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
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
; p; e) \3 T% a! L$ E, C* S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
分割。
; n9 b* _" @  y: Y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
6 \' w" X7 k7 _3 Y  A$ j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
3 F6 Z0 R  ]. M8 X$ Q/ V) D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
& C  T' W: D' ~3 u# b6 L0 Z  S3 _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
6 J: Q( T0 O4 W9 q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
7 e: g+ I7 ]0 N. |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
" }; p; P" j+ H$ v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；
7 K5 r) K" g$ d1 `( t, }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，
% ]0 ]  j" y* l1 d3 Y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
" {8 x0 J, n1 }% \( QI内蒙古大学硕士学位论文
9 [: T: q) p7 \/ X5 v- a声呐图像，且提高了分割精度。

1 o6 \/ J" G( P# F
6 [, J3 d& W! a) c4 w