基于变分法的声呐图像滤波与分割

发布时间：2023-04-25 01:14

　　准确、快速的声呐图像分割方法符合海洋开发和军事发展的需求。声呐图像分割的目的是在尽量不损失图像信息的前提下,以一定的规则将像素点分类,把声呐图像,分化成有价值的区域。因为成像的特别性,导致图像普遍质量不高,单一尺度的声呐图像分割方法往往存在多方面的不足。声呐图像分割的方法了研究和发展十几年,众多数学理论和应用方法相继应用于声呐图像分割。在声呐图像分割的众多方法中,变分法由于建模过程比较容易、方法的扩展性较好、实现过程简单,应用十分广泛。变分法在声呐图像分割的应用领域与发展仍然具有较大的科研与应用价值。滤波是声呐图像分割的前提,分割是声呐图像处理中的关键一步,滤波的结果对声呐图像的分割的结果影响极大,因为分割的精准度十分影响目标物体的判别,所以对于声呐图像的滤波及分割具有极高的研究价值。本文主要研究内容是变分法在声呐图像滤波与分割中的应用:(1)经典的滤波方法包括Lee滤波、Wiener滤波、中值滤波等,但是这些方法在去除噪声的同时会模糊边缘细节信息。基于主成分分析(Principal Component Analysis,PCA)与改进的L1范数正则化自适应全变分噪声抑制模型相结合的方...

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及现实意义
    1.2 国内及国外研究现状
        1.2.1 声呐图像滤波的研究热点及现状
        1.2.2 声呐图像分割的研究热点及现状
    1.3 研究结构及内容
第2章 声呐图像噪声抑制与目标分割的经典模型
    2.1 引言
    2.2 经典声呐图像滤波模型
        2.2.1 Lee滤波
        2.2.2 wiener滤波
        2.2.3 中值滤波
    2.3 经典声呐图像分割模型
        2.3.1 Canny算法
        2.3.2 Otsu算法
        2.3.3 Log算子与Dog算子的边缘检测
    2.4 本章小结
第3章 基于变分法的图像去噪模型及其原理
    3.1 引言
    3.2 变分法基础性原理
        3.2.1 梯度下降流
        3.2.2 水平集方法
    3.3 基于主成分分析的特征提取与噪声抑制
        3.3.1 主成分分析的原理
        3.3.2 图像矩阵内主成分方法的运算原理
    3.4 基于变分法的图像去噪模型
        3.4.1 ROF模型
        3.4.2 自适应参数模型
        3.4.3 加权变分模型
    3.5 本章小结
第4章 基于变分法改进的声呐图像滤波模型
    4.1 引言
    4.2 声呐图像噪声与之分布形式
    4.3 声呐图像滤波判断指标
    4.4 基于PCA改进的L1正则化自适应全变分噪声抑制模型
        4.4.1 改进的声呐图像滤波模型
        4.4.2 改进模型的实验过程
        4.4.3 改进模型的实验结果及分析
    4.5 本章小结
第5章 基于变分法改进的声呐图像分割模型
    5.1 引言
    5.2 声呐图像分割的评价标准
    5.3 基于变分法的图像分割模型
        5.3.1 Snake模型
        5.3.2 GVF模型
        5.3.3 Mumford-Shah模型
        5.3.4 C-V模型(全局2元拟合模型)
    5.4 声呐图像基于变分法改进的分割模型
        5.4.1 改进的双曲线C-V模型的图像分割
        5.4.2 声呐图像分割实验过程
        5.4.3 改进的双曲线C-V模型声呐图像分割的实验结果及分析
        5.4.4 改进的边缘方向性变分模型的图像分割
        5.4.5 改进的边缘方向性变分模型声呐图像分割的实验结果及分析
    5.5 本章小结
总结与展望
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢



本文编号：3800408