共查询到19条相似文献，搜索用时 93 毫秒
1.
2.
3.
4.
5.
在海底声纳测量实践中，通过研究测量区域的地貌特点，分析图像的纹理与层次特征，较好地判释了不同物质结构的底质类型、灾害性地形和人工地物。 相似文献
6.
针对传统的人工识别浅剖图像层界方法精度不足、效率低下的问题,提出了一种基于浮泥流变特性与灰度共生矩阵的航道底质层界智能识别方法。利用航道浅剖数据计算灰度共生矩阵特征值来描述底质层界纹理,粗略提取层界边缘;通过浮泥流变特性模型智能识别、连接同一层层界矢量点,准确识别底质层界。对比智能和人工提取连云港航道浅剖数据层界实验的结果表明:结合浮泥流变特性与灰度共生矩阵算法的层界识别方法,可以准确描述底质分布情况,快速自动识别层界线,智能化提取航道底质层界。 相似文献
7.
针对目前海底底质分类要素单一造成的底质分类类别不够细致和底质信息获取效率低等问题,提出一种顾及声图纹理特征的海底底质分类方法,综合利用海底底质来源、地理等属性以及声图纹理特征等分类要素,进一步细化海底底质类别,解决了海底底质分类信息混淆或表达不充分等问题。实例数据分析表明,该分类方法克服了传统方法单一考虑底质粒度信息的缺点,可以真实反映海底底质的时空变化特性以及一定范围内的表面起伏特征,并且所包含的海底底质分类信息量更全面,从而可以为用户提供直接形象的海底底质信息。 相似文献
8.
本文提出了一种基于纹理特征的围填海SAR图像分水岭分割方法,首先对机载MiniSAR图像进行灰度共生矩阵纹理滤波,获得纹理特征图像,再对纹理特征图像进行分水岭算法分割,将获得的形态学重建图像进行门限阈值分割,得到最后的二值化分割结果。该方法一方面通过调整灰度共生矩阵纹理滤波的窗口大小,抑制了斑点噪声的影响;另一方面,利用分水岭算法对边缘模糊杂乱图像的优势,提高了围填海信息提取的准确性。实验结果表明,本方法对高分辨率SAR图像围填海监测图像的分割效果良好。 相似文献
9.
纹理特征提取及辅助遥感影像分类技术研究 总被引：6，自引：0，他引：6
研究了利用灰度共生矩阵提取纹理特征的方法，并对利用纹理特征影像辅助光谱特征分类的方法进行了研究。实验结果表明，纹理特征辅助光谱特征分类能够提高遥感影像分类的准确性和精度。 相似文献
10.
11.
济州岛南部海域海底声呐图像分析与声学底质分类 总被引：2，自引：2，他引：0
东海北部外陆架靠近济州岛南部海域,是黄海槽向冲绳海槽延伸的部分,属于黑潮分支黄海暖流的通道入口,分布着脊槽相间的海底底形,对其海底声呐图像的处理分析及声学底质分类的分析研究,有助于了解该通道海底底形表层纹理特征及沉积物分布规律。基于在济州岛南部海域获取的多波束声呐数据,应用图像处理技术和方法,对数据进行了处理,获得了海底声呐影像图,并对其表层纹理特征进行了描述和分析;同时,基于多波束反向散射强度数据,结合19组海底地质取样数据,建立研究区海底反向散射强度与沉积物粒度特征之间的统计关系模型,并以改进的学习向量量化神经网络方法,实现对海底粉砂质砂、黏土质砂以及砂-粉砂-黏土3种底质类型的快速自动分类识别。 相似文献
12.
海底表层底质分布信息的准确获取在构建海洋基础地理数据库中发挥着重要作用。目前,多波束是实现大范围海底底质分类的有效手段之一,基于多波束测深和反向散射强度数据所派生的声学特征被广泛应用于底质分类建模。然而,随着特征维度的增加,特征空间中存在的无关和冗余特征严重影响底质分类精度。为了定量评估声学特征对底质类别的表征能力,并消除无效特征对分类结果的干扰,本文提出了基于多维度声学特征优选的海底底质分类方法。首先,结合实际底质样本的物理属性对多维特征进行排序和优选,排除冗余和无关特征。其次,分别应用支持向量机、随机森林和深度信念网络构建海底底质监督分类模型。通过利用爱尔兰海南部多波束调查数据和实地取样信息进行试验,结果表明提出方法对海底底质的总体分类精度和Kappa系数分别最高达到了86.20%和0.834,相较于主成分分析和熵指标特征选择方法有明显提高,突出了该方法在海底底质探测及制图的应用潜力。 相似文献
13.
14.
结合纹理特征的SVM海冰分类方法研究 总被引：5，自引：4，他引：1
海冰分类是遥感监测领域中的重要应用之一，海冰分类的准确性对于评估海冰冰情、保证航海安全和开辟北极航道具有重要的意义。针对海冰分类问题，本文选用Sentinel-1遥感数据，结合纹理特征分析，提出了一种改进的SAR海冰分类方法。该方法选用灰度共生矩阵提取特征值，通过实验得到适宜用于海冰分类的多特征组合，在此基础上利用支持向量机开展SAR海冰类型的分类研究。实验结果表明，该方法可以实现对海冰SAR图像中一年冰、多年冰和海水3种类型识别，与传统的海冰分类方法神经网络和最大似然法相比较，使用SVM分类方法，结合纹理特征开展海冰类型监测是可行的，同时也表明多特征组合有利于提高SAR图像的分类精度，从而验证了本方法的有效性，为海冰分类提供了一种新思路。 相似文献
15.
16.
Wavelet analysis of bathymetric sidescan sonar data for the classification of seafloor sediments in Hopvågen Bay - Norway 总被引：1，自引：0，他引：1
In this paper we examine the use of bathymetric sidescan sonar for automatic classification of seabed sediments. Bathymetric sidescan sonar, here implemented through a small receiver array, retains the advantage of sidescan in speed through illuminating large swaths, but also enables the data gathered to be located spatially. The spatial location allows the image intensity to be corrected for depth and insonification angle, thus improving the use of the sonar for identifying changes in seafloor sediment. In this paper we investigate automatic tools for seabed recognition, using wavelets to analyse the image of Hopvågen Bay in Norway. We use the back-propagation elimination algorithm to determine the most significant wavelet features for discrimination. We show that the features selected present good agreement with the grab sample results in the survey under study and can be used in a classifier to discriminate between different seabed sediments. 相似文献
17.
18.
A neural-network approach to classification of sidescan-sonar imagery is tested on data from three distinct geoacoustic provinces of a midocean-ridge spreading center: axial valley, ridge flank, and sediment pond. The extraction of representative features from the sidescan imagery is analyzed, and the performance of several commonly used texture measures are compared in terms of classification accuracy using a backpropagation neural network. A suite of experiments compares the effectiveness of different feature vectors, the selection of training patterns, the configuration of the neural network, and two widely used statistical methods: Fisher-pairwise classifier and nearest-mean algorithm with Mahalanobis distance measure. The feature vectors compared here comprise spectral estimates, gray-level run length, spatial gray-level dependence matrix, and gray-level differences. The overall accurate classification rates using the best feature set for the three seafloor types are: sediment ponds, 85.9%; ridge flanks, 91.2%; and valleys, 80.1%. While most current approaches are statistical, the significant finding in this study is that high performance for seafloor classification in terms of accuracy and computation can be achieved using a neural network with the proper combination of texture features. These are preliminary results of our program toward the automated segmentation and classification of undersea terrain 相似文献
19.
基于粒子群优化算法的PSO-BP海底声学底质分类方法 总被引：2，自引：2，他引：0
利用粒子群优化算法（PSO）较强的鲁棒性和全局搜索能力等优点,将PSO算法与BP神经网络相结合,优化了BP神经网络分类时的初始权值和阈值。基于珠江河口三角洲的侧扫声呐图像数据,提取了海底声呐图像中砂、礁石、泥3类典型底质的6种主要特征向量,利用PSO-BP方法对海底底质进行分类识别。实验表明,3类底质分类精度均大于90%,高于BP神经网络70%左右的分类精度,表明PSO-BP方法可有效应用于海底底质的分类识别。 相似文献