利用多通道加权投票的机载绿激光海陆波形分类
摘要
为解决复杂海陆环境下机载绿激光海陆波形分类精度低的问题，本文提出了一种利用多通道加权投票的绿激光海陆波形分类方法，即多通道加权投票卷积神经网络（MWV-CNN）。首先，将绿激光深水和浅水通道采集的多通道波形经一个多通道输入模块分别输入到本文搭建的一维卷积神经网络（1D CNN）模块中；然后，各1D CNN模块对每个通道波形分别进行处理，获得各通道波形属于海洋和陆地类别的预测得分；最后，将各通道预测得分视为权值，利用一个多通道融合模块进行加权投票，确定波形最终类别。采用Optech CZMIL对中国连云港市沿海水域的实测数据进行实验验证，结果表明，MWV-CNN的总体分类精度、Kappa系数和总体精度标准差分别为99.45%、0.982和0.02%。与传统绿激光海陆波形分类方法相比，本文方法具有更好的分类精度和鲁棒性，为实现机载绿激光高精度海陆波形分类提供了一种新的有效途径。
引用本文（GB/T 7714）
赵兴磊 Zhao Xinglei, 梁刚 Liang Gang, 赵建虎 Zhao Jianhu, 等. 利用多通道加权投票的机载绿激光海陆波形分类[J]. Laser & Optoelectronics Progress, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。