1.4 研究内容与技术路线

围绕上述问题，本书以提高大范围、复杂底质分布区的底质分类精度为目标，以多源声学图像的信息提取与信息融合为主要途径，拟开展如下工作。

（1）研究侧扫声呐、多波束系统和浅地层剖面仪各自的成像原理，探讨多源声学图像信息融合的可行性，并改进预处理方法，为有效地提取多源声学图像信息提供基础。

（2）研究多源声学图像的特征信息提取方法。根据不同底质在多源声学图像中的特点，研究多源声学图像的定性和定量特征，分析常见定量特征的冗余性以及对底质分类的有效性，提出特征筛选和特征选择方法。所得的特征子集可作为单一数据源进行底质分类的依据，也将作为多源声学图像信息特征级融合的依据。

（3）研究面向对象的多源声学图像分类方法。针对目前多源声学图像分类方法用于大范围、复杂底质分布区时精度较低的问题，采用面向对象的分类方法实现底质分类，一方面通过图像分割保持对底质空间分布的划分精度；另一方面有利于对图像中特征信息的提取和分类。基于面向对象的思想可分别实现对水底地貌、地形和浅地层剖面图像的底质分类，所得的分类信息可作为多源声学图像信息决策级融合的基础。

（4）研究面向底质分类的多源声学图像信息融合综合模型，并提出多源声学图像信息的特征级和决策级融合方法，通过与基于单一类型声学图像的底质分类结果进行比较，分析特征级和决策级融合的优势与不足。

根据以上内容可设计本研究的技术路线（图1—2），总体可分为4部分。第一部分为多源声学图像的形成原理和预处理方法研究，为本书的研究提供理论依据并准备基础数据；第二部分为多源声学图像的特征分析方法研究，分别对水底地貌、地形和浅地层剖面图像进行特征提取、特征筛选和特征选择；第三部分为面向对象的多源声学图像底质分类方法研究，基于第二部分的特征提取结果研究基于水底地貌、地形和浅地层剖面图像的分类方法，并分别得到上述三类数据的底质分类结果；第四部分为融合多源声学图像信息的底质分类方法研究，该部分综合第二部分的成果实现特征级融合与底质分类，综合第三部分的成果实现决策级融合，最终分别得到特征级和决策级融合后的底质分类结果。对于第三部分、第四部分的底质分类结果，本书将分别进行精度评价和结果对比。