水下目標(biāo)聲吶圖像的識別為海洋勘探提供了強有力支撐,聲吶圖像分割是目標(biāo)識別過程中的重要環(huán)節(jié)。由于聲吶圖像對比度差,目標(biāo)區(qū)域不易從復(fù)雜的背景區(qū)域中分離出來,因此在分割之前,需對聲吶圖像進行增強處理,用以凸顯目標(biāo)區(qū)域并抑制背景區(qū)域。平穩(wěn)小波變換具有多分辨率分析特性和平移不變性,在處理圖像時有明顯優(yōu)勢,本文基于平穩(wěn)小波變換對聲吶圖像進行增強與分割。在聲吶圖像增強部分,本文將平穩(wěn)小波變換和非線性增強方法相結(jié)合。首先對聲吶圖像進行平穩(wěn)小波變換,得到低頻子帶圖像和高頻子帶圖像;然后用改進的伽瑪函數(shù)對低頻子帶圖像進行非線性增強;又根據(jù)各高頻子帶圖像的特點,利用反正切函數(shù)分別對其進行針對性的非線性增強;最后通過平穩(wěn)小波逆變換得到增強后的聲吶圖像。實驗結(jié)果表明,本文增強方法的綜合性能優(yōu)于經(jīng)典的灰度線性變換法、UM法、HE法、CLAHE法,在增強圖像對比度的同時有效抑制了噪聲。在聲吶圖像分割部分,本文結(jié)合平穩(wěn)小波變換和模糊C均值（FCM）聚類法對增強后的聲吶圖像進行分割。首先對增強后的聲吶圖像進行平穩(wěn)小波變換;然后在平穩(wěn)小波域中,根據(jù)低頻子帶圖像的灰度特性獲取初始類中心;最后,添加鄰域信息重新定義FCM聚類... 

【文章來源】：內(nèi)蒙古大學(xué)內(nèi)蒙古自治區(qū) 211工程院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

聲吶圖像、低頻子

內(nèi)蒙古大學(xué)碩士學(xué)位論文44圖4.2增強后的聲吶圖像、低頻子帶圖像與其對應(yīng)的直方圖Figure4.2Enhancedsonarimage,low-frequencysubbandimageanditscorrespondinghistogram圖4.2從左到右，第一列是增強后的聲吶圖像，第二列是增強后的聲吶圖像對應(yīng)的直方圖，第三列是增強后的聲吶圖像經(jīng)過2層平穩(wěn)小波變換后得到的第2層低頻子帶圖像，第四列是第2層低頻子帶圖像對應(yīng)的直方圖。由圖4.2可知，增強后的聲吶圖像的直方圖不都呈三峰形狀，但第2層低頻子帶圖像的直方圖大致呈三峰形狀，可在第2層低頻子帶圖像直方圖三個明顯峰值對應(yīng)的灰度值處確定初始類中心。4.2.2改進的模糊C均值聚類法本文對增強后的聲吶圖像進行分割，雖然在增強聲吶圖像時已去除了圖像中的大量噪聲，但仍然會有部分孤立的噪聲點殘留在圖像中，并且圖像中各像素不是獨立存在而是互相關(guān)聯(lián)的，即圖像中存在灰度相關(guān)性。傳統(tǒng)的FCM聚類法只考慮單個像素本身的特性值，如灰度值，沒有考慮到以該像素為中心的鄰域信息，這就把單個像素孤立起來，會出現(xiàn)噪聲點和真正特征點無法區(qū)分的情況，從而降低算法的抗噪性，不能獲得期望的分割效果[54]。針對傳統(tǒng)FCM聚類法的這一局限性，目前有很多學(xué)者把鄰域信息添加到FCM聚類法中[55-61]。ChenS[57]等人在傳統(tǒng)FCM聚類法基礎(chǔ)上添加了鄰域信息來改進目標(biāo)函數(shù)，稱之為FCM_S算法，目標(biāo)函數(shù)

【參考文獻】：
期刊論文
[1]基于模糊灰度變換的水下圖像增強技術(shù)研究[J]. 黃江中,陳秀清,許威,楊帆,王卓.  應(yīng)用科技. 2018(03)
[2]空間約束FCM與MRF結(jié)合的側(cè)掃聲吶圖像分割算法[J]. 霍冠英,劉靜,李慶武,周亮基.  儀器儀表學(xué)報. 2017(01)
[3]基于小波域多分辨率MRF的聲吶圖像目標(biāo)分割[J]. 吳濤,夏平,劉小妹,雷幫軍.  聲學(xué)技術(shù). 2016(03)
[4]基于平穩(wěn)小波的電氣設(shè)備紅外圖像對比度增強方法[J]. 杜喆,祁帥濤,王曉波.  黑龍江電力. 2015(04)
[5]我國海洋聲學(xué)探測技術(shù)競爭力分析[J]. 劉曉東,王磊,楊娟,鄧鍇.  海洋技術(shù)學(xué)報. 2015(03)
[6]基于MAR與FCM聚類的聲吶圖像分割[J]. 郭海濤,劉麗媛,趙亞鑫,徐豐.  儀器儀表學(xué)報. 2013(10)
[7]一種基于平穩(wěn)小波域的紅外圖像增強方法[J]. 龔昌來,羅聰,楊冬濤,黃杰賢.  激光與紅外. 2013(06)
[8]平穩(wěn)小波域紅外圖像增強的反正切變換法[J]. 陳軍,張長江.  計算機工程與應(yīng)用. 2012(09)
[9]基于平穩(wěn)小波變換和Retinex的紅外圖像增強方法[J]. 占必超,吳一全,紀(jì)守新.  光學(xué)學(xué)報. 2010(10)
[10]基于旋轉(zhuǎn)、平移和尺度不變的平穩(wěn)小波圖像增強[J]. 馬志峰,吳瓊之,杜娟.  光學(xué)技術(shù). 2009(01)

碩士論文
[1]聲吶圖像的灰度統(tǒng)計特征及其在OTSU和FCM分割中的應(yīng)用[D]. 周佳麗.內(nèi)蒙古大學(xué) 2018
[2]基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的聲吶圖像濾波與分割[D]. 南曉艷.內(nèi)蒙古大學(xué) 2018
[3]紅外圖像的增強、分割及目標(biāo)跟蹤技術(shù)研究[D]. 占必超.南京航空航天大學(xué) 2010
[4]基于相關(guān)模型的平穩(wěn)小波維納濾波器圖像去噪算法[D]. 厲茜.吉林大學(xué) 2004



本文編號：3369204