A classificação do substrato marinho baseada na tecnologia ALB (Bathymetria LiDAR Aerotransportada) pode fornecer dados básicos para o desenvolvimento de recursos marinhos em águas rasas, proteção do ambiente marinho e construção de engenharia marinha, tendo grande importância para as atividades marítimas e a pesquisa científica marinha. Para enfrentar o problema de redundância de características na classificação do substrato marinho ALB, este artigo propõe um algoritmo de classificação do substrato que considera a seleção preferencial de características de forma de onda e topográficas. Com base na extração de características de forma de onda e topográficas, foi construído um modelo de seleção de características Relief-F, que, calculando a contribuição de cada característica na classificação do substrato, realiza uma seleção múltipla de características; em seguida, utilizando três classificadores supervisionados: Random Forest (RF), Máquina de Vetores de Suporte (SVM) e Rede Neural Back Propagation (BPNN), realiza-se a classificação para extrair cinco tipos de substrato: recifes de corais, cascalho, areia, vegetação e zona costeira. Para validar a eficácia do método de classificação proposto, foram realizados experimentos com dados ALB medidos na Ilha Ganquan, no arquipélago de Xisha, e os resultados mostraram que, após a seleção de características utilizando o algoritmo Relief-F, a precisão da classificação do RF, SVM e BPNN aumentou em 1,1%, 1,1% e 2,7%, respectivamente; dentre eles, a classificação com Random Forest apresentou maior precisão, alcançando uma precisão geral OA (Overall Accuracy) e índice Kappa de 95,36% e 0,94, respectivamente. Os resultados deste estudo podem fornecer suporte técnico eficaz para as necessidades de classificação do substrato marinho em áreas como engenharia marinha.

LiDAR aerotransportado; classificação do substrato; características de forma de onda; características topográficas; modelo de seleção de características Relief-F; processamento de imagens; oceano