基于SVM算法和GLCM的侧扫声纳影像分类研究.pdf

《基于SVM算法和GLCM的侧扫声纳影像分类研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第38卷第3期测绘与空间地理信息VoI

2、38．NO．32015年3月GEOMATICS＆SPATIALlNFORMATIONTECHNOLOGYMar．，2015基于SVM算法和GLCM的侧扫声纳影像分类研究郭军，马金凤，王爱学(1．广州海洋地质调查局，广东广州510760；2．国土资源部海底矿产资源重点实验室，广东广州510075；3．武汉大学测绘学院，湖北武汉430079)摘要：根据侧扫声纳影像的特征，提出一种基于SVM和GLCM的侧扫声纳影像分类方法，利用灰度共生矩阵提取其纹理特征，采用主成分分析法对纹理特征进行筛选，选择适合侧扫声纳影像的最佳纹理特

3、征，结合侧扫声纳影像的回波强度，应用支持向量机对侧扫声纳影像进行分类。研究结果表明，纹理特征结合回波强度的支持向量机分类精度高于只依靠回波强度的支持向量机分类精度。关键词：侧扫声纳图像；支持向量机；灰度共生矩阵；纹理分析中图分类号：P229文献标识码：A文章编号：1672—5867(2015)03—0060—04StudyofSideScanSonarImageClassificationBasedonSVMandGrayLevelCo-—-CccurrenceMatrixGUOJun一，MAJin—feng一，WANGAi—xue(1．Guangzhou

4、MarineGeologicalSurvey，Guangzhou510760，China；2．KeyLaboratoryofMarineMineralResources，MinistryofLandandResources，Guangzhou510075，China；3．SchoolofGeodesyandGeomatics，WuhanUniversity，Wuhan430079，China)Abstract：Accordingtothefeaturesofsonarimage，amethodologyofsidescansonarimageclassif

5、icationusingsupportvectormachineandgraylevelco—occurrencematrixispresented．Thetexturefeaturesextractedwithgraylevelco—occurrencematrixandprincipalcomponentanalysismethod，andthenwegiveoutthemostsuitablethetexturefeaturesforsidescansonarimage．Seaclassificationiscarriedoutwithsupport

6、vectormachineusingthebackseattercombinedwithsonarimage．Itisconcludedthattheresultofclassifica-tionbasedonthebaekscattercombinedwiththetexturefeaturesisbetterthanthatbasedonsolelythebackscatter．Keywords：sidescansonarimage；supportvectormachine；graylevelCO—occurrencematrix；textureana

7、lysis于将不同的海底底质区别开来。为此，可采用将声纳0引言影像的纹理特征与回波强度相结合的方法对声纳影像进侧扫声纳系统以影像形式真实客观地记录和反映了行底质识别与分类。SVM(Supportvectormachine)神经网海底底质对入射声波的回波强弱信息，是海底地形地貌络结构简单，通用性及鲁棒性强，体现了结构风险最小化与海底底质的一种有效表现形式。依靠回波强度进原则，是一种表现卓越的分类方法。GLCM(Graylevel行海底底质分类时，由于同一类型的海底底质表现出不CO—occurrencematrix)是一种统计分析方法，在纹理分析同的回波强度，

8、不同类型的海底底质表现出相同的回波中得到了广泛的应用，被公认为一种经典的纹理分析强度，导致回波强度相近的不同底质往往出现错分现象，方法。例如沙地与泥沙。若仅依靠回波强度信息来进行侧扫声本文以加利福尼亚大学海图实验室提供的位于加利纳影像分类，将很难获得较佳的分类精度。福尼北部Maekerieher州立保护区内的侧扫声纳影像为纹理是属于特定类型的海底底质特有的属性，有助例，基于GLCM进行纹理特征参数的提取，然后使用SVM收稿日期：2014—09—10基金项目：广州海洋地质调查局天然气水合物专项数据库建设及战略研究(GZH201100312一O1)；国土资源部

9、海底矿产资源重点实验室开放基金(1212011220117)资助作