下载掌阅APP，畅读海量书库
立即打开
融合多源声学图像信息的水下底质分类已成为被普遍认可并广泛应用的方法，但目前仍以人工综合利用为主。虽然对自动或半自动分类方法的需求日趋迫切，但根据上述文献可知，实现多源声学图像信息的融合并用于水下底质自动分类还存在以下问题。
（1）多源声学图像的特征信息提取缺乏理论指导。多源声学图像具有多源、多维、异构特性，特征提取是实现多源声学图像信息融合的前提，但目前对多源声学图像特征的提取存在主观性，从图像中提取的特征过少、过多或无效都将降低底质分类的精度。如何从多源声学图像特征中筛选出有效的特征子集仍缺乏方法和理论指导。
（2）基于多源声学图像的底质分类信息提取缺少适用于大范围、复杂底质分布区的有效方法。根据上文文献可知，现有的底质分类方法对于大范围、复杂底质分布区的分类精度低，泛化能力弱，一方面是由特征选择方法不合理导致的；另一方面是由于现有特征提取和分类算法大多是基于像素的或仅适合于形状规则的局部图像。基于像素的分类无法充分利用图像纹理信息，而若对图像做规则分割将导致对底质分布的空间划分不准确，降低分类精度。
（3）面向底质分类的多源声学图像信息融合缺少有效方法和理论框架。多源声学图像信息融合虽然被认为是提高底质分类精度的可行途径，但是数据级融合无法直接达到提高分类精度的目的，而特征级和决策级融合的有关研究较少，行之有效的方法和理论框架有待进一步探索。