论文部分内容阅读
我国具有广阔的海域,随着我国的经济发展,国力日益强盛,对海洋开发的重视程度也越来越高。声纳成像技术现在已成为水下探测的重要技术之一,在水下导航、目标跟踪等方面具有不可替代的作用。而声纳图像承载着水下声纳设备探测到的绝大部分信息,对其的研究已经成为数字图像处理领域的重要分支之一。其中,声纳图像分割算法的研究是声纳图像处理的重要基础部分。声纳图像具有分辨率低、噪声严重的特点,随着声纳图像的应用越来越广泛,人们对声纳图像分割的要求也越来越苛刻。本文在相关课题的背景下,研究了多目标图像分割的相关算法。声纳图像的分割主要应用于水下目标探测和水下目标跟踪等领域。一般的图像分割问题指研究将目标从背景中分离出来的方法,并未针对不同目标的特征进行分割的研究。由于以前声纳图像获取困难并且应用范围很小,并且声纳图像具有噪声严重,目标特征不明显,边缘模糊,目标灰度值分布不均匀等特点,研究声纳图像的分割问题比光学图像要复杂和困难。随着声纳设备的推广和升级,声纳图像的分辨率也越来越高,这就为研究更复杂情况下的声纳图像分割问题提供了可能。随着各国水下活动的日益频繁,人们获得的声纳图像内容也越来越多样和复杂,因此,非常有必要研究声纳图像的多目标图像处理方法,本文主要针对多目标声纳图像的分割问题进行研究。本文针对声纳图像的特点,首先介绍了图像分割国内外的研究现状,然后针对声纳图像研究了相关的图像降噪算法;一般对声纳图像进行滤波处理后,图像会变得模糊,不利于对声纳图像的分割,本文提出一种基于中值滤波和邻域像素灰度值压缩和拉伸的声纳图像预处理方法,通过实验验证,本文提出的算法能够在对声纳图像进行滤波的同时,增强目标和背景的对比度,相比传统的滤波方法,大大降低了声纳图像中目标的分割难度。然后针对多目标图像分割问题,对一些常用的分割理论和方法进行了介绍,包括支持向量机的方法、基于几何蛇模型的方法、水平集方法、聚类的方法以及基于区域分割的方法等。本文在对声纳图像进行滤波的基础上,着重研究了基于模糊C均值聚类的多目标声纳图像分割方法,并且针对模糊C均值聚类的缺点,利用经验模式分解对多目标声纳图像进行了重构,实验证明本文方法能够降低多目标声纳图像中噪声对分割的影响并且突出了感兴趣区域。最后,本文研究了基于灰度直方图分层的多目标图像分割方法,将多目标声纳图像的分割通过灰度直方图分层转化成单目标声纳图像的分割,并通过改进的Otsu法和粒子群优化算法的结合对图像进行了分割实验,实验结果证明本文方法的正确性和可行性。