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
9 ?( D# v3 z# s( G: O" M2 F' h5 X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
  l/ C- |" x. F$ w3 u9 g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
6 z2 V9 d: \  o4 L1 L8 g. Y$ Z. w分割。
: V: Q  T$ \3 g" \/ m- Y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
  W2 ~- l+ _/ O* }5 q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
3 k% o$ z& j; p7 t+ x) R- |8 j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
' L* n; `+ u. U3 M* m) {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
  S; U7 ]1 Z2 J$ N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
+ z9 K' v) Z  }1 B; X# Z; C8 v有效抑制了噪声。
5 k  G$ w3 X: }$ _, X7 r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
* H4 f! n9 M; z: ^* M" A6 u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，
! D& b# }! r( @4 n- r; @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
* [) K8 b! \# d! AI内蒙古大学硕士学位论文
声呐图像，且提高了分割精度。
& A$ X5 ?8 G2 P- Z; h( p