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
% S! ^* k1 J1 w7 F* s3 k0 V/ \1 W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
( k6 W- ~  X% K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
+ m; i, Y, e1 P6 A. S! L; D0 E分割。
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
; S5 N* u, e( O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
: \7 t4 B& |/ q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
7 _/ W# N% z' \* Q3 t+ y- F3 }3 _4 w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
2 E, Z* c- v6 g' e/ e: K) V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；
+ N0 U+ p6 x: D& ~% x/ @* g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，
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
' E# l7 O+ W9 M+ ?( P7 @, y. x2 K# @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。
9 N1 i0 K8 e" ]3 n: Z7 O2 j( X

. c  M) F9 D0 K0 ^* q