COMPARISON OF AUTOMATIC AND SEMI-AUTOMATIC METHODS FOR CLASSIFICATION OF SIDE SCAN SONAR IMAGERY

Abstract

ABSTRACT. The main scope of this paper is the analysis of seafloor classification using acoustic remote sensing data. These data were acquired in a hydroacoustic survey of bathymetry and sonography using an interferometric swath bathymetry system. The study area is a sector of the internal northeast Brazilian shelf adjacent to the Ponta Negra beach - Natal (RN). The objective of the work is to identify and draw the different textural patterns, which characterize the seafloor of the study area. In addition, two approaches for textural classification of sonograms were compared and evaluated, which were: Automatic Gray Level Co-occurrence Matrix (GLCM) classification available in SonarWiz software; and the semi-automatic Maximum Likelihood, available in ArcGIS software. The comparison tested the capacity for identifying and drawing the textural patterns distribution. The automated classification identified 4 patterns while on the semi-automated 5 patterns were identified. It was made the correlation between the textural patterns found in each classification, besides the correlation between textural patterns and the levels of intensity of reflectance presents on the sonogram.

Keywords: sonography, textural classification, textural patterns, hydroacoustic.

RESUMO. Este trabalho foi realizado a partir da análise de dados geofísicos adquiridos em levantamento hidroacústico de batimetria e sonografia utilizando um sonar interferométrico EdgeTech 4600. A área de estudo é uma porção da plataforma interna do nordeste brasileiro adjacente Natal (RN). O objetivo deste trabalho é identificar e delimitar os diferentes padrões texturais que caracterizam o substrato marinho da área de estudo. Adicionalmente, são avaliadas e comparadas duas abordagens distintas de classificação textural de sonogramas, sendo elas: a classificação automática GLCM disponível no software SonarWiz, e a classificação semi-automática máxima verossimilhança (Maximum Likelihood) disponível no software ArcGIS. A comparação foi realizada com base na capacidade de identificação e delimitação da distribuição dos padrões texturais. A utilização da classificação automática identificou 4 padrões, enquanto que, na classificação semi-automática 6 padrões foram identificados. Foi feita a correlação entre os padrões texturais encontrados em cada classificação, além da correlação entre os padrões texturais e os níveis de intensidade de reflectância presente no sonograma.

Palavras-chave: sonografia, classificação textural, padrões de textura, hidroacústica.