顾及特征优选的机载LiDAR测深海底点云底质分类

摘要：

基于机载LiDAR测深ALB(Airborne LiDAR Bathymetry)技术的海底底质分类能够为浅海水域的海洋资源开发利用、海洋环境保护、海洋工程建设等提供基础数据,对海洋活动与海洋科学研究具有重要意义.针对ALB海底底质分类存在的特征冗余问题,本文提出了一种顾及波形和地形特征优选的底质分类算法.在提取波形和地形特征的基础上,构建Relief-F特征优选模型,通过计算各特征在底质分类中的贡献率,实现多元特征优选;然后,利用随机森林RF(Random Forest)、支持向量机SVM(Support Vector Machine)、BP神经网络BPNN(Back Propagation Neural Network)3种分类器进行监督分类,提取珊瑚礁、砾石、砂、植被、海岸带5类底质.为验证所提分类方法的有效性,利用西沙甘泉岛实测ALB数据进行实验,结果表明:利用Relief-F算法进行特征优选后,RF、SVM与BPNN的分类精度分别提高了 1.1％、1.1％和2.7％;其中,随机森林底质分类具有更高的分类精度,其总体分类精度OA(Overall Accuracy)和Kappa系数分别达到了 95.36％和0.94.本文研究成果能够为海洋工程等领域的海底底质分类需求提供有效的技术支撑.

关键词：机载LiDAR测深、底质分类、波形特征、地形特征、Relief-F特征优选模型、图像处理、海洋

所属期刊栏目：27

分类号：P229;P2(大地测量学)

在线出版日期：2023-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2219-2228