共查询到16条相似文献，搜索用时 93 毫秒
1.
海底底质分类反向散射强度三维概率密度法 总被引：2，自引：2，他引：0
反向散射强度随入射角变化信息蕴含海底底质特性,是多波束海底底质分类的重要数据源。目前,多波束海底底质分类主要提取平均反向散射强度随入射角的变化信息或基于声呐图像,没有综合考虑两者的相关信息。本文综合考虑平均反向散射强度随入射角变化信息及其概率密度分布,绘制三维概率密度图,提出了基于反向散射强度三维概率密度图的海底底质分类方法。实例计算结果表明:该方法能直观表达多波束条带覆盖区内不同海底底质类型的数量,有效判断不同海底底质类型的边界,实现海底底质类型的快速识别。 相似文献
2.
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
3.
4.
5.
6.
为了解决在多波束测深中声速剖面代表性误差会造成平坦海底地形凹凸变形的问题，提出了一种基于海底观测值的声速剖面反演与海底地形改正技术。该技术利用波束入射角以及单程回波时间信息，建立波束位移与误差声剖的函数关系，采用间接平差与LM（Levenberg-Marquardt）法反演得到与实际声速剖面相近的改正声速剖面，从而达到校正海底畸变地形的目的。海上实验数据验证表明:与含有误差的海上声剖值相比，反演改正后的声剖值更接近海上实际声剖值；水深改正的相对标准差降低50%以上，有效地削弱了畸变海底地形的影响。 相似文献
7.
针对传统多波束测深系统中对横摇偏差进行改正,存在校准后仍在航行过程中受外界因素干扰,以及改正模型未考虑声速不同导致声线跟踪法计算过程中的水层分层与声线弯曲影响,直接利用深度值进行计算使得改正精度不高的问题.提出了以检测线中央波束数据作为真实海底地形的参考,通过声线跟踪得到主测线在不同入射角度的回波时间,进而利用入射角度和回波时间的关系,反演得到横摇偏差角进行改正的方法.实验表明:利用回波时间对多波束测深数据的横摇偏差进行改正,通过声线跟踪结合检测线中央波束,能够进一步提高横摇偏差改正的精度. 相似文献
8.
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
9.
机载LiDAR测深ALB(Airborne LiDAR Bathymetry)是测量沿海地区地形图和水深图的最有效的技术之一,其通常是利用ALB海面和海底反射回波的峰值位置来计算水深值。然而,当绿色(532 nm)激光光束到达海底时,光斑范围内的具有坡度的海底地形会导致海底反射回波波形展宽、峰值位置偏移等现象,从而产生海底位置的不确定性,进而直接影响海底地形测量的准确性。为了减小这种影响,本文提出了一种机载LiDAR测深的海底地形坡度影响改正方法。通过考虑ALB激光光斑内海底地形的连续性,基于ALB激光光斑范围内局部地形参数模型FTPM(Footprint-scale Topography Parameters Model)构建ALB海底反射回波模型,通过定量分析不同水深、不同海底地形坡度所引起的海底反射回波峰值位置变化,以确定海底地形坡度对ALB测深的影响规律,进而构建ALB测深误差方程针对性地改正海底地形坡度引起的测深误差。本文采用中国南海甘泉岛附近海域所测ALB和多波束测深数据对所提方法进行了验证。结果表明,海底地形坡度影响改正后,平均绝对误差MAE(Mean Absolute Error)和中误差RMSE(Root Mean Square Error)分别减小到9.4 cm和12.3 cm,较改正前分别降低了35.6%和33.5%,对ALB测深数据处理具有参考意义。 相似文献
10.
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
11.
在深入分析现有机载激光雷达（light detection and ranging，LiDAR）强度修正算法在滩涂地区适用性的基础上，针对单纯利用激光入射角对滩涂LiDAR强度信息进行高光修正有可能造成强度修正中心位置偏移的问题，利用视点端的飞机姿态角对目标端的激光入射角进行精密校正，结合校正后的入射角和经典的Phong光照模型，提出了一种顾及飞机姿态角的滩涂LiDAR强度修正模型，通过对经典强度修正后的数据进行进一步的高光修正，定量补偿了强度修正中心的位置偏移量，实现了强度信息中高光现象的有效消除。在MATLAB平台下对方法的正确性和有效性进行了实验验证，结果表明，经由该方法修正后的强度信息具有更好的同质性，可显著提高地物分类的准确性。 相似文献
12.
通过分离目标反射率、入射角及距离三个因素,利用Weierstrass定理,将激光强度表示成三个因素多项式函数的乘积形式,提出一种新的地面三维激光扫描（terrestrial laser scanning,TLS）激光强度改正模型。利用不同反射率的漫反射目标,设计入射角与距离实验,确定各个多项式的次数及系数,求取改正后激光强度值。实验结果表明,与现有改正模型进行比较,本文模型能精确地对激光强度值进行改正,并可以推广到自然目标强度数据的改正。 相似文献
13.
地形引起的雷达辐射畸变及其校正 总被引：3，自引：3，他引：3
合成孔径雷达影像由于其侧视特点 ,存在着严重的地形引起的几何畸变及辐射畸变。辐射畸变不仅对 SAR辐射标定造成困难 ,而且严重影响了影像分类、土壤湿度信息提取、森林蓄积量信息提取等应用。本文将辐射畸变归结为面积效应和局部入射角效应 ,推导了散射面积归一化因子 ,以消除辐射畸变的面积效应。提出了一种以局部入射角的线性函数表达的后向散射模型 ,在此基础上 ,给出了消除局部入射角效应的校正函数。最后 ,以RADARSAT SAR影像进行地形辐射畸变校正的试验与分析 相似文献
14.
Seafloor classification using echo-waveforms: a method employing hybrid neural network architecture 总被引：2，自引：0，他引：2
Chakraborty B. Mahale V. de Sousa C. Das P. 《Geoscience and Remote Sensing Letters, IEEE》2004,1(3):196-200
This letter presents seafloor classification study results of a hybrid artificial neural network architecture known as learning vector quantization. Single beam echo-sounding backscatter waveform data from three different seafloors of the western continental shelf of India are utilized. In this letter, an analysis is presented to establish the hybrid network as an efficient alternative for real-time seafloor classification of the acoustic backscatter data. 相似文献
15.
Cici Alexander Kevin Tansey Jörg Kaduk David Holland Nicholas J. Tate 《ISPRS Journal of Photogrammetry and Remote Sensing》2010,65(5):423-432
Airborne laser scanning (ALS) data are increasingly being used for land cover classification. The amplitudes of echoes from targets, available from full-waveform ALS data, have been found to be useful in the classification of land cover. However, the amplitude of an echo is dependent on various factors such as the range and incidence angle, which makes it difficult to develop a classification method which can be applied to full-waveform ALS data from different sites, scanning geometries and sensors. Additional information available from full-waveform ALS data, such as range and echo width, can be used for radiometric calibration, and to derive backscatter cross section. The backscatter cross section of a target is the physical cross sectional area of an idealised isotropic target, which has the same intensity as the selected target. The backscatter coefficient is the backscatter cross section per unit area. In this study, the amplitude, backscatter cross section and backscatter coefficient of echoes from ALS point cloud data collected from two different sites are analysed based on urban land cover classes. The application of decision tree classifiers developed using data from the first study area on the second demonstrates the advantage of using the backscatter coefficient in classification methods, along with spatial attributes. It is shown that the accuracy of classification of the second study area using the backscatter coefficient (kappa coefficient 0.89) is higher than those using the amplitude (kappa coefficient 0.67) or backscatter cross section (kappa coefficient 0.68). This attribute is especially useful for separating road and grass. 相似文献
16.
The SeaWinds-on-QuikSCAT (QuikSCAT) and SeaWinds-on-ADEOS-2 (SeaWinds) scatterometers measure the normalized radar backscatter (/spl sigma//sup o/) of the earth's surface. These identical radar sensors are on different spaceborne platforms in similar orbits. QuikSCAT and SeaWinds data are used to infer near-surface wind vectors, polar sea-ice extent, polar-ice melt events, etc. In order to verify the relative calibration of these sensors, a simple cross calibration based on land backscatter measurements is performed. A first-order polynomial model is used to remove the incidence angle dependence of /spl sigma//sup o/ for selected regions of the Amazon rainforest and the Sahara Desert. It is shown that the two sensors are well-calibrated to each other and require no bias corrections. Additionally, evidence of a diurnal cycle in the Amazon rainforest backscatter is given. 相似文献