前言

无人船水下遥感（Unmanned Ship Based Underwater Remote Sensing），即利用无人船平台实现自动化、智能化快速获取水下地形、水下底质、水体物理化学性质等遥感信息的组织、处理、建模和应用分析的技术。近年来，随着无人船舶航行技术、遥测遥控技术、声学传感器技术、通信技术、GPS差分定位技术和遥感应用技术的发展，无人船遥感系统的性能和自动化程度不断提高。作为侧扫声呐、多波束系统和浅地层剖面仪等多源声学遥感设备的载具，无人船具有灵活机动、自动化水平高、技术相对成熟、安全性高等特点，因此受到了广泛的关注，并应用在水环境保护、航道测量、海底线缆探查、水下搜救、水质监测等多个领域。

水下底质分类对海洋、河流、湖泊科学研究、资源开发、环境保护和海权维护具有重要意义。侧扫声呐、多波束系统和浅地层剖面仪等多源探测是声学法底质分类的常用技术，声学图像是通过上述3种技术得到的主要成果之一。基于声学图像分析法的底质分类具有高空间覆盖率、高制图精度和低成本的特点，是传统采样法、回波波形分析法等方法无法比拟的。但是，仅基于单一数据源进行自动底质分类的精度偏低，大量水底多源声学探测数据仍处于利用率较低、有效信息提取依赖人工解译的状态。

多源声学图像具有多维、多源、异构的特点，其提供的信息既有较大的差异性，又有良好的互补性。多源声学图像信息融合是水下测绘、水生态、水下地质调查、水声学等领域的研究趋势。但是，目前基于无人船遥感平台，融合多源声学图像进行自动底质分类的方法处在探索阶段，怎样通过无人船获取的多源声学图像提取有效信息，以及怎样实现有效的信息融合以提高底质分类的精度是有待突破的关键问题。

围绕上述问题，本书针对无人船平台获取的水下多源声学遥感数据，研究了融合多源声学图像信息的水下底质分类方法，针对融合过程中的几个关键问题，重点讨论了多源声学图像特征提取与特征选择方法、面向对象的自动底质分类方法和适用于底质分类的图像信息融合方法，并结合实验进行了方法验证和分析。本书研究工作的主要内容体现在以下方面。

（1）改进了面向底质分类的多源声学图像预处理方法。从多源声学图像的形成原理出发，讨论了融合多源声学图像信息进行底质分类的可行性，并通过改进侧扫声呐和浅地层剖面声呐图像预处理方法为底质分类提供条件。

（2）研究了多源声学图像的特征信息提取方法。分别从定性和定量角度分析了不同水下底质在水下地貌、地形和浅地层剖面图像中的特征，并给出了部分特征的定量提取方法；分析了具有代表性的36种水下地貌图像特征量、11种水下地形特征量和12种水下浅层剖面图像特征量。为了降低通过经验选取的特征量之间的冗余性，提出了基于相关性聚类的特征筛选方法；为了提高所选特征量对底质分类的有效性，又提出了最大相关最小冗余算法（mRMR）与粒子群优化算法（Particle Swarm Optimization,PSO）的特征选择方法。通过上述过程提取的特征量既可作为底质分类的依据，又可作为多源声学图像信息特征级融合的研究对象。

（3）研究了多源声学图像的分类信息提取方法。基于面向对象的分类思想，对于水下地貌和地形图像，依次采用多尺度分割方法，结合mRMR与PSO算法的特征选择方法，以及包括K-近邻、朴素贝叶斯、决策树、支持向量机和随机森林5种常用的监督分类算法进行了底质分类研究；根据水下浅层剖面图像仅描述水底表层底质一维分布的特点，提出了一种面向对象的、基于滑动窗口的浅层剖面图像监督分类方法。实验结果表明，不同分类算法对不同底质类型的分类效果各有优劣；地貌数据更适合对砾石、粗砂、细砂和泥等底质进行分类，地形数据更适合对礁石和沙波的分类；基于滑动窗口的浅层剖面图像监督分类方法可有效分辨黏土、粉砂、卵石、基岩等底质在浅层剖面图像中的水平分布，总体分类精度高于90.83%。通过上述过程得到的分类信息既可单独应用，又可作为多源声学图像信息决策级融合的研究对象。

（4）在上述研究的基础上，进一步探索了多源声学图像信息融合的综合模型和融合方法。其中，综合模型结合了信息融合的混合模型（OB）、基于主题（THB）和基于空间特征、面向应用的（SFBAO）浅层声学数据集成与融合模型，以及面向底质分类的特征级与决策级融合模型，形成从宏观到微观的技术框架；融合方法采用了融合多源声学图像特征信息的特征级融合方法，以及融合多源声学图像分类信息的决策级融合方法，围绕后者提出了基于Dempster—Shafer证据推理的多源声学图像决策级融合方法，并讨论了证据融合顺序设计、基本信度分配函数构建、证据合成规则选取和决策规则选取的方法。最后，对本书介绍的底质分类方法进行了综合比较，结果表明特征级融合与决策级融合可提高基于单一数据源的底质分类精度，在分类数据的输入顺序和数量设定合理的情况下，决策级融合可在总体精度上超过特征级融合。在对特定底质类型的分类精度方面，特征级和决策级融合的结果又具有较好的互补性。

本书获得“十三五”国家重点研发计划课题“不同类型区水库和湖泊淤积调查分析与基础数据库（2017YFC0405201）”、中国水利水电科学研究院科技成果转化基金“水库泥沙淤积与调控技术成果集成与转化（SE1003A012017）”资助，并入选“遥感青年科技人才创新资助计划”。

鉴于笔者水平有限，书中错误和不足在所难免，欢迎读者朋友不吝指正，不胜感谢！

著者
2020年1月