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

& j) R2 e% R2 |/ ?( x2 f0 z
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
. C5 |: r( h' ^" k2 S" ^6 T# d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
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
/ e% e3 J3 F0 [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
# t9 x( n5 E! Y9 _+ J分割。
+ j+ U+ V1 T) i. s/ {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
. Q/ {- x7 q7 X* d0 N5 Y6 n: m5 W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
: q7 a# t4 [( u# m& R: ?$ o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
$ l; z( `7 F" n1 K, [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
有效抑制了噪声。
3 i' v1 N9 [) u' {; `6 _: }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
. T3 n) B( y! E6 j- u- b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，
' i) p/ x% f# ^! ?" E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- X( E3 g0 \! |; g& ]; ?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
声呐图像，且提高了分割精度。
& ?, v2 _- Q5 ~; o) ^
# b& @; M+ Q- M# q
" ]" n4 w1 j% |# ~