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

; T$ c& T' k- S! U" s$ y1 q
0 k. ]' s% \5 B; y7 w1 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
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
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。
0 o# }( r/ d1 J0 T/ Q) j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
( U4 t+ P# L6 r7 c4 {5 |7 m' ~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
/ x4 D7 U6 q; v* x  `7 X8 n2 r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
) O2 S1 g( j, N* j, l2 A$ |! A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
! N- ^9 B$ y# c! L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。
6 Y% e7 c4 Y: F3 C; R) c: `' D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
& N; L7 e; K5 n# }: K4 b; W) S' q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；
% H# o% T/ E3 o) C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
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
3 Z! W$ Y  M  p( D  P9 f" W1 ~I内蒙古大学硕士学位论文
" _( V/ C3 h( M2 H7 s5 p+ W声呐图像，且提高了分割精度。

5 l* k. Q2 F! S9 T! ?. @4 @
3 x+ Y8 k0 |* n) u% j- G