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

4 L: D* F( Y- y: v- M* l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 `7 M( N% N) y6 w! I# o$ [$ c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
* t3 C- f* J- E- }6 e( s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
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。
3 b- A5 e7 d4 v+ M; ^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
& Z& M* W: i; C2 z4 [2 R! A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
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
9 @# v4 |- G/ x. l- _$ T, ]( C" r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
7 n( |& @0 [1 x$ Y, N6 N4 P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，
3 D; T) Y$ w3 b( k+ F8 `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
& Z* f4 K; o7 X- S8 o5 y( uFCM 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
# I- P- ^7 W9 W8 k3 J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
% W) g3 b! l3 u( b9 T  a6 n& EI内蒙古大学硕士学位论文
声呐图像，且提高了分割精度。
$ S( ~' l- P  R, e5 s
0 ?2 B& @" Z5 Z/ e5 |9 \8 p
; L$ T# y. H0 h) Y) k! [, w