多特征融合的复杂环境海洋涡旋识别

目的 海洋涡旋识别研究已成为物理海洋领域的研究热点之一。传统的海洋涡旋识别算法多是基于物理参数法、流场几何特征法以及两种方法的混合，通过设置统一的阈值对海洋涡旋进行识别。在特定环境的海域中，传统算法的识别效果较好。但引起海洋涡旋生成的环境复杂多变且具有快速运动的特性，导致其具有快速连续变化的特点，依赖专家经验进行单一阈值设置的方法存在显著的主观性和不确定性，通常会导致海洋涡旋的漏判和错判，缺乏通用性。针对以上问题，为构建具有泛化能力的海洋涡旋自动识别方法，兼顾考虑海洋涡旋的全局和局部特征，提出一种复杂环境下海洋涡旋多特征融合识别方法。方法 首先通过数据预处理对数据集进行扩充；其次提取海洋涡旋的纹理特征（GLCM）、傅里叶描述子（FD）和Harris角点特征；接着将提取的GLCM特征进行均值化，并通过主成分分析法（PCA）对FD描述子和Harris角点特征进行降维；然后将处理后的特征向量进行串行融合；最后通过分类器完成对海洋涡旋的识别。结果 实验结果表明，提出的多特征融合方法的识别率高于单一特征方法的识别率，采用DT分类算法的识别精度最高，达86.904 5%；本文方法中采用PCA降维能有效提高识别精度，FD特征经PCA降维后，识别精度从83.906 0%提高到86.904 5%，Harris特征经PCA降维后，识别精度从84.009 7%提高到85.354 7%；且对于形态多样的海洋涡旋具有良好的鲁棒性。结论 本文融合了基于SAR影像海洋涡旋的3种特征信息，包括GLCM、FD和Harris角点特征，有效克服了阈值选取以及单一特征的不足，提高了基于SAR影像海洋涡旋的识别率，本文方法适用于复杂环境下的海洋涡旋识别。

Ocean eddy recognition based on multi-feature fusion in complex environment