海底声呐图像智能底质分类技术研究综述

• 作者: 赵廷 赵玉新
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 声学探测 声呐图像 底质类型 特征提取 图像分类 监督学习 无监督学习 深度学习 卷积神经网络 海底底质分类
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 人工智能院长论坛
• 页码范围: 587-600
• 页数: 14页
• 分类号: TP753
• 语种: 中文
• DOI: 10.11992/tis.202004026

摘要

海底声呐图像底质分类技术是指利用多波束、侧扫声呐等设备获取海底图像进行浅表层地质属性信息的反演和预测.综合运用水声学、图像处理以及机器学习的相关理论,声学海底底质分类技术能够快速、准确地识别海底底质类型.通过回顾国内外发展历程,对利用声学图像进行海底底质分类的关键技术进行了总结,从声学海底底质分类的关系模型、海底声呐图像的特征表达和分类模型构建三个方面介绍了领域内的研究进展和主要方法,重点分析了不同模型和方法的原理、技术特点和适用场合,并结合卷积神经网络对深度学习方法在海底底质分类中的应用进行了讨论.最后,对海底声呐图像底质分类技术的研究方向和发展趋势进行了归纳和展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵玉新		65	663	13.0	23.0
2	赵廷		1	0	0.0	0.0