水下声呐图像目标分割方法的研究及应用

论文摘要

随着声呐技术的发展及其在海洋开发领域的重要作用,使得水下声呐导航定位、目标识别和通信技术的研究不断地得到更多科研人员的重视。利用声呐图像进行目标识别已经成为数字图像处理领域的一个重要课题。水下目标识别过程一般可分为声呐图像的预处理、图像分割、特征提取和目标识别。声呐图像由目标高亮区、阴影区和海底混响区三部分组成。水下目标分割的目的就是要从复杂海底混响中提取出目标和阴影区域,并尽量保留图像原始边缘信息。水下目标分割是水下目标识别过程的关键步骤。只有在声呐图像准确分割的基础上,才能正确地对水下目标进行特征提取和参数测量,使得更高层次的声呐图像分析和水下目标识别成为可能。为此,本文对声呐图像的水下目标分割技术进行了深入研究,研究内容及成果如下:首先,论文给出了声呐图像的预处理方法,包括去噪和灰度规格化的方法,讨论了一些常用去噪方法在声呐图像预处理中的应用。针对EdgeTech4200-FS侧扫声呐实测图像的特点,本文采用sym4小波方法去噪,给出了该算法的原理、阈值选取方法及去噪步骤;然后,对声呐图像做灰度规格化处理,使图像中像素值固定在某一范围内变化,减小了图像本身的动态变化范围,为分割精度的提高奠定基础。其次,深入探讨并通过实验分析了水下声呐图像目标分割的自动阈值分割方法——最大方差比阈值分割算法、分形理论的分割算法、模糊C均值聚类的分割算法和马尔可夫随机场模型分割算法。最后,为了弥补模糊C均值聚类分割算法和基于马尔可夫随机场模型分割算法在速度和自动性方面存在的不足,本文提出了一种基于马尔可夫随机场的自动声呐图像分割算法,通过对实测的声呐数据的分割验证了此种算法的可行性和有效性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 论文的来源及研究的目的和意义
• 1.3 国内外研究现状和发展趋势
• 1.3.1 图像分割的发展现状
• 1.3.2 声呐图像分割的发展现状
• 1.4 水下目标识别系统的整体结构
• 1.5 论文的主要研究内容及结构安排
• 第2章 声呐图像分割算法的分类及分析
• 2.1 引言
• 2.2 声呐图像的特点
• 2.3 声呐图像分割算法分类
• 2.3.1 灰度阈值化的方法
• 2.3.2 空间区域信息的分割方法
• 2.3.3 边缘检测算法
• 2.3.4 基于特定理论的分割算法
• 2.4 分割效果评估的基本要求
• 2.5 本章小结
• 第3章 声呐图像的预处理
• 3.1 引言
• 3.2 常用的去噪方法介绍
• 3.2.1 邻域平均去噪法
• 3.2.2 时域与频域低通滤波去噪法
• 3.2.3 中值滤波去噪法
• 3.2.4 自适应平滑滤波去噪法
• 3.2.5 小波变换去噪法
• 3.3 基于sym4小波变换的声呐图像去噪方法
• 3.3.1 基于sym4小波去噪的基本原理和方法
• 3.3.2 基于sym4小波变换的声呐图像去噪的阈值设定
• 3.4 声呐图像去噪的实验与分析
• 3.5 声呐图像的灰度规格化处理
• 3.6 本章小结
• 第4章 几种水下声呐图像目标分割算法的实验分析
• 4.1 引言
• 4.2 基于自动阈值的分割算法
• 4.2.1 最佳阈值的选取原则
• 4.2.2 最大方差比的自动阈值算法
• 4.2.3 基于最大方差比的自动阈值水下目标分割
• 4.2.4 实验与分析
• 4.3 基于分形理论的分割算法
• 4.3.1 分形概述
• 4.3.2 分形维
• 4.3.3 频率分形维数和分形布朗运动模型的分形维数估计
• 4.3.4 基于分形维的水下目标分割
• 4.3.5 实验与分析
• 4.4 基于模糊集理论的分割算法
• 4.4.1 模糊理论基础
• 4.4.2 基于模糊C均值聚类的水下目标分割
• 4.4.3 实验与分析
• 4.5 基于马尔可夫随机场的分割算法
• 4.5.1 马尔可夫随机场的定义
• 4.5.2 马尔可夫随机场与吉布斯随机场的等效
• 4.5.3 马尔可夫随机场的采样方法
• 4.5.4 马尔可夫随机场的优化算法
• 4.5.5 基于马尔可夫随机场的水下目标分割
• 4.5.6 实验与分析
• 4.6 本章小结
• 第5章 自动水下目标分割算法的研究
• 5.1 引言
• 5.2 声呐图像的马尔可夫模型
• 5.3 基于马尔可夫模型的自动分割算法描述
• 5.4 实验与分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢