冰山識(shí)別對(duì)于海洋環(huán)境監(jiān)測(cè)和船只安全運(yùn)行等具有重要的意義,是北極航道開通和北極開發(fā)過(guò)程中的重要內(nèi)容。采用合成孔徑雷達(dá)(SAR)影像進(jìn)行冰山識(shí)別具有獨(dú)特的優(yōu)勢(shì),多種機(jī)器學(xué)習(xí)算法均可用于SAR影像的冰山識(shí)別中。為了最大限度地發(fā)揮機(jī)器學(xué)習(xí)算法的性能,有必要對(duì)不同機(jī)器學(xué)習(xí)算法及其搭配使用的特征與特征標(biāo)準(zhǔn)化方法進(jìn)行評(píng)估,從而進(jìn)行最優(yōu)冰山識(shí)別方法的選擇。因此,本文基于Sentinel-1A SAR影像,采用多種機(jī)器學(xué)習(xí)方法、多種特征組合及多種特征標(biāo)準(zhǔn)化方法進(jìn)行冰山識(shí)別,并比較各流程方法的識(shí)別性能差異。采用的機(jī)器學(xué)習(xí)算法包括貝葉斯分類器(Bayes)、反向神經(jīng)網(wǎng)絡(luò)(BPNN)、線性判別分析(LDA)、隨機(jī)森林(RF)以及支持向量機(jī)(SVM);特征標(biāo)準(zhǔn)化方法包括Min-max標(biāo)準(zhǔn)化、Z-score標(biāo)準(zhǔn)化及l(fā)og函數(shù)標(biāo)準(zhǔn)化;數(shù)據(jù)集是含有12個(gè)SAR影像特征的969個(gè)冰山與非冰山樣本,樣本主要位于格陵蘭島東海岸。分類效果采用接收者操作特性(ROC)曲線下的面積(AUC)進(jìn)行衡量。結(jié)果顯示,最佳搭配下的RF的AUC值最高,達(dá)到了0.945,比最差的Bayes高出0.09。從識(shí)別率上來(lái)看,RF在冰山查全率為80...

【文章頁(yè)數(shù)】：13 頁(yè)

【文章目錄】：
1 數(shù)據(jù)和方法
    1.1 冰山數(shù)據(jù)集
        (1) 影像分割:
        (2) 自適應(yīng)閾值分類:
        (3) 對(duì)象融合:
        (4) 正負(fù)樣本選取:
    1.2 方法
        1.2.1 特征預(yù)處理
            (1) Min-max標(biāo)準(zhǔn)化。
            (2) Z-score標(biāo)準(zhǔn)化。
            (3) log函數(shù)標(biāo)準(zhǔn)化。
        1.2.2 機(jī)器學(xué)習(xí)算法
        1.2.3 交叉驗(yàn)證
        1.2.4 精度驗(yàn)證
2 結(jié)果與討論
    2.1 特征標(biāo)準(zhǔn)化方式比較
    2.2 分類器比較
    2.3 特征重要性比較
3 結(jié) 論



本文編號(hào)：3937173