基于多特征融合的稳健海床沉积物分类方法

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：A Robust Seabed Sediment Classification Method Based on Multi-Feature Fusion

　　

摘要：

利用多波束声纳数据，如测深数据、后向散射角响应特征以及后向散射马赛克图像，对海底沉积物进行分类，相比传统的海底采样方法，这种方法速度更快且成本更低。然而，复杂的海洋环境会导致后向散射数据中出现严重噪声，从而影响特征提取，进而降低分类精度。在本文中，我们提出了一种基于多特征融合的稳健海底沉积物分类方法。我们采用RANSAC算法与GSAB模型相结合的方式，精准提取角响应特征，该方法能够去除由残余波束模式导致的后向散射强度异常值。同时，基于对象的图像分析方法能够从具有较大尺度及明确形状的物体中提取特征，从而有效抑制高频噪声和小型异常值的影响，该方法被用于减轻后向散射马赛克特征提取过程中的斑点噪声和条纹噪声的影响。最终，我们整合了角响应特征、后向散射马赛克特征以及测深特征构成的特征集用于沉积物分类。将该方法应用于胶州湾的多波束声纳数据后，经检测，角响应曲线的均方根误差从2.57分贝降至1.64分贝；此外，后向散射马赛克特征的重要性得分也从0.7上升到了1.0。