论文部分内容阅读
随着声学探测技术的不断发展,多波束测深系统凭借其全覆盖、高精度、高分辨率等优势被广泛应用于海底地形地貌测绘、海底底质勘探等海洋探测研究中。多波束测深系统主要记录有水深数据、声强数据和水柱数据三种重要信息,其中水深数据主要用来描述海底地形起伏和地貌形态变化;声强数据是海底介质散射、反射信号的反映,可以用来研究海底底质的类别和分布;水柱数据涵盖了声波在水体传播过程中的全部反射、散射声信号,可用来研究整个水体中的声学特征。本文就多波束测深系统采集的声强数据和水深数据在海底底质分类和海底地形复杂度分类中的应用进行了研究,主要工作如下:(1)阐述了多波束数据开展海底底质和地形复杂度分类研究的意义,对国内外基于多波束数据进行海底底质和地形复杂度分类的研究现状进行了详细的梳理,并归纳总结其在数据处理、分类指标建立以及分类库构建等方面存在的问题和不足。(2)介绍了多波束测深系统的基本原理与系统组成,并解释了基于多波束反向散射数据进行海底底质分类的原理。(3)给出了详细的多波束反向散射强度数据处理与分析流程,对水深数据进行拟合延伸实现了声强数据全提取,完善了顾及地形坡度的声照面积改正;对滤波方法进行比较,选取维纳滤波进行声强数据、水深数据滤波,选取双边滤波方法进行多波束声纳图像滤波;加入中央波束改正,构建了较为完善的声能补偿改正模型;分别采用反距离加权插值、样条函数插值和克里金插值方法进行多波束声纳图像重采样,比较不同方法的优缺点;对多波束声纳图像特征提取进行了归纳总结。(4)利用灰度共生矩阵分别提取多波束声纳图像的角二阶矩、对比度、相关性、熵、逆差距和协方差6项纹理特征,加上图像灰度信息共7维特征值作为分类特征信息,分别基于ISODATA、SVM和BP神经网络三种方法进行底质分类。(5)将卷积神经网络(CNN)应用到海底底质分类中,在详细介绍CNN分类工作原理的基础上提取10项图像纹理特征,加之3维统计特征和3维声强灰度信息共16维特征值进行底质分类,对ISODATA、SVM、BP神经网络和CNN四种方法分类结果进行比较,分析不同算法的优劣,得出CNN分类结果优于其它三种算法。(6)建立角度响应分析模型(AR)进行海底底质分类。提取泥质砂、砾石、基岩、细砂和砂质泥、粗砂六类底质的角度响应曲线,提取7项统计特征和4项Hellequin L模型参数特征组成11维特征参数,利用距离最小方法实现底质分类,每一类底质分别选取100Ping数据对建立的角度响应分析模型有效性进行检验。(7)海底地形复杂度研究,在传统单一分类指标的基础上引入地形坡度和起伏度作为新的分类指标,并进行量化引入到海底地形复杂度分类中,详细介绍二维模式复杂度方法在海底地形复杂度分类中的应用,利用BP神经网络建立18种地形的特征数据库实现海底地形复杂度的自动划分,实验验证表明该方法分类精度高,不仅能实现地形复杂度定性分类还能进行定量分析,具有明显的分类优势。