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

& J8 H6 g! E; @
# v* `8 I2 V7 i3 J4 D, 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
' O/ F$ ~, p5 Z% U" 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
+ ]) H1 @6 A$ X' c6 F5 s; X7 {. R% t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
1 j9 l  }6 G- P* W. h: w分割。
; `, c( G9 [' z4 y0 R3 a$ w( ~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
/ f2 b- ]& y* K, ]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
) M8 q- i  p" ~* e4 d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
有效抑制了噪声。
  _4 V7 Z! b1 X2 o( ]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；
/ \; L/ @/ @4 k; i  k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，
2 u' J2 y& E* N- D7 }2 ~5 \) }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
. d# X4 l# @0 D! H  b) Q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
* G. K& S' ?" H( G& T# s  JI内蒙古大学硕士学位论文
声呐图像，且提高了分割精度。


, a$ I) I5 J) P9 ~' \