多特征主成分分析与声图相结合的海底底质分类
基于SVM的海底声纳图像底质识别
（． １国家海洋局第二海洋研究所 国家海洋局海底科学重点实验室 ，浙江 ２ 国家海洋局第一海洋研究所 ，山东 ． 青岛 ２６６） ６ ０ １ 杭州 ３０ １ １０ ２
摘
要 ：对 海底底质声纳 图像分割 ，提取单元特征 向量进行主成份分析 ，选取均值 、标 准差 、对 比度 、相关系数 、能量及 同
Ｓ ａ ｌ ｏ ｏ ａ ｅ ｉ ｅ ｍ ａ ｅ ｒ ｃ ｇ ｔｏ ｔ ｔ ｅ ｆｏ ｒ ｓ ｎ ｒ ｓ ｄ ｍ ｎｔｉ ｇ ｅ ｏ ｎｉｉ ｎ ｗｉｈ ｈｅ Ｓｕ ｐｐｏ ｔＶｅ ｔ ｒ Ｍ ａ ｈｉ ｒ ｃｏ ｃ ｎｅ
Ｘ Ｏ Ｇ Ｍｉｇ ｋ ａ Ｉ Ｎ ｎ — ｕ ｎ ，ＷＵ Ｚ— ｉ Ｉ ｈ ｕ ｊｎ，Ｌ Ｏ Ｘ ａ－ ｅ Ａ Ｇ Ｑ ｕ ｈ ａ ｉｙｎ ，Ｌ ｏ －ｕ Ｕ ｉｏ ｗ ｎ ，Ｔ Ｎ ｉ－ ｕ ２ Ｓ
第 ３ 卷 第 ４期 １ ２１ ０ ２年 ８月
海
洋
通
报
Ｖｏ ． ３１， Ｎｏ．４ １ Ａｕ ． ２ ２ ｇ ０１
ＭＡＩ Ｅ ＣＩ ＮＣ Ｂ Ｌ Ｉ ＵＮ Ｓ Ｅ Ｅ ＵＬ ＥＴ Ｎ
基 于 Ｓ Ｍ 的海底 声纳 图像 质识别 Ｖ
熊明宽 ，吴 白银 ，李守军 ，罗孝 文 ，唐秋华
ｓｌｃｅ ｓｔ ｉｉ ｈ ｒｃ ｒ ｔ ｅｔｒ Ｉ ｏ ｔ ｚ ｅＳ ｐ ｏ ｅｔ ｃｉｅ （Ｖ ｅ ｔ ａ ａ ｎ ｃ ａａｔ ｓ ｃｖｃ ｓ ｏ ｐｉ ｅ ｈ ｕ ｐ ￣Ｖ ｃ ｒ ｈｎ Ｓ Ｍ） ｐｒｍ ｔ ｓＵ ｉｇｍ ｌ－ Ｖ ｅ ｄ ｒｎ ｇ ｅ ｉ ｉ ｏ ｍｉ ｔ ｏ Ｍａ ａａ ｅｅ ． ｓ ｕｔ Ｓ Ｍ ｒ ｎ ｉ
基于多维度声学特征优选的多波束海底底质分类
基于多维度声学特征优选的多波束海底底质分类
宋佰万;付明生;崔晓东;牛冲
【期刊名称】《海洋通报》
【年(卷),期】2024(43)2
【摘要】海底表层底质分布信息的准确获取在构建海洋基础地理数据库中发挥着重要作用。
目前,多波束是实现大范围海底底质分类的有效手段之一,基于多波束测深和反向散射强度数据所派生的声学特征被广泛应用于底质分类建模。
然而,随着特征维度的增加,特征空间中存在的无关和冗余特征严重影响底质分类精度。
为了定量评估声学特征对底质类别的表征能力,并消除无效特征对分类结果的干扰,本文提出了基于多维度声学特征优选的海底底质分类方法。
首先,结合实际底质样本的物理属性对多维特征进行排序和优选,排除冗余和无关特征。
其次,分别应用支持向量机、随机森林和深度信念网络构建海底底质监督分类模型。
通过利用爱尔兰海南部多波束调查数据和实地取样信息进行试验,结果表明提出方法对海底底质的总体分类精度和Kappa系数分别最高达到了86.20%和0.834,相较于主成分分析和熵指标特征选择方法有明显提高,突出了该方法在海底底质探测及制图的应用潜力。
【总页数】12页(P198-209)
【作者】宋佰万;付明生;崔晓东;牛冲
【作者单位】山东省地质测绘院;山东科技大学测绘与空间信息学院
【正文语种】中文
【中图分类】P736.12;P229.1
【相关文献】
1.基于粒子群优化算法的PSO-BP海底声学底质分类方法
2.基于遗传小波神经网络的海底声学底质识别分类
3.基于贝叶斯信息准则的多波束海底底质非监督分类
4.基于多波束背向散射数据的海底底质分类
因版权原因，仅展示原文概要，查看原文内容请购买。
声学海底底质分类——当前实践与未来方向
20海洋地质2020年第2期声学海底底质分类—当前实践与未来方向John T.Anderson、D.van Holliday和 Rudy Kloser等著摘要：利用单波束回声测深仪、多波束回声测深仪和侧扫声纳组合进行海底声学调查，为海 洋生境测绘计划提供技术解决方案。
我们认为，海底声学分类（A S C)科学正处于萌芽阶段。
在ICES (国际海洋物理科学协会）主持下，国际科学家小组对A S C科学进行了全面的回顾。
为了支持基于生态系统的海洋管理科学，人们越来越需要跨空间尺度对海洋生态系统进行分 类和地图绘制，这一讨论得到了推动。
本文重点回顾了海底声学散射理论的各种理论模型，以及这些理论模型的发展历程。
在使用客观、可重复的程序进行分类之前，声学信号调节和 数据质量保证是重要的技术考虑因素，而方法的标准化只是刚刚开始。
本文评述了时间和空 间尺度的问题，重点是将观测尺度与自然界的尺度相匹配。
总的来说，海底不是静止的，而 是自然物理和生物过程共同在多个时间尺度上发生的变化。
本文概略介绍了现有商用A S C系统现有能力，回顾了验证（地面真实性）方法，强调了观测尺度与声学背散射数据匹配的难 点，探索了超越传统海洋学和渔业调查技术的A S C调查设计方法。
最后，在需要国际科学界 亟需关注的关键领域，确定了声学海底分类科学的未来方向。
关键词：声学；分类；回声测深仪；生境；景观；测绘；海洋；多波束；海底；侧扫；单波束；声纳1介绍自然界是多层次结构的，自然区域内的过程是在跨时空尺度上运行的（Azovsky等，2000; Turner等，2001)。
管理人类对海洋生态系统的影响，需要在一系列嵌套等级范 围内对自然区域识别和绘制。
支持基于生态系统的海洋资源管理科学将需要新一代的评 估工具，以评估生态系统的组成部分，从单一种群到综合生态系统。
监测自然和人为干 扰是基于生态系统管理的关键组成部分。
许多新出现的问题本质上是空间性的，需要在 监测之前采取新的测绘计划（Nichols,1999; Frid等，2006)。
海洋技术研究 基于多波束背向散射数据的海底底质分类
海洋论坛▏基于多波束背向散射数据的海底底质分类海底底质类型特征是海洋地质调查、海洋工程建设、海底矿产资源等领域中重要的海洋环境信息，其调查手段主要包括传统的直接海底取样以及声学、光学、电磁波等间接遥感方式，其中的声学方式称为声学海底分类（ASC）。
传统的海底底质探测与分类费时费力、劳动强度大、作业成本高，很难开展大范围内的海底底质分类，多波束系统获得的海底图像能反映背向散射强度，强度大小能表示不同的底质类型，也能够呈现出底质的纹理结构，纹理是海底表面结构粗糙程度的直接反应，是属于特定类型的海底底质特有的属性，能区分不同类型的海底底质，因此，可结合背向散射强度和纹理来进行的海底底质分类。
近年来神经网络的广泛应用为海底底质分类提供了新的方法，国内学者发表了不少相关的论文，并通过实测数据进行了相关研究，取得了较好的效果，但研究区域往往很小，有些仅仅只有几公里的单条测线，并且没有与海底站位取样数据进行对比分析与验证，大面积大区域的浅水海域的分类应用实例没有。
为此，本文以实际大区域大面积海底地质调查多波束数据为基础，结合真实的海底站位取样数据和历史地质数据，来进行浅水海域的海底底质分类研究。
一、处理流程多波束测深数据的精细处理是底质类型识别的重要步骤，是获取高质量背向散射图像的基础：在完成数据初步处理后，采用专业的数据处理软件进行人机交互处理，最大限度剔除多波束干扰（跳变或边缘等）数据对背向散射数据的影响。
背向散射数据的改正主要包括时间增益改正、波束照射区面积改正及地形改正（图1）。
图1 背向散射数据处理流程多波束背向散射数据的时间增益改正可依据下式来进行补偿： EL r＝2TL r－RL r＝40lg r＋2αr/103－10lg×cτ/2×θH r＋S B 式中：EL r为总衰减量，dB；2TL为传播损失，dB；RL为混响级，dB；r为距离，m；α为衰减系数，dB/km；τ为发射脉冲宽度，ms；θH 为换能器水平开角，rad；S B为背向散射强度，dB。
基于多波束声纳图像的海底底质分类
基于多波束声纳图像的海底底质分类J.M. Preston, A.C. Christney, S. F. Bloomer1, and I. L. Beaudet2 Quester Tangent Corporation, 99-9865 West Saanich Road, Sidney, BC, Canada V8L 5Y8email: jpreston@1水声遥感中心，维多利亚大学，维多利亚，不列颠哥伦比亚。
2地球和海洋科学学院，维多利亚大学，维多利亚，不列颠哥伦比亚。
摘要：通过多波束水听器系统或者来自单个或多个波束的侧扫声纳测量的海底图像，得到了很多关于海底类型的信息。
对一部分图像用统计的方式进行处理足可以反映出海底分类的特征，这些特征适用于对海底整体的分析和细节上的处理。
在这里我们描述了Quester Tangent用于海底分类统计的QTC MULTIVIEW™系统，并给出了对一些水域进行测量的结果。
这个软件运用了很多统计算法对每一幅图像生成了超过130个的统计特征。
主成分分析明确了最优地描述图像数据变化的特征的线性组合。
对于特殊海底底质的辨别问题应该选择最优的统计特征，而不是选择一套通用的特征。
通过建立的聚类过程把数据点分类。
给出的例子证明了由声纳的物理特性和多波束系统的设计细节造成的局限性。
对于精确的分类结果，要重视这些局限性，通过在处理过程中采取补偿措施或者剔除在非标准条件下获得的ping。
一. 介绍基于声纳图像的海底分类[1,2]是把海底分割成贯穿一个区域的离散声学类。
因为这种分割能产生声学多样性的示意图，所以它是非常合理和有用的测量方式。
因为海底底质的特征和某个类是相关的，而且区别于那些其它的类，所以把海底划分成声学类是非常有用的。
这样，需要收集的最基本的信息的量就大大的减少了。
从每个类得到的少量的样本足可以定义整个类的地理类型。
如果采样的位置选择在离类边缘很远的区域，采样得到的样本将会重现一个单独的类，而不是很多类的混合，进而减少了需要处理的样本的数量。
深海沉积物分类与命名的参数指标和主成分分析
但 沉积物 化学 主成分并 不复 杂， 主要 由前 １ ０种 主元素和 氧元 素组成 。沉积 物主元 素铝 、 、 分别 钙 硅
富集于黏 土 、 钙质 沉积 、 质 沉积 中。通过建 立沉 积物 生源组分 与碳 酸钙 、 硅 三氧化 二铝 、 二氧化硅 的 量化关 系 ， 可把碳 酸钙 、 生物 二氧化硅 作为 钙质 生物和硅 质生 物 的两个 替代 参数 。 关键 词 ： 深海沉 积物分 类 ； 深 ； 均粒径 ； 水 平 黏土含 量 ； 数指标 ； 参 主成 分分析
中图 分 类 号 ： ７ １ Ｐ ３ 文 献标 志码 ： Ａ 文章 编 号 ：２ ３４ ９ （０ ０ ０ —１８１ ０ ５—１３ ２ １ ） ６０ １—２
ｌ 引 言
科学合理地制 定统一标准 ， 一方面使科学 研究成
在 。浅海 以陆源沉积物 为主 ， 沉积物粒度 三角 图分 类
已很好地解决 了浅海沉 积 物分 类 与命 名＿ 。深海 沉 １ ］ 积物成分复杂 ， 来源 不一 ， 积作 用 过程 不 同于 浅海 沉
收 稿 日期 ： ０ ００ ５ 修 订 日期 ： ０ ０ Ｉ 一 ８ ２ １ —７ １ ； ２ １ 一 １Ｏ 。
积 物分类 与命名 。当前 我 国海 洋 调查研 究 由浅 海 向 深海拓展 ， 已取得 了令 人鼓 舞 的成果 ， 深海 沉积 并 对 物研究 日益增 多 ， 然而对深海沉积物 分类与命 名 问题
摘要 ：对于 南海 中部 （ １ １ ８个表 层沉 积 物样 ， 深 ８ ～ ４４ ０ｍ） 东 部 （ ０ 水 ２ ２ 、 １ ６个表 层沉 积 物样 ， 深 水 ７ ０ ０ 海域 的表 层沉积 物 的粒度 资料按小 于 ２ ０ｍ，０ ￣２０ ０ｍ， ０ ￣４５ ８ｍ） ０ ２ ０ ０ 大于 ２０ ０ｍ 水深 段对 ０
海底底质分类的发展现状
海底底质分类的发展现状近年来，随着多波束技术及侧扫声纳技术的不断发展，人们已经不仅仅满足于单一的水深测量和粗略的人工侧扫声纳影像解释。
无论是在渔业、采掘业、近岸商业调查、科学与环境研究方面，还是在国防军事应用方面，都希望能够快速、高效地获取海底浅层沉积环境信息。
然而，传统的方法如可视化法与机械取样法都不能存在效率低、费用高、不适应于大面积调查等弊端。
由于声学法具有高效率、低费用、高分辨率等优点，因此特别适合于大面积的调查或研究。
目前，世界上已有多家海洋调查仪器公司或研究单位从不同的方面、采用不同的参数对海底进行分类识别。
从研究对象数据方面来分，主要有单波束海底分类、多波束海底分类和侧扫声纳影像记录分类三大类。
其中，单波束海底分类器及分类软件发展最为成熟，何以配合多种测深仪进行工作。
多波束海底分类系统只能配合于某一特定类型的多波束测深系统。
不管采用何种技术，都可以分为指导分类和非指导分类方式。
在指导分类方式下，必须首先对系统进行培训，通过在不同的海底类型采集一系列数据，获得特定的回声波形，建立起特征波形与海底类型之间的对应关系。
在非指导分类方式下，只是对海底类型进行了逻辑分类。
单波束海底分类主要以加拿大的Quester Tangent公司的QTC VIEW为代表。
回声波形经过海底识别和压抑高频噪声等预处理后，采用多种专专利算法，产生超过150个波形矢量。
所有的矢量用于组合成一个全特征矩阵。
然后根据这些特征矢量在三维空间里的聚合程度(差异性)，确定它们与海底类型的相关性。
该系统在加拿大得到了广泛的应用。
另外，QTC公司刚刚开发了一套基于EM3000多波束的海底分类仪QTC MULTIVIEW，目前正处于试用版的发布阶段。
通过侧扫声纳影像对海底分类，其代表为英国Geo Acoustics公司的Texture Mapping System。
通过对侧扫声纳影像的分析，可以对基岩、圆砾、砾石、沙、淤泥、粘土等进行分类，也可以提供管线、缆线和海底雷状物定位所需的资料。
介绍几种典型的海底底质分类技术
介绍几种典型的海底底质分类技术
刘胜旋;关永贤
【期刊名称】《海洋地质》
【年(卷),期】2003(000)004
【摘要】本文主要介绍了四家海洋仪器公司的最新海底底质分类技术。
它们分别利用多波束的反向散射强度数据、单波束的回声波形结构数据和旁侧声纳数据。
采用了多参数统计分析、波形结构分析和影像属性分析等方法，实现了快速、高效、大面积地对海底底质进行间接的分类。
尽管它们的技术各不相同，但都可以分为监督分类方式和非监督分类方式。
【总页数】8页(P31-38)
【作者】刘胜旋;关永贤
【作者单位】无
【正文语种】中文
【中图分类】P716.7
【相关文献】
1.典型海底底质散射强度研究 [J], 金中原;杨日杰;战和;
2.典型海底底质散射强度研究 [J], 金中原;杨日杰;战和
3.海底声学底质分类技术的研究现状与前景 [J], 陶春辉;金翔龙;许枫;顾春华;何拥华
4.基于回波强度的海底底质分类系统关键技术 [J], 何林帮;冯杰
5.海底声呐图像智能底质分类技术研究综述 [J], 赵玉新;赵廷
因版权原因，仅展示原文概要，查看原文内容请购买。
基于相空间方法的海底底质分类
基于相空间方法的海底底质分类
基于相空间方法的海底底质分类
基于相空间重构方法,从海底回波信号的相平面和相空间中提取了三个特征量:一阶距、相似序列重复度和熵,应用于海底底质分类.通过对海上实验数据的分析表明:这三个特征参数能有效地将两类海底分开,结果与海底采样分析吻合良好.
作者：任新敏徐铭 REN Xin-min XU Ming 作者单位：中国海洋大学信息科学与工程学院,青岛,266100 刊名：声学技术 ISTIC PKU 英文刊名：TECHNICAL ACOUSTICS 年，卷(期)：2007 26(4) 分类号：P733.2 关键词：相空间重构方法海底底质分类。
武汉大学测绘学院现代海洋学第8章--海底地貌及底质探测
(1)界面上不存在剩余压力，即 (2)界面上质点的法线方向运动速度为零
单个波束投射区内的声纳图像时序采样原理
测区声纳图像的获得需要通过完成声线改正和图像镶嵌 （Mosaic）两项工作后才能获得。 将每ping所形成的断面线按照船速和ping发射的时 间序列紧密地排列起来，形成扫测系统原始声纳图像。 （如图）自此，便完成了图像镶嵌的准备工作。
多波束声纳图像的成像原理
在形成声纳图像之前，还需对回波强度进行如下处理： （1）回波强度数据滤波 理论上，回波强度数据滤波也可采用深度数据滤波中 的算法，由于数据量庞大，这里采用简单的滑动平均 滤波，其模型为：
BSB是BS0（反映海底底质特征和粗糙度）项以及角 度相关项的和，即：
当波束入射角θ位于150~650范围时，BSB与入射角的相关 性用Lambert法则（k=2）可以很好的描述；当波束近乎垂直入 射时，BSB（BSN）是比较复杂的，是海底类型和粗糙度的函数。
综上，
θ ≈00时： θ ≈150时：
图像镶嵌中镶嵌线确定示意图
满足上述条件的点即为接边点，将重叠区内相邻 断面行上的接边点连接起来，便形成了镶嵌线。为了 保证回波强度水平的一致，就需对镶嵌线确定的重叠 点上的回波强度进行重新计算。下面介绍两种确定重 叠点上回波强度的方法 ： 均值法 设f’(i，j)为最终确定的声强，则：
加权平均法
式中，L为重叠区的宽度，x为重合点至重叠区靠近f1一侧的距离。
海洋底栖生物形态分类
（一）底栖动物类型
根据大型底栖动物栖息的位置，可以分为：
底内动物（infauna）：是完全或部分生活在底质内的种
类，如蛤类、多毛类。
底上动物（epifauna）：是底上生活或在底表爬行的动物，
如珠带拟蟹守螺、短拟沼螺等。
树栖动物（arboreal fauna):大部分时间栖息在潮间带树
（3）有外韧带的一端 为后端；
（4）有外套窦的一端 为后端；
（5）具有一个闭壳肌 的种类，闭壳肌痕 所在的一侧为后面。
外套窦
贻贝贝壳方位的辨别
贝壳较尖的一端为前
方；相对的一端为后 端。
靠近鳃的一方称“腹
面”；相对的一方称 “背面”。
பைடு நூலகம்
翡翠贻贝
毛蚶
青 蛤
太 阳 蛤
栉江珧
长 肋 日 月 贝
西施舌
即有水螅型和水母型。
有些种类是多态的群体型。 水螅型的消化腔没有咽管、隔膜
和刺细胞；
中胶层没有细胞，全为中胶质； 生殖腺由外胚层产生。
绿水螅及 其食物
刺胞动物门-钵水母纲
桃花
水母
水母
刺胞动物门-珊瑚纲
只有水螅体；
海葵
六射、八射，或多
射；
辐射左右对称；
口端扩大成口盘；
海底底质的声学特征研究
海底底质的声学特征研究作者：肖波来源：《科技创新与应用》2014年第24期摘要：海底底质声学特性一直是海洋地质、水下工程地质、海底矿产资源等领域重要的研究内容，海底的声学反射回波的波形特征和海底的底质特性有关，不同的海底底质给出的反射波形特征是不同的，通过海底声反射和声散射等手段可以进行海底底质的声学特征研究。
当研究区的底质取样资料稀少或者需要了解大面积沉积物类型面上分布时，声学方法为研究海底表面特性和海底底质特性的分类提供了一种十分快捷、经济的间接手段。
关键词：海底底质；声学特征；研究1 多波束系统声学探测方程对于确定的多波束系统（频率、波束角等参数固定），波束传播过程中的声能变化可通过图1和声能方程式1来描述。
EL=SL-2TL+BS-NL+DIR（dB）（1）图1 波束在传播过程中的声能变化图式中，EL为接收换能器的声噪水平；SL为声波的发射强度；TL为传播过程中产生的能量损失；BS为接收来自目标反射（散射）的信号能级；NL为海洋噪声对声能造成的损失；DIR为指向性指数。
从接收声能中除去发射声能、发射和接收指向性指数、传播损失和声照面积影响后，剩余部分反映的是海底物质对声波的声强（BS=BS0+10lgAE），BS取决于海底底质类型、地形条件和波束在海底的投射面积（波束脚印的面积）AE，利用实验数据建立函数关系或数据库，以采样波束对应的惊射角θ和声强为索引，在数据库中查询与之对应的物理属性，从而确定该波束在海底的底质类型，达到海底底质分类的目的。
由于图像一般采用灰度描述，不能直观的标定不同物质的地理区域。
因此，需要根据图像形成时建立的关系反演声强，进而划分海底物质类型。
也可对灰度图像按照灰度的变化进行边缘划分（或轮廓线划分），再根据划分区域内的灰度以及灰度与声强的转换关系确定划分区域的地质类型。
为了在地理框架下实现海底分类，需要利用如下两个关系：（1）图像中的像素位置与地理位置的对应关系；（2）图像中灰度级与声强的转换关系。
海洋科技前沿 一种顾及辐射畸变的多波束与侧扫声呐通用海底底质分类方法
科技前沿▏一种顾及辐射畸变的多波束与侧扫声呐通用海底底质分类方法声学海底底质分类对海洋环境的科学研究和生态系统管理具有重大意义，已经成为海洋科学一个研究热点。
相比于传统的实地采样方法，声学法是目前最有效的大区域海底底质分类的遥感方式。
声学海底底质分类可以通过对多波束声呐(Multibeam echo sounder，MBES)、侧扫声呐(side scan sonar，SSS)、单波束/分裂波束声呐(Single-beam/Split-beam echo sonar，SBES)等常见声呐设备的后向散射回波强度数据进行分析获得。
虽然SBES有着成本低、便携性强、易安装等优势，但是采样点密度较低、大面积测量效率低，于是很多时候被MBES和SSS替代。
然而MBES与SSS的回波强度数据都受到辐射畸变的严重影响，图像质量较低，因而在进行海底底质分类时必须顾及辐射畸变的影响。
一些研究中利用辐射畸变导致的回波强度的角度响应特点进行海底底质分类，并与实际海底情况对比，证明了利用角度响应数据分类的可行性。
另一些研究则首先削弱辐射畸变的影响，然后对处理后的MBES和SSS回波强度数据及图像使用BP神经网络、支持向量机、卷积神经网络进行分类并取得了合理的分类结果。
另外，由于SSS图像分辨率较高、纹理特征较丰富，还可利用灰度共生矩阵特征对SSS图像进行海底底质分类。
然而这些方法都需要较为复杂的前期预处理或者原始图像质量较好，否则辐射畸变对分类的结果会造成巨大的影响。
同时，由于MBES和SSS都是通过换能器发射声波并记录后向散射回波强度数据的方式来形成海底声学图像，且海底底质的变化会直接导致后向散射回波强度的变化，因此MBES 和SSS回波强度图像在反映海底底质变化上具有极强的相似性。
虽然单独的MBES与SSS底质分类方法研究较多，但两种声呐数据的通用海底底质分类方法研究较少。
因此，本文提出了一种顾及辐射畸变的多波束与侧扫声呐通用海底底质分类方法。
用于海底目标识别与底质分类的多波束水体波形预处理
用于海底目标识别与底质分类的多波束水体波形预处理张目宁1,2，杨鲲3，吴永亭4，柳义成3，曹玉芬3，阳凡林1,2（1援山东科技大学测绘科学与工程学院，山东青岛266590；2援自然资源部海洋测绘重点实验室，山东青岛266590；3援交通运输部天津水运工程科学研究院，天津300000；4援自然资源部第一海洋研究所，山东青岛266061）摘要：多波束水体数据是多波束系统获取的最原始数据，记录了波束从发射到接收整个过程全部的反向散射强度信息，可以为目标识别、水下栖息环境探测等提供重要的数据支撑。
目前，针对多波束水体强度时间序列所表现的波形信息的处理及研究仍处于起步阶段，另外水体波形数据易受噪声影响，且存在明显的入射角效应问题，对此，本文提出了一种基于分区异构的多波束水体波形拟合算法。
首先，根据不同波束入射角范围的水体波形特性，将水体数据划分为3个区域；然后利用不同函数(中央波束区域—双指数函数、漫反射区域—广义高斯与线性函数叠加、边缘波束区域—高斯与多项式叠加)分别对不同分区的反向散射强度波形进行拟合。
采用台湾海峡的多波束水体数据进行验证，结果表明：不同分区拟合相关系数及拟合优度均达到0.95以上，相比简单函数拟合，均方根误差由3.39dB 降到1.5dB 以下，达到了较好的拟合效果，可为多波束水体目标识别和海底分类提供参考。
关键词：多波束水体数据；波形去噪；分区波形拟合；双指数拟合中图分类号：P733.2；P229文献标识码：A文章编号：1001原6932（圆园21）01原园044原09Multi-beam water columndata processing method for target recognitionand classification of seabed sedimentsZHANG Muning 1,2,YANG Kun 3,WU Yongting 4,LIU Yicheng 3,CAO Yufen 3,YANG Fanlin 1,2渊1.College of Geodesy and Geomatics,Shandong University of Science and Technology,Qingdao 266590,China曰2.Key Laboratory of Oceanic Surveying and Mapping,Ministry of Natural Resources,Qingdao 266590,China曰3.Tianjin Research Institute for Water Transport Engineering,Ministry of Transport,Tianjin 300000,China;4.First Institute of Oceanography,Ministry of Natural Resources,Qingdao 266061,China)Abstract ：Multi-beam water column data is the most original data obtained by multi-beam echo soundersystem.It records all the backscattering intensity information of the entire process from transmission to reception,providing important support for target recognition and underwater habitat detection.At present,the processing and research of the waveform information鄄represented bymulti-beam water columntimeseriesintensity is still in its infancy.In addition,the waveform of water column data are easily affected by noise and have obvious incident angle effect.This paper proposes a multi-beam water column data waveform fitting algorithm based on partitioned heterogeneity.First of all,according to the water column waveform character鄄istics of different beam incidence angle ranges,the water column data is divided into 3areas.Secondly,the backscattering in鄄tensities of different partitions are respectively fitted with different functions (central beam area-double exponential function,diffuse reflection area-superposition of generalized Gaussian function and linear function,edge beam area -Gaussian and收稿日期：2020-07-14；修订日期：2020-11-25基金项目：国家自然基金重点项目（41930535）；国家重点研发计划（2018YFF0212203；2017YFC1405006；2018YFC1405900）；山东科技大学科研创新团队支持计划（2019TDJH103）作者简介：张目宁（1995—），硕士研究生，主要从事多波束海底底质分类研究。
海底底质的声学特征研究
称 为 接边 线 或镶 嵌 线 。 ２ ． ３测 区格 网化 及 声强 数 据 的选 取 （ 抽样 ） 为 了便 于计 算 机 图像 处 理 ， 就 须 对 测 区进 行 栅格 化 。每个 小 的 格 网需要 代 表 一个 回波采 样 ， 该 格 网 即为 图像 的像 素 。 声强 采 样 的不 均 匀性 可 能 导致 格 网 内出 现没 有 声强 数 据 、 一 个 声 强 数据 和 多个 声 强 数据 的情 况 。 为 了真 实反 映 海 底 物质 的特 征 ， 对 于没 有 声 强 数 据 的情 况 ， 在灰 度量 化 时 ， 可将 之 设 置 为 背 景 灰 度 级； 对 于存 在 单 个 声 强 数 据 的情 况 ， 用 该声 强 反 映格 网所 对 应 实 际 海床 的底 质 类 型 ； 若 存 在 多 个声 强数 据 ， 最 终 声 强 可 根 据 如 下 原 则 确定 ； （ １ ） 接近均值原则。所有声强数据与均值较差 ， 绝对差值最小者 为可 能 的备 选声 强 。 （ ２ ） 声强 变 化渐 进 性 原则 。由于 格 网代 表 的实 际海 底 区域 较 小 ， 地质 类 型 不 可 能发 生大 的突 变 ， 小 区域 范 围内 ， 地 质 类 型 的变 化 具 有渐 进性 。 格 网化 和声 强 抽 样 工作 完成 的优 劣 直 接 影 响 着 将 来 图像 质 量 的好 坏 ， 也影 响着 图像 对海 底 地 质类 型 的反 映 。 格 网划 分 过粗 （ 像 素 少） ， 像 素代 表 区域 较 大 ， 形 成 图像 的 Ｍｏ ｓ ａ ｉ ｃ现象 严 重 ， 则 难 以详 细 地反 映海 底 类 型 的 变 化 ； 像 素过多 ， 达 到饱 和 ， 图像 质 量 将 不 再 提 高， 相 反 还会 造 成计 算 量 的增 大 。 ２ ． ４ 声强 向灰度 级 的转 换 （ 量化） 该转 换 实 际上 是将 声 强 同 描述 图像 的灰 度 级 对 应起 来 ， 实 现 声 强 向灰度 级 的量 化 。 声强 的变化 范 围 主要 取 决 于海 床 的 地貌 特 征 、 地 质 类 型 以及 多 波束 系统 。对 于一个 测 区而 言 ， 若 海底 地 貌 特 征 和底 质 类 型变 化 复 杂， 声 强 分布 于 整个 变 化 范 围 ， 则声强 Ｇ Ｂ ｓ 可量 化 为 灰度 Ｇ为 ： Ｇ ＝ １ ２ ６ ＋ Ｇ Ｂ ｓ （ １ ２ ８ ～ １ ２ ６ ｄ Ｂ ） 对 应 灰度 范 围 （ ２ ５ ５ ～ ０ ） 或Ｇ ＝ １ ２ ６ 一 Ｇ Ｂ ｓ （ １ ２ ８ ～ １ ２ ６ ｄ Ｂ ） 对 应灰 度 范 围 （ ０ ～ ２ ５ ５ ） 式中， Ｇ为 灰度 级 ； Ｇ Ｂ ｓ 为 回波声 强 。 若声 强变 化 范 围为 （ Ｇ ｂ ｓ ｍ ｉ ｎ — Ｇ ｂ ｓ ｍ ａ ｘ ） ，量 化 后 的灰 度 范 Ｂ ｓ 量 化 后 的灰 度级 Ｇ可 表 达为 ：
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
２ １ 年７ ００ 月
Байду номын сангаас
应
用
科
学
学
报
Ｖ＿ ．２ Ｎ０．４ ０ １ ８
Ｊ ． ０ ０ ｕ１ ２ １
Ｊ ＯＵＲＮＡＬ ＯＦ ＡＰ Ｉ ＣＩ ＮＣＥ ＰＬ ＥＤ Ｓ Ｅ Ｓ— Ｅｌｃｒ ｎ ｃ ｎ ｎ ｏ ｍａ ｉｎ Ｅ ｇｎ ｅ ｉｚ ｅ ｔｏ ｉ ａ ｄ Ｉ ｆｒ ｔ ｎ ｉｅ ｒ ｓ ｏ ｎ
Ｗｕ ａ ３ ０ ９ ｈ ｎ ｈ ｎ ４ ０ ７ ，Ｃ ｉ ａ
３ ．ＧｅｍａｉｓＣｏｌ ｅ Ｓ ａ ｄ ｎ ｎｖｒｉ ｆＳ ｉｎ ｅａ ｄ Ｔｃ ｎ ｌ ｙ Ｑｉｇ ａ ６ ５ ０ ｏ ｔ ｌ ｇ ， ｈ ｎ ｏ ｇ Ｕ ｉｅｓｔ ｏ ｃｅ ｃ ｎ ｅｈ ｏｏ ， ｎ ｄ ｏ２ ６ １ ． ｃ ｅ ｙ ｇ
ｆｏ ｉ ｏｚ ｒ ｍ Ｊ ａ ｈｏｕ Ｂ ａ ａｎｄ ｍ ｐａ ｉｏｎ ｉ ａ ｙ ｃｏ ｒｓ ｓ ｍ ｄｅ． Ｉ ｓｃｏ ｌ ｄ ｈａｔ ｔ ｅ ｕｌ ｓ ｄ ｎ ｔ ｉ ｎｃ ｕｄｅ ｔ ｈｅ ｒ ｓ ｔ ｂａ ｅ ｏ ＰＣＡ ｆｍ ａ ｏ ｎｙ ｅ ｕｒ ｆａｔ ｅ ｓ
主成分分析与声 图相结合 的分类结果优于单纯 使用 声纳 图像 的分类结果．
关键 词 ： 征 提 取 ；全特 征 向 量 ；主成 分 分 析 ； 底 底 质 分 类 特 海
中图分类号 ： ２９ Ｐ ２． １
文章编号 ： ２５８９（０００－３４ ７ ０ ５—２７２ １） ０７ － ４ ０
ｏ ｔ ａ ｄ ｔ ｓ ｅ ｔ ｗｏ ｓ ｔ ｆ ｅ ｐｅ ｉ ｎ ｓ Ｕｓ ｎ ｗｏ ｔ ｐ ｓ ｏ ｌ ｓｆ ａ ｉ ｎ ｍ ｅ ｈ ｄ ｏ ａ ｌ ｚ ，ｔ ｅ ｄ ｔ ｕ ｎ ｅ ｔ ｗｉ ｈ ｔ ｅ ｓ ｏ ｘ ｒｍｅ ｔ ． ｄ ｉ ｇ ｔ ｙ ｅ ｆｃ ａ ｉ ｃ ｔｏ ｔ ｏ ｓ ｔ ｎａｙ ｅ ｈ ａ ａ ｓ ｉ
ｃ ａ ａ ｔ ｒｓｉｓ ｔ ａ ｏ ｔｃ ｎ ｒｂｕ ｅ ｔ ｈ ｌｓ ｉｃ ｔｏ ｈ ｒ ｅｉｔｃ ｈ ｔｍ ｓ ｏ ｔｉ ｔ ｏ ｔ ｅｃａ ｓｆ ａ ｉｎ． Ｂａ ｅ ｎ ｔ ｅ ｓｕｄ ，ｓａ ｅ ｌｓｉ ｃ ｔｏ Ｓｃ ｒｉｄ ｃ ｉ ｓ ｄ ｏ ｈ ｔ ｙ ｅ ｂ ｄ ｃａ ｓｆ ａ ｉｎ ｉ ａ ｒｅ ｉ
Ｎａ ｈ ｎ ３ ０ ３ ｎｃ ａ ｇ ３ ０ １ ，Ｃｈ ｎ ｉａ
２ ．Ｋｅ ａｏ ａｏｙ ｏ ｅｉｅＥ ｇｎ ｒ ｇａ ｄＩｄ ｓ ｕ ｖｙｎ ， ｔｔ ｒａ ｌＳ ｒ ｅｉｇａ ｄＭ ａｐｎ ， ｙＬ ｂｒｔｒ ｌＰｒｃｓ ｎ ｉｅｉ ｎ ｎ ｕ ｔ Ｓ ｒｅ ｉｇ ＳａｅＢｕ ｅｕ ｏ ｕｖ ｙｎ ｎ ｐ ｉｇ ｎ ｙ ｒ
Ｓ ａ ｏ ｇ Ｐｒ ｖ ｎ ｅ ｈ ｎ ｈ ｎｄ ｎ ｏ ｉ ｃ ，Ｃ ｉ ａ
Ａ ｂ ｔ ａ ｔ Ａｉ ｅ ｔ ｓ ａ ｅ ｌ ｓ ｉ ｃ ｔｏ ｓｒｃ： ｍ ｄ ａ ｅ ｂ ｄ ｃ ａ ｓｆ ａ ｉ ｎ，ｓ ａ ｉｔｃ ｈ ｒ ｃ ｅ ｉｔｃ ｒ ｘ ｒ ｔ ｒ ｍ ｈ ｃ ｏ ｎ ｕ ｉ ｔ ｔ ｉａ ｃ ａ ａ ｔ ｒｓ ｉｓ ａ ｅ ｅ ｔ ａ ｅ ｆｏ ｔ ｅ ｅ ｈ ，ａ ｄ ａ ｆ Ｕ ｓ ｌ ｃ ｄ
３ ．山东科技大学 测绘科 学与工程学院，山东青 岛 ２ ６ １ ６５０
摘 要 ： 通过提取多种 回声特征构造 全特 征向量 ，并对全特征 向量进行主成分分析，计算出对底质分类贡献率最 大 的特征组 ，实现海底底质 的分类．采用两种分类方法对胶州湾实测数据进行比较，可得出下列 结论 ： 应用 多特征
ＤＯ ： ０３６ ／．ｓ ． ５ ８９ ． １． ．０ Ｉ １． ９ｊｓｎ０ ５ ２７２ ００ ０８ ９ ｉ ２－ ０ ４
多特 征主成分分析 与声 图相结合 的海底 底质分类
马 飞虎 ， 孙翠羽 ， 康 永红 刘智敏３ ， － ， ｖ ，
１ 华 东交通大学 土木建 筑学院，南 昌 ３ ０ １ ． ３０３ ２ 精 密工程与工业测量国家测绘局 重点实验 室，武汉 ４ ０ ７ ． ３０９
Ｓ ａ ｄ Ｃｌ ｓ ｉ ｃ ｔｏ ｓ ｄ ｏ ｉ ｉ ｌＣｏ ｐｏ ｅ ｔ Ａ ｎ ｙ ｉ ｆ ｅ ｂｅ ａ ｓｆ ａ ｉ ｎ Ｂａ ｅ ｎ Ｐｒｎｃ ｐａ ｍ ｉ ｎ ｎ ａｌ ｓ ｓ ｏ Ｍ ｕｌｉ ｅ Ｆ ａ ｕ ｅ ｍ ｂｉ ｄ ｗ ｉ ｈ Ｓ ｎａ ｍ ａ ｅ ｔｐｌ ｅ ｔ ｒ ｓ Ｃｏ ｎｅ ｔ ｏ ｒ Ｉ ｇ
Ｍ Ａ ｉｈ － Ｓ Ｆｅ— ｕ ，， ＵＮ — ｕ Ｃｕｉｙ 一， ＫＡＮＧ ｎ ． ｏ ＬＩ Ｚ — ｎ Ｙｏ ｇ ｈ ｎｇ ， Ｕ ｈｉｍｉ ３
１ ｃ ｏ ｌ ｆＣ ｖｌ ｎ ｉ ｅｒ ｇａ ｄＡ ｃｉ ｃｕｅ， ａ ｔ ｈｎ ｉｏｏ ｇ Ｕ ｉｅｓｔ， ．Ｓ ｈ ｏ ｉｉＥ ｇｎ ｅｉ ｎ ｒｈｔ ｔｒ Ｅ ｓ ｉａＪａ ｔｎ ｎｖｒｉ ｏ ｎ ｅ Ｃ ｙ
ｆ ｔ ｒ ｅｔｒｉ ｃ ｎｔｕ ｔｄ Ｔｈ ｒ ｃｐ ｌ ｏ ｏ ｅ ｔａ ａｙ ｉ （ ＣＡ）ｉ ｃ ｒｉ ｕ ｏ ｏ ｔｉ ｈ ｅ ｆ ｅ ｕ ｅｖ ｃｏ ｏ ｓｒ ｃｅ ． ａ ｓ ｅｐ ｉ ｉａ ｍｐ ｎ ｎ ｎ ｌｓ Ｐ ｎ ｃ ｓ Ｓ ａｒ ｄ ｏ ｔｔ ｂ ａ ｔ ｅｓｔｏ ｅ ｎ
ｃ ｍ ｂ ｎ ｄ ｗ ｔ ｏ ｒ ｍａ ｓｂｅ ｔ ｒｔ ａ ｈａ ｂ ａ ｎ ｄ ｓ ｌ ｌ ｒ ｍ ｏ ａ ｍ ａ ｅ ｃ ａ ｓｆ ａ ｉ ｎ． ｏ ｉ ｅ ｈ ａ ｓ ｎａ ｐ ｉ ｔ ｅ ｈ ｎ ｔ ｔ ｏ ｔ ｉ ｅ ｏ ｅｙ ｆｏ ｓ ｎ ｒ ｉ ｇ ｌ ｉ ｃ ｔ ｏ ｉ ｓ ｉ