买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:自然资源部第三海洋研究所;厦门大学
摘要:本发明设计一种多维特征优选海洋底质分类方法及系统,结合多波束后向散射强度数据和多波束实测水深数据,设置不同的特征提取方法;将提取的特征及底质类别标签送入随机森林模型训练,根据预测结果对特征进行优选,确定最优特征集合;根据最优特征集合训练随机森林模型,以完成对海洋底质的分类。本发明通过对数据的解构和多维特征的优选,能完成像素级的识别任务,且分类结果较为准确。
主权项:1.一种多维特征优选海洋底质分类方法,其特征在于,包括以下步骤:步骤1、基于海底的多波束后向散射强度数据获取纹理特征;所述步骤1具体包括以下子步骤:步骤1.1、基于海底的多波束后向散射强度数据获取散射强度图像;步骤1.2、使用灰度共生矩阵提取散射强度图像的纹理特征矩阵;具体如下:步骤1.21、在散射强度图像中以样本坐标为中心框选出新的散射强度图像并构建灰度共生矩阵;新的散射强度图像尺寸小于原散射强度图像;步骤1.22、根据步骤1.21得到的灰度共生矩阵,计算纹理特征矩阵;计算灰度共生矩阵的纹理特征矩阵包括:均值Mean、协方差Var、同质性Homo、反差Contrast、差异性Diss、熵Entropy、角二阶矩ASM、自相关Cor和能量E,计算公式如下: ; ; ; ; ; ; ; ; ;其中,N是图像的灰度级别,d代表像素对的距离,代表像素对的弧度,i、j表示像素点的灰度级;代表给定条件下,像素对的像素级分别为i和j的概率;步骤1.3、使用与纹理特征矩阵的尺寸相同的卷积核处理纹理特征矩阵,得到纹理特征;步骤2、基于海底的多波束实测水深数据获取地形特征;所述步骤2具体包括以下子步骤:步骤2.1、基于海底的多波束实测水深数据获取地形特征图像;所述步骤2.1中包括如下子步骤:步骤2.11、将多波束实测水深数据中的经纬度坐标映射到图像像素坐标,水深映射到图像像素值,以此构建水深图像;步骤2.12、利用步骤2.11构建的水深图像计算地形特征,地形特征包括水深、坡向、坡度、粗糙度;步骤2.13、将步骤2.12计算得到的地形特征数据映射到相应像素位置以构建地形特征图像,并对地形特征图像进行增强处理;步骤2.2、使用卷积核处理增强处理后的地形特征图像得到地形特征;以样本位置为中心对地形特征图像进行框选得到新的地形特征图,其中,新的地形特征图的尺寸小于增强处理后的地形图特征;然后采用与新的地形图特征的尺寸相同的卷积核处理新的地形图特征,得到地形特征;所述步骤2.12中,坡度slope、坡向aspect、粗糙度roughness的计算公式分别为: ;其中,D代表水深,是目标位置,代表某一相邻位置点的水深,代表该目标位置点与相邻点之间的水平距离; ;其中,代表图像中紧邻目标位置正下方位置点的水深,代表图像中紧邻目标位置正上方位置点的水深,代表图像中紧邻目标位置左侧位置点的水深,代表图像中紧邻目标位置右侧位置点的水深; ;其中,slope代表目标位置的坡度;步骤3、将纹理特征和地形特征构成特征集合,同时,将其海洋底质类型作为标签,以此构建数据集;其中,海洋底质类型包括粗砂、粉砂、细砂、中砂;步骤4、使用随机森林模型对步骤3得到的数据集进行特征优选,根据得到的优选特征集合重新构建优选数据集;所述步骤4中包括如下子步骤:步骤4.1、基于步骤3得到的数据集训练随机森林模型,并调节模型参数达到最优;步骤4.2、在步骤4.1得到的模型参数下基于随机袋外误差使用随机森林模型对特征重要性进行排序;步骤4.3、以重要性最高的前n维特征为基础,逐一增加特征维,基于得到的特征组合,分别评估其模型分类准确度,然后选出分类准确度最高的最优特征组合;步骤4.4、根据得到的最优特征组合重新构建优选数据集;步骤5、基于优选数据集训练随机森林模型,并调节模型参数,得到最优随机森林模型;步骤6、对于待检测的海洋底质数据,利用最优随机森林模型进行识别,得到分类结果;待检测的海洋底质数据是指由待检测的海底多波束后向散射强度数据中提取的纹理特征、以及由待检测的海底多波束实测水深数据中提取的地形特征。
全文数据:
权利要求:
百度查询: 自然资源部第三海洋研究所 厦门大学 一种多维特征优选海洋底质分类方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。