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

作者：阳凡林,朱正任,李家彪,冯成凯,邢喆,吴自银

摘要：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。

发文机构：山东科技大学测绘科学与工程学院 自然资源部海洋测绘重点实验室 自然资源部第二海洋研究所 国家海洋信息中心

关键词：多波束反向散射图像角度响应底质分类卷积神经网络multibeambackscatter imageangular responseseafloor classificationconvolutional neural network

分类号： P229.1[天文地球—大地测量学与测量工程]