利用深層卷積神經網絡實現地形輔助的多波束海底底質分類

作者：陽凡林,朱正任,李家彪,馮成凱,邢喆,吳自銀

摘要：海底底質分類對于海洋資源開發與利用、海洋科學研究等多方面具有重要意義。目前,多波束探測是實現大范圍海底底質分類的有效手段之一,通常基于多波束反向散射強度提取角度響應(AR)特征及反向散射圖像特征進行底質分類。由于特征來源較單一,分類器結構簡單,往往分類精度不高。為此,本文提出了一種基于深層卷積神經網絡(CNN)的多波束海底底質分類方法。除反向散射強度特征外,還利用地形特征,將特征向量轉換為波形圖,再輸入卷積神經網絡進行訓練和分類。試驗對比不同特征組合以及BP網絡、支持向量機(SVM)、K近鄰(KNN)、隨機森林(RF)4種常規分類器,本文模型算法總體分類精度達到94.86%,Kappa系數為0.93,精度具有明顯優勢,效率也比較高。表明該方法有效利用兩種數據類型所蘊含的海底底質信息,充分發揮卷積神經網絡權值共享、高效率等特點,實現高分辨率海底底質分類,可對海底底質分類研究提供參考。

發文機構：山東科技大學測繪科學與工程學院 自然資源部海洋測繪重點實驗室 自然資源部第二海洋研究所 國家海洋信息中心

關鍵詞：多波束反向散射圖像角度響應底質分類卷積神經網絡multibeambackscatter imageangular responseseafloor classificationconvolutional neural network

分類號： P229.1[天文地球—大地測量學與測量工程]