共查询到17条相似文献，搜索用时 78 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.
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
5.
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
6.
7.
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
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.
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
10.
11.
广东肇庆地区SIR-C森林雷达后向散射特征分析 总被引：1，自引：0，他引：1
森林雷达后向散射特征的研究是森林微波遥感应用的重要前提。本文利用不连续树冠森林微波后向散射模型模拟了肇庆地区松树林的雷达后向散射特征,并与从ＳＩＲ－Ｃ图像提取的雷达后向散射特征进行对比,从而分析和探讨了该区松树的雷达后向散射机制。 相似文献
12.
水稻时域后向散射特性分析：雷达卫星观测与模型模拟结果对比 总被引：13，自引：2，他引：13
利用已有的微波后向散射模型模拟计算了水稻的雷达后向散射特性，分析了一个生长周期内水稻冠层与微波电磁波的相互作用。重点分析植物物理参数对其后向散射特征的影响及其随极化而变化的规律。以及这些特征在整个水稻生长周期中的变化规律。输入后向散射模型的数据包括通过田间测量获取的水稻物理参数。在地面测量的同时或准同时获取了中国广东肇庆试验区的多时相雷达卫星（RADARSAT）遥感图像。雷达卫星观测结果和后向散射模型模拟计算结果的比较分析表明：在水稻的生长过程中，水稻的后向散射特征随其物理参数的周期性变化而变化，并且在不同的极化状态具有不同的变化规律。这从理论上预示了多时相多极化雷达遥感技术进行水稻长势监测的潜力。 相似文献
13.
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
14.
15.
根据侧扫声纳影像的特征,提出一种基于SVM和GLCM的侧扫声纳影像分类方法,利用灰度共生矩阵提取其纹理特征,采用主成分分析法对纹理特征进行筛选,选择适合侧扫声纳影像的最佳纹理特征,结合侧扫声纳影像的回波强度,应用支持向量机对侧扫声纳影像进行分类。研究结果表明,纹理特征结合回波强度的支持向量机分类精度高于只依靠回波强度的支持向量机分类精度。 相似文献
16.
17.
ALOS PALSAR双极化数据水稻制图 总被引：1，自引：0，他引：1
以江苏省海安县为研究区,使用2008年获取的日本ALOS卫星PALSAR双极化模式数据,分析水稻在L波段SAR图像上的后向散射特征,并提出相应的水稻制图方法。水稻在L波段上表现出了和C波段相同的时相变化特征。HH极化后向散射依赖于水稻植株的空间分布结构,某些机械插秧区域的布拉格共振现象引起水稻后向散射严重增强,给利用PALSAR数据水稻制图带来了困难。而HV极化不存在布拉格共振现象。在考虑布拉格共振影响的条件下,提出了联合PALSAR双极化模式HH和HV极化数据、基于时相变化特征进行水稻制图的方法,获得了88.4%的制图精度。 相似文献