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

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
8 l  C4 q, a- j$ v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
4 i5 P0 d  Z1 z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
; O) u, t" X6 b. C/ {6 v2 W% [' g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。
0 `9 _* ^% E# R1 f% q" {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
8 Y* i. m  l% i! ^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
* w3 e' V) ?6 ^- n0 X) S) i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
$ H' F( S; p& q* Q! k/ U9 F6 r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；
8 S. W" f4 |: q! \, C4 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，
: h7 f$ l$ c5 `5 a7 t4 o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
$ i; K' Y  t; V, o6 }" |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
. o5 y2 N: |* G$ |, W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
5 L& z3 f1 T. s- W声呐图像，且提高了分割精度。
- c5 y6 i6 i( e% r5 p7 |. s$ |