航空機搭載LiDAR深度測定ALB（Airborne LiDAR Bathymetry）技術に基づく海底底質分類は、浅海域の海洋資源開発利用、海洋環境保護、海洋工事建設などに基礎データを提供でき、海洋活動および海洋科学研究に重要な意義を持つ。ALB海底底質分類に存在する特徴冗長問題に対して、本稿では波形および地形特徴の優先選択を考慮した底質分類アルゴリズムを提案する。波形および地形特徴を抽出した上で、Relief-F特徴優先選択モデルを構築し、各特徴の底質分類への寄与率を計算し、多変量特徴の優先選択を実現する；次に、ランダムフォレスト（RF）、サポートベクターマシン（SVM）、BPニューラルネットワーク（BPNN）の3種の分類器を用いて教師あり分類を行い、サンゴ礁、礫、砂、植生、海岸帯の5種類の底質を抽出する。提案分類法の有効性を検証するため、西沙群島甘泉島の実測ALBデータを用いて実験を行い、結果はRelief-Fアルゴリズムによる特徴優先選択後、RF、SVMおよびBPNNの分類精度がそれぞれ1.1％、1.1％、2.7％向上したことを示した；その中でもランダムフォレストによる底質分類はより高い分類精度を持ち、全体の分類精度OA（Overall Accuracy）とカッパ係数はそれぞれ95.36％および0.94に達した。本研究成果は海洋工学などの分野における海底底質分類の要求に対して有効な技術支援を提供できる。

航空機搭載LiDAR深度測定;底質分類;波形特徴;地形特徴;Relief-F特徴選択モデル;画像処理;海洋