基于平稳小波变换的声呐 图像 增强与分割方法研究

杨利霞

基于平稳小波变换的声呐 图像  增强与分割方法研究

& Q* C3 u/ x+ N  S
' ~+ k9 {+ H5 N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
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
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
$ V2 c7 i& Q5 o9 z6 e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
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
分割。
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
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
) [9 y# h. j. A% ^3 ]: z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
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
9 [) n  \, V* w5 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
1 ]. j" m; i! g. d9 r2 T; }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
! m5 [" M: W( a有效抑制了噪声。
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
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；
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，
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
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
+ U) q9 e1 _4 w. p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
$ }9 }/ i( @, q+ ]" h4 e; X" aI内蒙古大学硕士学位论文
声呐图像，且提高了分割精度。
" r& o, W5 j3 Y8 ?

9 P- e5 C+ Z1 O# M) f