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

! i) [2 C. @4 }. q9 q. m* U
; o# y5 B: Y3 y& r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
3 n! U, m* y6 m9 G% }0 t: T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
8 a, z" W+ m) ]( |( N  A/ K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
% L+ v/ u( T1 l" O. v( h分割。
6 J, Z' T' P& h( o% t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
/ U- L6 q' A' k" U$ T- 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
  x, L" w/ N! G3 ^/ w2 g5 K7 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
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
4 \( S+ r9 f: G, r! x, E+ 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
) f) S" h+ @0 s, j2 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
1 l4 `# y4 F; e, u: }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，
/ ?6 x+ O4 m8 h  T4 O8 N1 @( M; H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
. Q6 l- M5 @0 k. g' f) R0 o+ m) _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
% e) B* H: ~0 Q/ c8 {+ nI内蒙古大学硕士学位论文
0 v& T9 k" K# w. Q声呐图像，且提高了分割精度。

" O$ B, W; w% K& ~5 i
1 U5 R. n; S4 Q* F" q6 x0 B% ~+ k