共查询到13条相似文献，搜索用时 93 毫秒
1.
利用多波束反向散射强度角度响应曲线的底质特征参数提取算法 总被引：1，自引：0，他引：1
提出了一种基于多波束反向散射强度角度响应曲线的底质特征参数提取算法。根据多波束单ping反向散射强度数据的变化规律,给出了获取平均反向散射强度角度响应曲线的ping数确定方法;分析角度响应曲线与底质类型的相关性,由于曲线上残留误差难以消除,采用容差性强的非线性最小二乘拟合算法,结合Hellequin参数模型,提取底质相关特征参数。实例计算结果表明,提取的特征参数在抑制多波束海底反向散射强度误差影响的基础上,有效保留了底质类型相关的反向散射强度随入射角变化信息,保证了多波束海底底质分类的能力及可靠性。 相似文献
2.
海底入射角对多波束反向散射强度的影响及其改正 总被引：3，自引：0，他引：3
综合考虑测船姿态、声线弯曲和海底地形对入射角的影响,推导了计算多波束海底入射角的实用模型。根据Lambert法则,改正海底入射角对反向散射强度的影响。实例计算结果表明,所述模型能精确地计算波束在海底的入射角,有效地改正其对反向散射强度的影响。 相似文献
3.
4.
学习向量量化神经网络在多波束底质分类中的应用研究 总被引：5，自引：1，他引：5
利用多波束测深系统获取的反向散射强度数据，应用学习向量量化（learning vector quantization，LVQ）神经网络分类方法实现了对海底砂、砾石和基岩等底质类型的快速、有效的识别。通过比较，证明了该方法能较好地区分出不同海底底质类型。 相似文献
5.
6.
海底底质分类对于海洋资源开发与利用、海洋科学研究等多方面具有重要意义。目前,多波束探测是实现大范围海底底质分类的有效手段之一,通常基于多波束反向散射强度提取角度响应(AR)特征及反向散射图像特征进行底质分类。由于特征来源较单一,分类器结构简单,往往分类精度不高。为此,本文提出了一种基于深层卷积神经网络(CNN)的多波束海底底质分类方法。除反向散射强度特征外,还利用地形特征,将特征向量转换为波形图,再输入卷积神经网络进行训练和分类。试验对比不同特征组合以及BP网络、支持向量机(SVM)、K近邻(KNN)、随机森林(RF)4种常规分类器,本文模型算法总体分类精度达到94.86%,Kappa系数为0.93,精度具有明显优势,效率也比较高。表明该方法有效利用两种数据类型所蕴含的海底底质信息,充分发挥卷积神经网络权值共享、高效率等特点,实现高分辨率海底底质分类,可对海底底质分类研究提供参考。 相似文献
7.
高质量的海底声强图是多波束海底底质分类的基础。在系统分析了多波束声强图像中沿测船航迹灰度异常值和区域性明暗差异成因的基础上,提出了基于加权最小二乘估计的多波束声强数据归一化方法。实例计算结果表明:该方法在不损失原有强度变化信息的基础上,有效地抑制了声强图中灰度异常值对海底底质分类的影响,提高了区域底质分类的质量。 相似文献
8.
基于多波束的声学底质分类是近年来快速发展起来的新型海底底质探测技术.针对多波束声学底质分类中底质类型多样化、类型之间差异较小等多分类难点问题,本文提出一种GA-SVM-AdaBoost算法.利用自适应性和全局搜索能力强的遗传算法(genetic algorithm,GA)去优化支持向量机(support vector machines,SVM),以获得最优模型初始参数,并将多个GA优化后的SVM作为弱分类器组成AdaBoost强分类器.对胶州湾采集到的多波束反向散射强度数据,经过精细处理后生成海底声呐镶嵌图;构建SVM-RFE-CBR算法从提取的36维声强空间特征中筛选出10维优势特征,将其输入到GA-SVM-AdaBoost模型中进行分类识别.通过与SVM、GA-SVM、基于单层决策树的AdaBoost分类模型对比,GA-SVM-AdaBoost算法的总体分类精度高达92.19％,优于另外3种模型,证明GA-SVM-AdaBoost分类模型可有效应用于高精度海底底质类型识别. 相似文献
9.
角度响应（angular response,AR）对回波强度影响较大,而目前的改正算法尚不完善,给多波束声呐回波强度的应用带来了较大困难。为此,提出了一种利用底质回波强度特征的AR聚类改正方法。首先,借助多波束声呐回波强度数据实施非监督底质分类;然后,研究每类底质的AR特征,形成每种底质的AR曲线簇;最后,结合每种底质的AR曲线簇,从观测的回波强度序列中减去对应底质的AR值,并将其归一化到平均强度,最终实现了回波强度中AR影响的消除。将该方法应用于实际回波处理中,取得了高质量的多波束声呐图像。 相似文献
10.
一种海底底质与地形的信息叠置可视化方法及应用 总被引：3，自引：1，他引：2
海底底质与地形对舰船航行、锚泊、登陆、海底管线铺设等海上活动具有重要的影响。此文提出了一种基于底质Voronoi多边形操作,并与地形信息进行叠置运算的可视化分析方法。通过构建底质Delaunay三角网,生成底质Voronoi图,合并同底质且相邻的Voronoi多边形,实现了海底底质分布的可视化。在此基础上,实现了底质与地形的信息叠置。通过试验数据验证了所提方法的有效性,并在路线选择和活动区域提取等应用中进行了尝试。 相似文献
11.
12.
Seafloor sediment classification based on multibeam sonar data 总被引：1，自引：1，他引：0
ZHOUXinghua CHENYongqi 《地球空间信息科学学报》2004,7(4):290-296
The multibeam sonars can provide hydrographic quality depth data as well as hold the potential to provide calibrated measurements of the seafloor acoustic backscattering strength. There has been much interest in utilizing backscatters and images from multibeam sonar for seabed type identification and most results are obtained. This paper has presented a focused review of several main methods and recent developments of seafloor classification utilizing multibeam sonar data or/and images. These are including the power spectral analysis methods, the texture analysis, traditional Bayesian classification theory and the most active neural network approaches. 相似文献
13.
The multibeam sonars can provide hydrographic quality depth data as well as hold the potential to provide calibrated measurements of the seafloor acoustic backscattering strength. There has been much interest in utilizing backscatters and images from multibeam sonar for seabed type identification and most results are obtained. This paper has presented a focused review of several main methods and recent developments of seafloor classification utilizing multibeam sonar data or/and images. These are including the power spectral analysis methods, the texture analysis, traditional Bayesian classification theory and the most active neural network approaches. 相似文献