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

& s4 x7 H3 S! J, \8 O2 O  @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
& k7 l: e4 l5 D1 F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
9 [( `+ i* r  D0 b- @2 ^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
* t/ ]8 s. _( a( K; e2 x9 e: M分割。
' L. I- E( `# ^9 o2 ?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
+ V- g! P7 s, W$ k. x+ u! b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
  [# T' y/ Z" N; T" S3 |( c7 u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
. N3 |8 c# ], G7 l/ R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。
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；
) n( p& b& D5 P, N! x6 s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
% p+ w% W; k5 [  Q% N+ M! L% jFCM 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
6 t- B7 V- |/ i1 V3 P0 B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。
3 q4 W( A3 V6 W1 S" q& `