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。     

基于SVM算法和GLCM的侧扫声纳影像分类研究

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。     

基于ArcGIS的多波束声纳数据库的建立

针对多波束数据的特点,结合ArcGIS建立数据库的优势,提出了基于ArcGIS来构建多波束声纳数据库的方法。介绍了多波束数据野外采集、内室数据处理流程,测深数据、网格化数据及回波强度数据特点。以多波束实测数据为例建立数据库,满足了用户对多波束数据的多样化查询,实现了多波束数据的科学化、标准化管理。     

基于改进 GLCM 的侧扫声纳影像分类研究

提出一种基于改进GLCM的算法IGLCM用于侧扫声纳影像的分类,IGLCM反映像素与其邻域像素的灰阶联合分布,全面描述像素与其邻域像素所在区域的纹理特征。利用GLCM和IGLCM分别提取4种纹理特征,应用支持向量机对侧扫声纳海底底质进行分类。研究结果表明,IGLCM分类精度优于GLCM,更适合侧扫声纳分类。     

基于 XTF 格式的侧扫声纳数据解码及可视化

从侧扫声纳原理出发,深入研究XTF格式的侧扫声纳数据结构,对其进行自动解码,提取各种统计参数及声纳回波强度信息,编程自动生成侧扫声纳瀑布图,实现侧扫声纳数据可视化。以南海某海域实测XTF格式侧扫声纳数据为例,进行解码和可视化,实验结果表明形成的侧扫声纳图像完全满足海洋地质调查需求,对识别海底微地形地貌提供精确可靠的依据。     

BP神经网络在天然气水合物化探中的应用

地球化学方法在天然气水合物勘探评价过程中的参数存在不确定性,且误差传递易导致结果不可信。运用BP神经网络技术,在天然气水合物勘探区域选取相关的应用切入点,通过训练建立神经网络模型,利用其非线性映射技术,揭示天然气水合物勘探评价中涉及的多个属性之间的非线性关系。计算结果显示,神经网络的分类方案有效弥补了当前地球化学评价方法存在的多解性等缺点,运用在地球化学数据的基础上建立的BP神经网络模型,对研究区块进行仿真预测,可以实现水合物矿藏的分等级评价。     

南海北部浅地层剖面数据精细处理方法

通过对南海北部海域浅层剖面资料的分析研究,解决了多个数据处理难点。针对SEGY数据中的坐标错误,提出从导航定位原始资料中获取相应位置数据,改写SEGY道头信息,解决了SEGY数据道头坐标错误的问题;对波形进行相应处理,提高了浅地层剖面资料的分辨率;针对浅地层剖面震源位置不准的问题,对震源位置进行了校正;对同一设计测线多次分段作业剖面进行了剖面连接等。旨在为浅地层剖面的后续综合地质解译提供理想的基础资料。