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

+ v8 O) {( I% ^! M' X9 r
5 `. e& d( t4 o0 Q. d: a" A( h. h) C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
1 b% y. Q7 e& H& s4 s, B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# b9 N1 f3 U# S/ N6 m- E  n/ h6 Q
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
0 }8 r* D% u; Z8 Y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/ H3 ]5 ~9 @$ R) l
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
1 D, U6 s6 R8 k( O分割。
; D  Q7 s: u- x* |  M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4 d* i& Y' H* X3 k+ y8 h
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; G; ^! S6 C6 b' w2 x, p  J
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
9 O* Y# B/ \3 j) ]5 Q1 Y) |3 F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
, ^$ ?! Q+ q$ o6 E8 Y4 V5 u: u( G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( C5 \* k9 t/ Q- d
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
; G% {: @* B8 Z; M( i有效抑制了噪声。0 \" d' o1 j9 X8 C0 `
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' o' e9 _( \; ^* V* T$ U
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；: E* x  C: j& b0 e
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，, x) q% ^  B2 Y% y) [) {" k
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' H+ _6 T' e6 l
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  c! f8 ~9 W& k  i* I3 Y: a1 g
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
, r7 s! p, o& y+ bI内蒙古大学硕士学位论文
- B2 i/ z' x* ?, f声呐图像，且提高了分割精度。. ]: V# ?6 ?6 x: s
- P' ~% [% [" Z' c, f
4 ~  n3 C) J6 U. ~' v

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