数学建模社区-数学中国

标题: 基于平稳小波变换的声呐 图像 增强与分割方法研究 [打印本页]
作者: 杨利霞    时间: 2020-11-13 15:58
标题: 基于平稳小波变换的声呐 图像 增强与分割方法研究
基于平稳小波变换的声呐 图像  增强与分割方法研究

# z, w. x3 J' I0 H: [2 l8 l0 K/ }6 n0 {
水下目标声呐图像的识别为海洋勘探提供了强有力支撑，声呐图像分割是
; K- F* @( \& k  w' j( q  K5 j目标识别过程中的重要环节。由于声呐图像对比度差，目标区域不易从复杂的6 k) ?2 |  W3 N# W3 M
背景区域中分离出来，因此在分割之前，需对声呐图像进行增强处理，用以凸
9 ~9 a- y. }( V- X( |8 {  a显目标区域并抑制背景区域。平稳小波变换具有多分辨率分析特性和平移不变: X$ `$ P, k5 ^' I$ D. [2 O- m
性，在处理图像时有明显优势，本文基于平稳小波变换对声呐图像进行增强与- A7 G7 J) }/ v) G7 s8 a5 ?
分割。
6 G2 s  p  U$ N在声呐图像增强部分，本文将平稳小波变换和非线性增强方法相结合。首
) v  f" B8 z; W1 V* F先对声呐图像进行平稳小波变换，得到低频子带图像和高频子带图像；然后用& S: W8 A3 P3 X3 @( R1 R( J5 n
改进的伽玛函数对低频子带图像进行非线性增强；又根据各高频子带图像的特/ q/ z! b* z8 T' ?5 i$ v
点，利用反正切函数分别对其进行针对性的非线性增强；最后通过平稳小波逆: o7 l. B$ U9 P+ A1 M0 B. v, N
变换得到增强后的声呐图像。实验结果表明，本文增强方法的综合性能优于经
& f* z- [  @$ z3 n8 \4 r典的灰度线性变换法、UM 法、HE 法、CLAHE 法，在增强图像对比度的同时6 V6 x7 E2 Z2 ^7 C; z8 s* O
有效抑制了噪声。
" X% d; V: L3 \6 A2 \- R在声呐图像分割部分，本文结合平稳小波变换和模糊 C 均值（FCM）聚类
8 I" v( |9 G( t# P: T6 p法对增强后的声呐图像进行分割。首先对增强后的声呐图像进行平稳小波变换；
. A. }6 q3 q; B然后在平稳小波域中，根据低频子带图像的灰度特性获取初始类中心；最后，; B7 a7 [2 f  i0 z) ^0 g
添加邻域信息重新定义 FCM 聚类法的目标函数，利用初始类中心以及改进的# \/ R' O: {- f7 ^
FCM 聚类法对增强后的声呐图像进行分割。实验结果表明，本文分割方法的综
* i3 g5 t4 F1 I, C合性能优于传统的 Otsu 双阈值法、最大熵双阈值法、FCM 聚类法，能有效分割
" _* I( Q; C4 ~, i9 uI内蒙古大学硕士学位论文
# h4 @. f( `5 R  y6 _( ^- g- Z, i声呐图像，且提高了分割精度。6 V1 b0 F1 N- b0 {$ o
/ L) K- P* I4 B" J; B( \  u

" P  x0 h2 k8 O  d/ J: D0 H9 R

基于平稳小波变换的声呐 图像 增强与分割方法研究.pdf

4.44 MB, 下载次数: 2, 下载积分: 体力 -2 点



欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5