缩方法,其特征在于,包括:获取一段时空的扰动光纤信号对应的二维矩阵图像;筛除属于噪声片段的二维矩阵图像,并保留包含振动信息的非噪声帧图像;对所述非噪声帧图像进行去噪处理;将经过去噪处理后的非噪声帧图像转换为二值图像;依次对所述二值图像进行开运算处理和闭运算处理,并获取处理后的二值图像;对所述处理后的二值图像进行连通域标记;提取每个标记后的连通域对应的原始数据片段。2.根据权利要求1所述的方法,其特征在于,筛除属于噪声片段的二维矩阵图像,并保留包含振动信息的非噪声帧图像,包括:基于公式一计算出所述二维矩阵图像的短时平均能量,公式一:其中,E(X)为短时平均能量,M为时间,N为同一时刻海底电缆不同位置的分布式光纤传感器的N个采样数据;基于公式二获取所述二维矩阵图像的背景噪声能量,公式二:Enoise=unoiseEnoise+(1‑unoise)E,其中,Enoise为背景噪声能量,E为上一噪声帧的总能量,unoise为调节因子;根据所述短时平均能量和所述背景噪声能量筛除属于噪声片段的二维矩阵图像。3.根据权利要求1所述的方法,其特征在于,对所述非噪声帧图像进行去噪处理,包括:基于公式三对所述非噪声帧图像进行去噪处理,公式三:其中,W为加权系数,自适应滤波器工作窗口为S×S,权值矩阵大小与工作窗口相同,XM×N为非噪声帧图像,Y(m,n)为自适应滤波输出值。4.根据权利要求3所述的方法,其特征在于,还包括:对所述自适应滤波输出值的加权系数W进行迭代更新。5.根据权利要求4所述的方法,其特征在于,对所述自适应滤波输出值的加权系数W进行迭代更新,包括:基于公式四计算自适应滤波器的估计误差,公式四:Ej(m,n)=D(m,n)‑Y(m,n),其中,Ej(m,n)为估计误差,D(m,n)为期望响应,Y(m,n)为自适应滤波输出值;根据所述估计误差,基于公式五迭代更新所述加权系数W,公式五:其中,l,k=0,1,…,S‑1,u为收敛因子,a为预设参数,0<a<1。6.根据权利要求1所述的方法,其特征在于,将经过去噪处理后的非噪声帧图像转换为二值图像,包括:计算出所述去噪处理后的非噪声帧图像的阈值;根据所述阈值将所述去噪处理后的非噪声帧图像转换为二值图像。7.根据权利要求6所述的方法,其特征在于,计算出所述去噪处理后的非噪声帧图像的阈值,包括:获取所述去噪处理后的非噪声帧图像的直方图和整体灰度平均值U,其中,所述直方图表示图像中各个灰度级的像素点个数的分布;2CN114708248A权利要求书2/4页根据所述直方图确定每个灰度级所占的概率Pi=hi/h,其中,hi为该灰度级i所占的像素个数,h为图像中的总像素个数,Pi为概率值;设定灰度阈值K,并根据所述阈值K将所述去噪处理后的非噪声帧图像分为A和B两个区域;分别计算出A区域和B区域对应的灰度概率P(A)和P(B),其中,P(A)=hA/h,P(B)=hB/h,hA为灰度级在小于等于灰度阈值K的A区域所占的像素个数,hB为灰度级在大于灰度阈值K的B区域所占的像素个数,h为图像中的总像素个数;根据公式六计算出所述去噪处理后的非噪声帧图像的最佳阈值,公式六:其中,为最佳阈值,P(A)为A区域的