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

0 ~" D3 U8 W: P2 z- }; A1 ^- w  K0 q2 i* `
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
) e/ C- s+ r* Q" J( @/ |! P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5 G7 E7 ^& k& x* ?" o$ W8 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
+ n1 l: }2 Z' 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
! Q5 B# u' q) k, u) {4 K3 d3 E& 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
8 K8 U" s! W) `8 p3 x6 m分割。) ~; A) u6 o" V4 Z% k9 a! _5 E
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& ^- s. h+ ]! 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
, }; O* q$ ]1 ?9 g: Q$ T/ o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
2 X: O2 r, I  i% o1 @7 S- z- M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
6 _3 \4 G& O, x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; n" B5 ]  K! D, B
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
2 }: v5 ~0 E; E( u; s2 y3 l+ a. y有效抑制了噪声。4 o9 @, q6 V6 \+ {8 Z
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( P$ g( }8 ^. G( v" a1 `
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: Y  {: d8 G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，+ ?7 ~! c0 a! z& d, l5 D. V) r  A
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9 p1 u/ |0 A2 [1 u% a4 C
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
2 F& u2 h1 T6 d8 C) X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
4 u# {7 f# f6 s- L) OI内蒙古大学硕士学位论文2 `& l' ?  o" ~; O
声呐图像，且提高了分割精度。1 }/ x6 ?& [6 O# P; Y
- ^: b7 n: X$ Z

1 G6 k) y9 z; h  ^' b( t

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