-
题名基于支持向量机算法的含油沉积物识别研究
- 1
-
-
作者
李新放
曹金凤
李建伟
崔菁菁
苏天赟
-
机构
自然资源部第一海洋研究所海洋数据与信息中心
空天地海一体化大数据应用技术国家工程实验室
青岛理工大学机械与汽车工程学院
中海油能源发展股份有限公司安全环保分公司
-
出处
《海洋科学进展》
北大核心
2025年第3期636-650,共15页
-
基金
山东省自然科学基金大科学装置预研项目(DKXZZ202206)。
-
文摘
侧扫声呐图像是含油沉积物识别的主要数据源,通过分析含油沉积物在声呐图像的回波特征,基于特征进行分类和定位,从而识别油污染区域。图像特征的选择、提取和分类是此类算法的关键。本文基于高频侧扫声呐图像和专家标记信息,对图像的统计特征、频谱特征和灰度特征等进行分析,构建图像特征向量库,然后利用不同特征组合,采用支持向量机算法构建含油沉积物识别模型,并分析对比不同特征向量组合下的算法精度。实验结果表明基于灰度特征的SVM(Support Vector Machine)算法能够识别图像中含油沉积物正确率在88%以上,本文提出的算法在含油沉积物识别中具有较高的准确率及实用性,为海洋溢油应急提供有效的数据服务和决策支持。
-
关键词
支持向量机
含油沉积物
声呐图像
特征组合
-
Keywords
Support Vector Machine(SVM)
oil-bearing sediment
sonar images
feature combination
-
分类号
X55
[环境科学与工程—环境工程]
-
