海底底质分类反向散射强度三维概率密度法

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。     

利用深层卷积神经网络实现地形辅助的多波束海底底质分类

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。     

Simrad EM多波束反向散射强度数据精处理研究

本文在探讨多波束反向散射强度与海底底质类型关系的基础上,主要针对目前广泛使用的Simrad EM系列多波束,详细描述了在数据获取期间系统进行的实时补偿,分析了反向散射强度数据中残留的入射角和波束模式指向性等因素的影响,给出了相应的改正方法。计算结果表明,本文给出的方法可对反向散射强度数据进行有效的处理,为正确使用声纳图像进行海底底质的判读提供了保证。     

学习向量量化神经网络在多波束底质分类中的应用研究

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。     

多波束后向散射数据地形校正的算法研究

利用多波束反向散射数据进行海底底质分类是目前多波束声纳系统应用的一个热点研究方向.然而,由于海底不规则地形的影响,多波束声纳接收的反向散射信号,往往不能够真实表达海底底质的性质.因此,消除地形对多波束反向散射数据的影响是提高海底底质分类精度的一个重要步骤.本文基于多波束系统的特点,在详尽分析了地形对多波束反响散射数据影...     

海底入射角对多波束反向散射强度的影响及其改正

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。     

基于海底底质回波特征的多波束声呐图像角度响应影响消除

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。     

多波束声呐后向散射数据角度响应模型的改进算法

针对多波束后向散射数据的角度响应(AR)影响显著而现有角度响应模型在复杂底质环境下不完善导致多波束声呐图像质量偏低的问题,给出了一种改进的角度响应模型和改正方法。首先通过对多次声呐脉冲(Ping)数据平均获得角度响应曲线,然后给出了角度响应参数的提取方法,在此基础上研究并给出了单次脉冲内不同区段的改正模型,最终实现了多波束后向散射数据的角度响应影响减弱。试验验证了该方法的有效性。     

利用BP神经网络剔除多波束测深数据粗差

针对多波束单ping水深数据多呈现较为复杂的曲线形式的现象,提出了基于逆传播（back propagation,BP）神经网络的多波束测深数据粗差剔除方法,即依据BP神经网络具有从输入到输出的映射功能,构建适应多波束单ping水深数据复杂曲线的训练学习算法进行曲线拟合。考虑地形之间的延续性进行相邻ping水深数据间的相关性分析,纵向检查定位并剔除粗差。通过实测多波束测深数据验证该方法的有效性,并与不确定性与测深学联合估值滤波以及交互式滤波方法进行比对分析,结果表明该方法可以有效剔除多波束测深数据中的粗差。     

Douglas-Peucker算法在多波束测深数据抽稀中的应用

讨论了Douglas-Poiker算法的数学原理,仿真实现了同一抽稀阈值、不同变化海底以及不同抽稀阈值条件下,基于ping的Douglas-Poiker法的多波束测深数据抽稀。通过对抽稀结果的分析,得出了该方法在多波束测深数据抽稀应用中的有效性和适用性。     

利用卡尔曼滤波改正多波束数据声速整体误差

针对传统多波束测深系统从误差源进行平差的后处理方式受声速误差等因素影响较大的应用局限,提出了以相邻条带中央波束构建的每ping海底地形趋势线作为先验信息,利用卡尔曼滤波(Kalman filter, KF)对声速整体误差影响下的测深数据系统性误差进行改正的方法。首先,提取测深数据准确性相对较高的相邻条带的中央波束数据,对多波束每ping测深点所在的区域海底地形构建大致走向的趋势线;其次,利用检测线中央波束与主测线交叉重叠部分的数据,得到观测值的偏差和所构建海底地形趋势线的偏差;最后,结合得到的偏差,以构建的趋势线作为先验信息对测深数据利用卡尔曼滤波进行改正,并对改正后的数据进行精度分析与评估。实验表明,对于声速整体误差引起的海底地形畸变,利用卡尔曼滤波能够对边缘波束的系统性误差进行有效的改正。     

联合支持向量机和增强学习算法的多波束声学底质分类

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 ...     

加权最小二乘估计的多波束声强数据归一化方法

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。     

基于粒子群优化算法的SVM神经网络在海底底质分类中的应用

针对海底质地的特点,利用底质图像的灰度纹理共生矩阵和灰度均值作为特征参数,采用粒子群优化算法训练支持向量机的神经网络(SVM),对海底底质图像进行自动分类。本文以海底侧扫声纳图像为例,通过实测数据验算,取得了理想的效果。     

多波束声纳图像整体灰度不均匀及中央波束区反射异常校正方法

多波束声纳图像多条带之间存在灰度不均匀,中央波束区反向散射强度数据存在异常,不利于进一步利用回波数据。论述了多波束声纳图像整体灰度不均匀的产生原因以及中央波束区反向散射强度异常的主要因素。对声纳图像灰度不均衡进行了有效改正,鉴于中央波束区数据的特点给出了对中央波束区的反向散射异常数据的改正方法。     

一种海底底质与地形的信息叠置可视化方法及应用

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。     

改进区域生长算法的海洋航道浅剖底质层界智能识别

海底勘测对海洋资源开发利用保护、海洋工程建设和国防安全等具有重要意义,浅地层剖面仪是一种能够勘测海底浅表层底质分布的声学设备,目前剖面仪的底质识别精度取决于操作者的主观性,可靠性较差,为提高效率和解译精度,需进一步研究底质层界自动识别模型。本文提出了适用于海底底质层界识别且不需要人工干预的区域生长改进算法,即在灰度映射和噪声剔除研究的基础上,研究根据迭代最大类间差算法提取图像层界骨架信息,将骨架信息作为初始生长点位,以流变特性修正生长指向,结合灰度加权映射曲线和峰谷波长约束生长邻域,通过本文算法分割层界,提取边缘、连接成线,从而实现海底底质层界识别。连云港港航道浅剖实测数据试验证明,本文算法能够有效识别底质层界,且识别精度达到厘米级,满足海底底质解译分析要求。     

一种多波束声速剖面反演与海底地形校正技术

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。     

基于ISODATA算法的海底底质分类

介绍了海底声像图的形成机制和方法,分析了ISODATA算法的基本原理,以实际数据的试验实现了海底底质分类。     

基于K-L变换的自组织竞争神经网络在海底底质分类中的应用

针对海底质地的特点,利用灰度纹理共生矩阵作为特征参数,K-L变换对海底底质图像进行降维,采用自组织竞争神经网络对图像进行自动分类,对各分类方法精度进行对比。以海底侧扫声纳图像为例,通过实测数据验算,取得理想的效果。