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

+ H: S3 }. i/ S8 ~) t' `
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
2 _3 A- p  b5 p$ N! g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
  h) t4 D5 W5 k% x7 B2 P8 F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
; i) p& @7 t: Y; Y2 S+ c# e0 o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
- o" J' E$ X6 k4 r. g2 D8 c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
1 T7 P0 S! _# ?; L5 h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$ J0 N0 B: p5 N6 v2 P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
% U) O  X( z, z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
9 P  q4 t0 `; N* V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
% i2 `, t5 |/ E; H2 I) \. S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，
$ W% ~: s" B+ I: 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
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
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
I内蒙古大学硕士学位论文
" C; n% Z. s5 Y+ V: l声呐图像，且提高了分割精度。
! T3 }& L0 c7 V# P  f0 ]

! ^7 d" Y( T( @2 w& M/ W" N2 n% C