聲納圖像去噪與分割技術(shù)研究.pdf

1、聲納圖像是聲探測中目標(biāo)回波的數(shù)據(jù)可視化結(jié)果，聲納圖像的去噪與分割在后期的目標(biāo)識(shí)別中起著關(guān)鍵作用。由于基于聲成像原理，聲納圖像擁有自己的特點(diǎn)，這就對(duì)去噪和分割提出了一定的前提條件或要求。雖然對(duì)于光學(xué)圖像的去噪和分割已有大量可靠的算法，但研究適合聲納圖像的有針對(duì)性的處理方法仍是極具應(yīng)用價(jià)值的，本文在這方面進(jìn)行了有意義的探索。
　　 對(duì)于聲納圖像去噪，本文選用比較流行的小波分析作為理論基礎(chǔ)。首先研究了兩種較新的小波框架，一種是兼顧了方

2、向性分析的方向性小波變換，另一種是兼顧了形態(tài)學(xué)分析的形態(tài)小波變換。這些小波變換中，也有已提出多年或非常成熟的，但卻鮮有在聲納圖像中進(jìn)行應(yīng)用和對(duì)比。本文通過大量的仿真實(shí)驗(yàn)，分別討論了各種小波變換在聲納圖像去噪中的性能，并在形態(tài)小波信號(hào)分析框架下，推導(dǎo)了基于排序統(tǒng)計(jì)濾波器和均值濾波器的形態(tài)小波的具體表達(dá)式，利用細(xì)化步驟和提升步驟改善形態(tài)小波分析的性能。在歸納出形態(tài)小波聲納圖像去噪算法后，對(duì)具有代表性的聲納圖像進(jìn)行去噪實(shí)驗(yàn)，經(jīng)過與其他小波去噪

3、算法對(duì)比，本文算法在性能上占據(jù)優(yōu)勢且快速穩(wěn)定。其次，在已提出的形態(tài)均值小波的基礎(chǔ)上，考慮對(duì)小波系數(shù)進(jìn)行建模。分析了形態(tài)小波域系數(shù)的分布，構(gòu)造了形態(tài)均值小波域的隱馬爾可夫樹模型，并提出相應(yīng)的去噪算法，對(duì)于該算法，本文還進(jìn)行了簡化，得出了有價(jià)值的結(jié)論。用形態(tài)均值小波HMT模型去噪方法對(duì)聲納圖像進(jìn)行處理，與經(jīng)典的小波HMT模型去噪和流行的輪廓小波HMT模型去噪方法做比較，仿真結(jié)果驗(yàn)證了本文模型的有效性。
　　 對(duì)于聲納圖像分割，本文也

4、分為兩部分展開研究。首先討論了水平集理論在聲納圖像分割中的應(yīng)用，系統(tǒng)介紹了基于區(qū)域分割的一些活動(dòng)輪廓模型，包括Chan和Vese提出的PC模型、PS模型，以及Li等提出的基于LBF能量的活動(dòng)輪廓模型。在Li的模型基礎(chǔ)上，本文針對(duì)聲納圖像的特點(diǎn)做了一定改進(jìn)，給出一種初始輪廓曲線的定義方法，并提出引入拉普拉斯算子進(jìn)行水平集演化方向的選擇。仿真實(shí)驗(yàn)證明，這些改進(jìn)對(duì)聲納圖像分割具有重要意義，改進(jìn)后的算法不僅對(duì)噪聲不敏感，能準(zhǔn)確分割邊緣惡化或內(nèi)容