基于平稳小波变换的声呐图像增强与分割方法研究
发布时间:2021-08-28 20:37
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。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。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;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...
【文章来源】:内蒙古大学内蒙古自治区 211工程院校
【文章页数】:72 页
【学位级别】:硕士
【部分图文】:
声呐图像、低频子
内蒙古大学硕士学位论文44图4.2增强后的声呐图像、低频子带图像与其对应的直方图Figure4.2Enhancedsonarimage,low-frequencysubbandimageanditscorrespondinghistogram图4.2从左到右,第一列是增强后的声呐图像,第二列是增强后的声呐图像对应的直方图,第三列是增强后的声呐图像经过2层平稳小波变换后得到的第2层低频子带图像,第四列是第2层低频子带图像对应的直方图。由图4.2可知,增强后的声呐图像的直方图不都呈三峰形状,但第2层低频子带图像的直方图大致呈三峰形状,可在第2层低频子带图像直方图三个明显峰值对应的灰度值处确定初始类中心。4.2.2改进的模糊C均值聚类法本文对增强后的声呐图像进行分割,虽然在增强声呐图像时已去除了图像中的大量噪声,但仍然会有部分孤立的噪声点残留在图像中,并且图像中各像素不是独立存在而是互相关联的,即图像中存在灰度相关性。传统的FCM聚类法只考虑单个像素本身的特性值,如灰度值,没有考虑到以该像素为中心的邻域信息,这就把单个像素孤立起来,会出现噪声点和真正特征点无法区分的情况,从而降低算法的抗噪性,不能获得期望的分割效果[54]。针对传统FCM聚类法的这一局限性,目前有很多学者把邻域信息添加到FCM聚类法中[55-61]。ChenS[57]等人在传统FCM聚类法基础上添加了邻域信息来改进目标函数,称之为FCM_S算法,目标函数
【参考文献】:
期刊论文
[1]基于模糊灰度变换的水下图像增强技术研究[J]. 黄江中,陈秀清,许威,杨帆,王卓. 应用科技. 2018(03)
[2]空间约束FCM与MRF结合的侧扫声呐图像分割算法[J]. 霍冠英,刘静,李庆武,周亮基. 仪器仪表学报. 2017(01)
[3]基于小波域多分辨率MRF的声呐图像目标分割[J]. 吴涛,夏平,刘小妹,雷帮军. 声学技术. 2016(03)
[4]基于平稳小波的电气设备红外图像对比度增强方法[J]. 杜喆,祁帅涛,王晓波. 黑龙江电力. 2015(04)
[5]我国海洋声学探测技术竞争力分析[J]. 刘晓东,王磊,杨娟,邓锴. 海洋技术学报. 2015(03)
[6]基于MAR与FCM聚类的声呐图像分割[J]. 郭海涛,刘丽媛,赵亚鑫,徐丰. 仪器仪表学报. 2013(10)
[7]一种基于平稳小波域的红外图像增强方法[J]. 龚昌来,罗聪,杨冬涛,黄杰贤. 激光与红外. 2013(06)
[8]平稳小波域红外图像增强的反正切变换法[J]. 陈军,张长江. 计算机工程与应用. 2012(09)
[9]基于平稳小波变换和Retinex的红外图像增强方法[J]. 占必超,吴一全,纪守新. 光学学报. 2010(10)
[10]基于旋转、平移和尺度不变的平稳小波图像增强[J]. 马志峰,吴琼之,杜娟. 光学技术. 2009(01)
硕士论文
[1]声呐图像的灰度统计特征及其在OTSU和FCM分割中的应用[D]. 周佳丽.内蒙古大学 2018
[2]基于脉冲耦合神经网络的声呐图像滤波与分割[D]. 南晓艳.内蒙古大学 2018
[3]红外图像的增强、分割及目标跟踪技术研究[D]. 占必超.南京航空航天大学 2010
[4]基于相关模型的平稳小波维纳滤波器图像去噪算法[D]. 厉茜.吉林大学 2004
本文编号:3369204
【文章来源】:内蒙古大学内蒙古自治区 211工程院校
【文章页数】:72 页
【学位级别】:硕士
【部分图文】:
声呐图像、低频子
内蒙古大学硕士学位论文44图4.2增强后的声呐图像、低频子带图像与其对应的直方图Figure4.2Enhancedsonarimage,low-frequencysubbandimageanditscorrespondinghistogram图4.2从左到右,第一列是增强后的声呐图像,第二列是增强后的声呐图像对应的直方图,第三列是增强后的声呐图像经过2层平稳小波变换后得到的第2层低频子带图像,第四列是第2层低频子带图像对应的直方图。由图4.2可知,增强后的声呐图像的直方图不都呈三峰形状,但第2层低频子带图像的直方图大致呈三峰形状,可在第2层低频子带图像直方图三个明显峰值对应的灰度值处确定初始类中心。4.2.2改进的模糊C均值聚类法本文对增强后的声呐图像进行分割,虽然在增强声呐图像时已去除了图像中的大量噪声,但仍然会有部分孤立的噪声点残留在图像中,并且图像中各像素不是独立存在而是互相关联的,即图像中存在灰度相关性。传统的FCM聚类法只考虑单个像素本身的特性值,如灰度值,没有考虑到以该像素为中心的邻域信息,这就把单个像素孤立起来,会出现噪声点和真正特征点无法区分的情况,从而降低算法的抗噪性,不能获得期望的分割效果[54]。针对传统FCM聚类法的这一局限性,目前有很多学者把邻域信息添加到FCM聚类法中[55-61]。ChenS[57]等人在传统FCM聚类法基础上添加了邻域信息来改进目标函数,称之为FCM_S算法,目标函数
【参考文献】:
期刊论文
[1]基于模糊灰度变换的水下图像增强技术研究[J]. 黄江中,陈秀清,许威,杨帆,王卓. 应用科技. 2018(03)
[2]空间约束FCM与MRF结合的侧扫声呐图像分割算法[J]. 霍冠英,刘静,李庆武,周亮基. 仪器仪表学报. 2017(01)
[3]基于小波域多分辨率MRF的声呐图像目标分割[J]. 吴涛,夏平,刘小妹,雷帮军. 声学技术. 2016(03)
[4]基于平稳小波的电气设备红外图像对比度增强方法[J]. 杜喆,祁帅涛,王晓波. 黑龙江电力. 2015(04)
[5]我国海洋声学探测技术竞争力分析[J]. 刘晓东,王磊,杨娟,邓锴. 海洋技术学报. 2015(03)
[6]基于MAR与FCM聚类的声呐图像分割[J]. 郭海涛,刘丽媛,赵亚鑫,徐丰. 仪器仪表学报. 2013(10)
[7]一种基于平稳小波域的红外图像增强方法[J]. 龚昌来,罗聪,杨冬涛,黄杰贤. 激光与红外. 2013(06)
[8]平稳小波域红外图像增强的反正切变换法[J]. 陈军,张长江. 计算机工程与应用. 2012(09)
[9]基于平稳小波变换和Retinex的红外图像增强方法[J]. 占必超,吴一全,纪守新. 光学学报. 2010(10)
[10]基于旋转、平移和尺度不变的平稳小波图像增强[J]. 马志峰,吴琼之,杜娟. 光学技术. 2009(01)
硕士论文
[1]声呐图像的灰度统计特征及其在OTSU和FCM分割中的应用[D]. 周佳丽.内蒙古大学 2018
[2]基于脉冲耦合神经网络的声呐图像滤波与分割[D]. 南晓艳.内蒙古大学 2018
[3]红外图像的增强、分割及目标跟踪技术研究[D]. 占必超.南京航空航天大学 2010
[4]基于相关模型的平稳小波维纳滤波器图像去噪算法[D]. 厉茜.吉林大学 2004
本文编号:3369204
本文链接:https://www.wllwen.com/shoufeilunwen/xixikjs/3369204.html