基于SVM算法GLCM侧扫声纳影像分类研究优秀参考文档.pdfVIP

第38卷 第3期 测绘与空间地理信息 VoI|38．NO．3 2015年 3月 GEOMATICS ＆ SPATIAL lNFORMATION TECHNOLOGY Mar．，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—04 StudyofSideScan SonarImageClassificationBasedon SVM andGrayLevelCo-—-CccurrenceM atrix GUOJun一，MAJin—feng一，WANG Ai—xue (1．GuangzhouMarineGeologicalSurvey，Guangzhou510760，China；2．KeyLaboratoryofMarineMineral Resources，M inistryofLandandResources，Guangzhou510075，China；3．Schoolof GeodesyandGeomatics，WuhanUniversity，Wuhan430079，China) Abstract：Accordingtothefeaturesofsonarimage，amethodologyofsidescansonarimageclassificationusingsupport vectormachine andgraylevelco—occurrencematrixispresented．Thetexturefeaturesextractedwithgraylevelco—occurrencematrixandprincipal componentanalysismethod，andthenwegiveoutthemostsuitablethetexturefeaturesforsidescansonarimage．Seaclassification is carriedoutwithsupportvectormachineusingthebackseattercombinedwith sonarimage．Itisconcludedthattheresultofclassifica- tionbasedonthebaekscattercombinedwiththetexturefeaturesisbetterthanthatbasedonsolelythebackscatter． Keywords：sidescansonarimage；supportvectormachine；graylevelCO—occurrencematrix；textureanalysis 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