準(zhǔn)確、快速的聲吶圖像分割方法符合海洋開發(fā)和軍事發(fā)展的需求。聲吶圖像分割的目的是在盡量不損失圖像信息的前提下,以一定的規(guī)則將像素點(diǎn)分類,把聲吶圖像,分化成有價(jià)值的區(qū)域。因?yàn)槌上竦奶貏e性,導(dǎo)致圖像普遍質(zhì)量不高,單一尺度的聲吶圖像分割方法往往存在多方面的不足。聲吶圖像分割的方法了研究和發(fā)展十幾年,眾多數(shù)學(xué)理論和應(yīng)用方法相繼應(yīng)用于聲吶圖像分割。在聲吶圖像分割的眾多方法中,變分法由于建模過(guò)程比較容易、方法的擴(kuò)展性較好、實(shí)現(xiàn)過(guò)程簡(jiǎn)單,應(yīng)用十分廣泛。變分法在聲吶圖像分割的應(yīng)用領(lǐng)域與發(fā)展仍然具有較大的科研與應(yīng)用價(jià)值。濾波是聲吶圖像分割的前提,分割是聲吶圖像處理中的關(guān)鍵一步,濾波的結(jié)果對(duì)聲吶圖像的分割的結(jié)果影響極大,因?yàn)榉指畹木珳?zhǔn)度十分影響目標(biāo)物體的判別,所以對(duì)于聲吶圖像的濾波及分割具有極高的研究?jī)r(jià)值。本文主要研究?jī)?nèi)容是變分法在聲吶圖像濾波與分割中的應(yīng)用:(1)經(jīng)典的濾波方法包括Lee濾波、Wiener濾波、中值濾波等,但是這些方法在去除噪聲的同時(shí)會(huì)模糊邊緣細(xì)節(jié)信息�；谥鞒煞址治�(Principal Component Analysis,PCA)與改進(jìn)的L1范數(shù)正則化自適應(yīng)全變分噪聲抑制模型相結(jié)合的方...

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及現(xiàn)實(shí)意義
    1.2 國(guó)內(nèi)及國(guó)外研究現(xiàn)狀
        1.2.1 聲吶圖像濾波的研究熱點(diǎn)及現(xiàn)狀
        1.2.2 聲吶圖像分割的研究熱點(diǎn)及現(xiàn)狀
    1.3 研究結(jié)構(gòu)及內(nèi)容
第2章 聲吶圖像噪聲抑制與目標(biāo)分割的經(jīng)典模型
    2.1 引言
    2.2 經(jīng)典聲吶圖像濾波模型
        2.2.1 Lee濾波
        2.2.2 wiener濾波
        2.2.3 中值濾波
    2.3 經(jīng)典聲吶圖像分割模型
        2.3.1 Canny算法
        2.3.2 Otsu算法
        2.3.3 Log算子與Dog算子的邊緣檢測(cè)
    2.4 本章小結(jié)
第3章 基于變分法的圖像去噪模型及其原理
    3.1 引言
    3.2 變分法基礎(chǔ)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與噪聲抑制
        3.3.1 主成分分析的原理
        3.3.2 圖像矩陣內(nèi)主成分方法的運(yùn)算原理
    3.4 基于變分法的圖像去噪模型
        3.4.1 ROF模型
        3.4.2 自適應(yīng)參數(shù)模型
        3.4.3 加權(quán)變分模型
    3.5 本章小結(jié)
第4章 基于變分法改進(jìn)的聲吶圖像濾波模型
    4.1 引言
    4.2 聲吶圖像噪聲與之分布形式
    4.3 聲吶圖像濾波判斷指標(biāo)
    4.4 基于PCA改進(jìn)的L1正則化自適應(yīng)全變分噪聲抑制模型
        4.4.1 改進(jìn)的聲吶圖像濾波模型
        4.4.2 改進(jìn)模型的實(shí)驗(yàn)過(guò)程
        4.4.3 改進(jìn)模型的實(shí)驗(yàn)結(jié)果及分析
    4.5 本章小結(jié)
第5章 基于變分法改進(jìn)的聲吶圖像分割模型
    5.1 引言
    5.2 聲吶圖像分割的評(píng)價(jià)標(biāo)準(zhǔn)
    5.3 基于變分法的圖像分割模型
        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元擬合模型)
    5.4 聲吶圖像基于變分法改進(jìn)的分割模型
        5.4.1 改進(jìn)的雙曲線C-V模型的圖像分割
        5.4.2 聲吶圖像分割實(shí)驗(yàn)過(guò)程
        5.4.3 改進(jìn)的雙曲線C-V模型聲吶圖像分割的實(shí)驗(yàn)結(jié)果及分析
        5.4.4 改進(jìn)的邊緣方向性變分模型的圖像分割
        5.4.5 改進(jìn)的邊緣方向性變分模型聲吶圖像分割的實(shí)驗(yàn)結(jié)果及分析
    5.5 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝



本文編號(hào)：3800408