【摘要】：針對(duì)前視聲吶圖像清晰程度不同,局部區(qū)域模糊的特點(diǎn),本文提出一種基于非下采樣輪廓波變換的前視聲吶圖像融合算法。依據(jù)圖像多尺度分解的理論,對(duì)源圖像進(jìn)行非下采樣輪廓波變換,得到一系列多尺度子帶分解系數(shù);根據(jù)圖像中清晰目標(biāo)反射聲波能量大、對(duì)比度高特點(diǎn),構(gòu)建前視聲吶圖像融合規(guī)則,即低頻子帶采用Gabor能量、高頻子帶計(jì)算局部對(duì)比度指導(dǎo)融合規(guī)則,提出區(qū)域一致性校驗(yàn)準(zhǔn)則抑制圖像噪聲,產(chǎn)生融合圖像多尺度子帶分解系數(shù),并應(yīng)用非下采樣輪廓波逆變換獲得融合圖像。聲吶圖像融合對(duì)比實(shí)驗(yàn)證明,采用提出方法生成的融合圖像在主觀視覺(jué)和客觀指標(biāo)上均優(yōu)于其他融合方法。
【圖文】：

帶和1個(gè)高頻子帶;然后，重復(fù)將每次分解后的低頻成分通過(guò)NSPFB分解k次，得到k+1個(gè)子帶圖像，，包括1個(gè)低頻子帶和k個(gè)高頻子帶;最后，分別將每個(gè)高頻子帶圖像經(jīng)過(guò)l級(jí)NSDFB處理，在每個(gè)高頻子帶上產(chǎn)生2l個(gè)方向子帶。NSCT通過(guò)NSPFB保證其多尺度分析的特性，利用NSDFB充分地表達(dá)圖像各向異性信息。由于NSCT在分解過(guò)程中避免對(duì)圖像進(jìn)行采樣操作，能夠有效地抑制“偽吉布斯”現(xiàn)象產(chǎn)生。此外，非下采樣分解產(chǎn)生的子帶圖像大小與源圖像相同，保證子帶圖像信息與源圖像信息空間位置一致，方便制定圖像融合規(guī)則［14］。圖1NSCT圖像多尺度分解Fig．1ImagedecompositionbyNSCT與其他MST圖像融合方法類似，對(duì)于兩幅源圖像A和B，基于NSCT的圖像融合算法步驟如下所述:1)應(yīng)用NSCT分別對(duì)源圖像A和B均進(jìn)行K尺度和L方向分解，得到多尺度子帶分解系數(shù){LA，HAkl}和{LB，HBkl}。其中，LA和LB是源圖像低頻子帶，HAkl和HBkl是源圖像在k∈［1，K］尺度和l∈［1，L］方向上的高頻子帶;2)采用不同的融合規(guī)則，分別融合源圖像的低頻子帶和高頻子帶，得到融合圖像F的多尺度子帶分解系數(shù){LF，HFkl};3)對(duì)融合圖像分解系數(shù){LF，HFkl}進(jìn)行NSCT逆變換，得到融合圖像F。綜上所述，基于NSCT的圖像融合算法框架如圖2所示。2基于NSCT的前視聲吶圖像融合算法在基于NSCT多尺度分析的圖像融合算法中，圖像首先被分解為低頻子帶和高頻子帶，再分別建立合適的融合規(guī)則，獲得融合系數(shù)。融合規(guī)則是圖像融合算法的核心步驟，合理地制定融合規(guī)則可以提高融合質(zhì)量，改善視覺(jué)感受。·1374·

第9期張健，等:非下采樣輪廓波變換的前視聲吶圖像融合圖2NSCT圖像融合算法框架Fig．2FrameworkofimagefusionalgorithmbasedonNSCT一般地，融合系數(shù)通過(guò)“選擇”或“平均”獲得［15］。當(dāng)源圖像在同一像素位置存在顯著差異時(shí)，融合過(guò)程直接選擇源圖像分解系數(shù)中突出信息，作為融合圖像相應(yīng)位置的分解系數(shù)，并放棄非突出信息。當(dāng)同一像素位置信息相似時(shí)，融合過(guò)程通過(guò)平均或加權(quán)平均確定該位置的融合系數(shù)。這樣，“選擇”有效地保留圖像間互補(bǔ)信息，“平均”保證圖像內(nèi)容均勻穩(wěn)定。綜上，多尺度分析圖像融合算法根據(jù)源圖像差異性信息，選擇或平均源圖像分解系數(shù)確定融合規(guī)則，獲得融合圖像。對(duì)于光學(xué)圖像，其圖像灰度均勻，細(xì)節(jié)特征豐富，噪聲干擾小，往往衡量圖像局部區(qū)域活躍程度，如梯度、空間頻率和局部方差等參數(shù)作為差異信息，指導(dǎo)融合規(guī)則。然而，由于聲吶圖像亮度非均勻，細(xì)節(jié)特征不突出且噪聲污染嚴(yán)重，導(dǎo)致局部活躍信息受這些因素影響較大，不能準(zhǔn)確地體現(xiàn)聲吶圖像間的差異。因此，應(yīng)該重點(diǎn)根據(jù)聲吶圖像的特殊性，合理確定圖像間差異信息，以此建立適用于聲吶圖像的融合規(guī)則。2.1低頻子帶系數(shù)融合規(guī)則由于前視聲吶圖像本質(zhì)是目標(biāo)反射聲波能量在空間上的分布，反射能量越大，目標(biāo)越清晰。而低頻子帶保留了源圖像絕大部分信息，體現(xiàn)圖像的能量分布。因此，應(yīng)該以能量強(qiáng)弱體現(xiàn)前視聲吶圖像差異性。在此，選擇Gabor能量作為衡量源圖像差異的參數(shù)，建立前視聲吶圖像低頻子帶系數(shù)融合規(guī)則。Gabor能量可以有效地反映圖像中能量分布，良好的抗噪性和相似不變性使其在前視聲吶圖像處理方面也有較好的效果［16－17］。低頻子帶系數(shù)與Gabor濾波器二維卷積生成不同尺度和方向上的Gabor系數(shù)。m尺度n方向的Gabor濾波?

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉光宇;卞紅雨;沈鄭燕;石紅;;基于規(guī)一化割的聲吶圖像譜摳圖分割[J];哈爾濱工程大學(xué)學(xué)報(bào);2012年03期

2 程彬彬;齊彥生;查智;;聲吶圖像局部對(duì)比度增強(qiáng)方法[J];水雷戰(zhàn)與艦船防護(hù);2008年03期

3 卞紅雨;沈鄭燕;張志剛;劉佳;;一種高魯棒性的聲吶圖像信息隱藏方法[J];聲學(xué)與電子工程;2012年04期

4 郭海濤,田坦,劉國(guó)枝,盧逢春;基于模糊聚類的沉底小目標(biāo)聲吶圖像的識(shí)別方法[J];小型微型計(jì)算機(jī)系統(tǒng);2002年02期

5 賴星宇;孫超;;聲吶圖像中的混合噪聲抑制方法[J];電聲技術(shù);2011年04期

6 桑恩方;沈鄭燕;高云超;;小波域聲吶圖像自適應(yīng)增強(qiáng)[J];哈爾濱工程大學(xué)學(xué)報(bào);2009年04期

7 田曉東;劉忠;;基于統(tǒng)計(jì)量的聲吶圖像目標(biāo)檢測(cè)算法[J];艦船科學(xué)技術(shù);2007年01期

8 田曉東;劉忠;;一種改進(jìn)的聲吶圖像自適應(yīng)增強(qiáng)算法[J];聲學(xué)與電子工程;2008年02期

9 郭海濤,田坦,張春田;基于模糊聚類的聲吶圖像多區(qū)域分割[J];海洋技術(shù);2004年03期

10 卞紅雨;沈鄭燕;張志剛;劉翠;;基于雁群優(yōu)化的聲吶圖像快速閾值分割方法[J];聲學(xué)與電子工程;2011年03期

相關(guān)會(huì)議論文 前1條

1 郭海濤;王連玉;高艷波;盧明波;;利用屬性直方圖的最小熵的聲吶圖像分割[A];2005年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

相關(guān)碩士學(xué)位論文 前2條

1 青云;基于雙樹復(fù)小波變換的聲吶圖像邊緣檢測(cè)[D];內(nèi)蒙古大學(xué);2016年

2 王興梅;水下聲吶圖像目標(biāo)分割方法的研究及應(yīng)用[D];哈爾濱工程大學(xué);2008年

本文編號(hào)：2626846