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
: i2 f; U) j M3 C- `! p
8 M7 e8 U: {: W% D9 K- p! I, Q+ y- ?
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
9 b; K+ x. C+ t3 j# l- T6 Z
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
/ K% z* O7 |4 z, R7 ~7 Y' a+ p
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
1 c. }, y2 G! j5 {" z
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
. ^0 c" c. i% v7 P
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
9 T- i% R3 u' `4 ~" D+ K4 n' M: ]
分割。
) R" K6 w) o" b1 c$ x& x, d1 `
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
5 b. q! j1 B9 x9 z: J
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
3 R' s$ [; @* ]: L9 E
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 ?# a2 B4 @2 E6 m; W
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
4 ?( T5 b. k2 e+ t6 {( z! C U
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
3 u" I; H1 B6 d8 F& L* ?: ?
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
/ M3 c' a! I4 s3 R. @5 h8 Z0 H6 k; N
有效抑制了噪声。
, n( }) Y; B$ R) u" n
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
0 H3 q. e2 m+ X6 t
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；
* ^0 E5 X2 J/ ^) B8 k# d
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，
3 j# s! x; U5 K @$ W7 l4 f8 z
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
' c9 T4 f( B# e
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
: S) {2 N) }) m8 D
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
( p+ h2 s: Z! p6 L z9 ?; f
I内蒙古大学硕士学位论文
% L# w3 j+ _, A* j8 V2 K
声呐图像，且提高了分割精度。
2 J/ P% V/ w( c. c! m: q
, H- a/ h2 a" q; C
' ?8 _- P1 m$ n
基于平稳小波变换的声呐 图像 增强与分割方法研究.pdf
2020-11-13 15:55 上传
点击文件名下载附件
下载积分: 体力 -2 点
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
