该研究聚焦于如何利用多波束和侧扫声纳数据进行海底底质的分类。该领域研究融合了多种算法与技术手段，以提高海洋测绘的准确性和效率。该系统通过多波束测深数据的校正，可以更精准地测定海底地形特征。该过程涉及多个环节，包括姿态校正、归心校正、吃水校正等关键步骤。在数据校正过程中，门限滤波法适用于处理中等频率的变化，而小波去噪法则在处理微弱变化时更为有效。侧扫声纳图像处理技术的实现需要完成滤波、增强、去噪和分割等多个步骤。其中，斜距改正和灰度均匀化校正是影响数据融合的关键因素。研究中提出了一种基于声线跟踪法的斜距改正方法，以及利用小波变换进行灰度突变检测的技术，以提高图像定位精度并减少点位偏移。在数据融合方面，该研究指出现有的最小二乘配准法存在局限性，因此采用了一种基于等深线和轮廓线的同名特征点配准方法，并通过二次多项式拟合实现精准配准。该方法采用二进小波变换进行图像融合，并通过交叉验证评估融合效果。在海底底质分类过程中，研究者列举了多种特征提取方法，并结合反向散射强度、谱分析参数、影像纹理和分形信息等多维度指标进行分析。其中，影像纹理和分形信息因其普遍适用性被选用作为输入矢量。通过共生矩阵统计和多重分形分析，研究显著降低了特征维度并提升了分类精度。为实现精确分类，研究引入了基于遗传算法的BP神经网络和自 organizing mapping (SOM) 网络模型，分别用于监督分类和非监督分类。该方法在处理复杂数据集时展现出色的效果，并可有效提升分类准确性。通过综合应用大数据分析、高级滤波技术、图像处理以及神经网络等前沿科技，本研究为海底底质的精确分类提供了创新解决方案。这一成果对于提升海洋测绘技术和环境监测水平具有重要的实践意义。
5星
