[发明专利]一种机载雷达测深浅海底质分类方法

说明书

本发明公开了一种机载雷达测深浅海底质分类方法，属于海洋测绘技术领域，其首先基于“三段式”波形分解和二次曲面LM拟合算法提取机载雷达测深多元波形和地形特征；然后构建强度和点云特征兼顾的双支CNN动态迁移学习分类模型，通过对强度分支和点云分支进行双重训练，有效提升网络结构的整体稳定性；最后通过动态调控网络自适应调整点云分支的全连接层参数，实现参数权重迁移，增强整体双支CNN动态迁移学习分类模型的泛化性和鲁棒性。本发明通过这种方法，实现了一种机载雷达测深浅海底质的分类模型构建，该方法将为我国海洋、测绘、交通、海军等领域对于浅水海域高精度底质分类的迫切需求提供重要的技术支撑。

技术领域

本发明属于海洋测绘技术领域，具体涉及一种机载雷达测深浅海底质分类方法。

背景技术

机载雷达测深技术具有测量精度高、测点密度高，工作效率高、机动性强、测量连续性等特点，特别适合于浅水区、海岛礁附近区域等复杂地形的快速探测，可以实现海岸线水上水下地形的无缝拼接。机载雷达测深系统采用水体穿透能力较强的532nm绿激光作为海底探测手段，通过获得海面与海底反射激光到达接收器的时间差，加以各项改正(系统校准、姿态改正、折射改正和潮位改正等)即可计算出海底激光点的三维坐标。机载雷达测深技术可以获取丰富的原始波形信息和海底地形信息，为浅海海底底质分类提供重要的数据支撑。

海底底质类型是重要的海洋环境参数，是进行海底科学研究的基础，海底底质分类对于海洋工程建设、海洋环境监测、海底科学研究、海洋资源开采、海洋渔业发展具有重要的科学与实际意义。海岸线、岛礁等周边浅海区域作为人类活动最频繁的海域，其海域底质类型非常复杂，复杂的浅海底质对于近岸港口修筑、跨海大桥建设、海上风电平台发展、匹配场定位、低频远程声纳作用距离预报、潜艇沉底隐蔽海底选择、水下目标及水下作战环境的探测均起着至关重要的作用。

当前，浅海海底底质分类和探测主要方法有原位抓斗取样法和光学遥感探测等方式，受限于实地抓取采样的种种限制，带有实际标签的样本数据非常少。小样本训练集是制约海底底质分类发展的一个重要因素，传统的底质分类方法针对小样本训练集往往存在泛化性和鲁棒性较低的问题。针对这个问题，提出一种机载雷达测深浅海底质分类方法，通过将机载雷达测深原始波形和地形特征信息与双支CNN(Convolutional Neural Networks，卷积神经网络)迁移学习分类方法相结合，以实现浅海底质的合理分类。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种机载雷达测深浅海底质分类方法，设计合理，解决了现有技术针对小样本训练集存在的泛化性和鲁棒性较低的问题，通过结合多元特征与双支CNN动态迁移学习分类模型，实现浅海海底底质的精确分类，为我国海洋、测绘、交通、海军等领域对于浅水海域高精度底质分类的迫切需求提供重要的技术支撑。

为了实现上述目的，本发明采用如下技术方案：

一种机载雷达测深浅海底质分类方法，包括以下步骤：

步骤1：基于“三段式”波形分解和二次曲面LM(Levenberg-Marquardt，莱文贝格－马夸特)拟合算法，提取机载雷达测深多元波形和地形特征；

步骤2：构建强度和点云特征兼顾的双支CNN动态迁移学习分类模型，通过对强度分支和点云分支进行双重训练，提升网络结构的整体稳定性；

步骤3：通过动态调控网络自适应调整点云分支的全连接层参数，实现参数权重迁移，增强整体双支CNN动态迁移学习分类模型的泛化性和鲁棒性。

优选地，在步骤1中，机载雷达测深多元波形和地形特征的提取方法如下：

步骤1.1：基于“三段式”波形分解方法，提取机载雷达测深多元波形特征；

步骤1.2：基于二次曲面LM拟合算法，提取机载雷达测深多元地形特征。