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

' _) D6 N/ G+ z8 p6 A. N- m1 o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
4 A9 y9 p' T2 M. l! c0 {1 @' o- |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
5 q; e3 ~3 i- O6 @! i- H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
  n* t% [) B5 j9 f3 d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
, Y1 s! g& K; X" n' O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
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
- V, Z; M" U# b; E0 S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
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
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 ~5 M7 K. C: Y) i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
+ \4 `3 C* _9 L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；
2 w, J, e+ j8 s" X+ F% r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
, K3 F7 r: V5 Q3 n" tFCM 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
/ ]3 @1 h) b% z; t& @4 V- t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
1 ~" |3 }8 r) _9 H5 \: f/ Q2 SI内蒙古大学硕士学位论文
声呐图像，且提高了分割精度。
0 e, H. T9 v8 U