La clasificación del sustrato marino basada en la tecnología ALB (Batimetría LiDAR Aerotransportada) puede proporcionar datos básicos para el desarrollo de recursos marinos en aguas poco profundas, la protección del medio ambiente marino y la construcción de ingeniería marina, y es de gran importancia para las actividades marítimas y la investigación científica marina. Para abordar el problema de la redundancia de características en la clasificación del sustrato marino ALB, este artículo propone un algoritmo de clasificación del sustrato que considera la selección óptima de características de forma de onda y topográficas. Basado en la extracción de características de forma de onda y topográficas, se construyó un modelo de selección de características Relief-F que, al calcular la contribución de cada característica en la clasificación del sustrato, realiza una selección múltiple de características; luego, utilizando tres clasificadores supervisados: Bosque Aleatorio RF (Random Forest), Máquina de Vectores de Soporte SVM (Support Vector Machine) y Red Neuronal BPNN (Back Propagation Neural Network), se realiza la clasificación para extraer cinco tipos de sustrato: arrecifes de coral, grava, arena, vegetación y zona costera. Para verificar la efectividad del método de clasificación propuesto, se realizaron experimentos utilizando datos ALB medidos en la isla Ganquan del archipiélago de Xisha, los resultados muestran que después de la selección de características utilizando el algoritmo Relief-F, la precisión de clasificación de RF, SVM y BPNN aumentó en un 1,1%, 1,1% y 2,7% respectivamente; entre ellos, la clasificación con Bosque Aleatorio presenta una mayor precisión, con una precisión general OA (Overall Accuracy) y coeficiente Kappa de 95,36% y 0,94 respectivamente. Los resultados de este estudio pueden proporcionar un soporte técnico efectivo para las necesidades de clasificación del sustrato marino en campos como la ingeniería marina.

LiDAR aerotransportado; clasificación del sustrato; características de forma de onda; características topográficas; modelo de selección de características Relief-F; procesamiento de imágenes; océano