側(cè)掃聲納圖像感興趣區(qū)域提取算法研究.pdf

1、側(cè)掃聲納圖像的感興趣區(qū)域提取是側(cè)掃聲納圖像處理中一個重要環(huán)節(jié),是后續(xù)目標(biāo)識別與分類處理、信息提取的前提,其重要性不言而喻。本文中作者圍繞側(cè)掃聲納圖像的感興趣區(qū)域提取這個目的,分別從邊界、區(qū)域和聚類三種角度予以研究。
　　 從邊界角度出發(fā),提取圖像的感興趣區(qū)域是傳統(tǒng)的方法。通常來說,側(cè)掃聲納圖像的邊界信息不是很強,尤其是目標(biāo)暗區(qū)的邊界信息,同時目標(biāo)亮區(qū)內(nèi)均勻性很差。一些提取邊緣的方法提取的側(cè)掃聲納圖像感興趣區(qū)域邊緣,目標(biāo)亮區(qū)的效果

2、明顯優(yōu)于目標(biāo)暗區(qū)。諸多邊緣算子不僅在目標(biāo)亮區(qū)的邊緣處反應(yīng)明顯,在目標(biāo)亮區(qū)內(nèi)的值也很大;同時邊緣算子在目標(biāo)暗區(qū)邊緣的反應(yīng)非常微弱;這些都給后續(xù)邊緣點合成邊界帶來很大的困難。所以從邊界出發(fā)提取側(cè)掃聲納圖像的感興趣區(qū)域是極有挑戰(zhàn)的。
　　 從區(qū)域角度提取圖像感興趣區(qū)域是圖像感興趣區(qū)域研究的一個重要方向,通常考慮的是圖像中感興趣區(qū)域的整體信息,對于一些類型的圖像結(jié)果較為可信,因此得到了較為廣泛的應(yīng)用。作者首先研究了一種基于迭代分割的感興

3、趣區(qū)域提取方法。依據(jù)分割結(jié)果的兩個區(qū)域特性決定是否改變門限繼續(xù)分割,在該方法中區(qū)域標(biāo)記算法起到了重要的作用。其次研究了用區(qū)域增長的方法提取側(cè)掃聲納圖像的感興趣區(qū)域。該方法分別提取側(cè)掃聲納圖像目標(biāo)暗區(qū)的種子區(qū)域和目標(biāo)亮區(qū)的種子區(qū)域;然后運用區(qū)域增長算法分別獲取目標(biāo)暗區(qū)和目標(biāo)亮區(qū),最后將結(jié)果進行合成。最后作者運用傅里葉分析方法,利用水平方向、垂直方向、45°方向和135°方向的模板,對側(cè)掃聲納圖像在四個方向上進行投影分解,粗略估計圖像的感興

4、趣區(qū)域的位置,對于提取紋理較強的側(cè)掃聲納圖像中感興趣區(qū)域有較好的效果。
　　 從聚類分析的角度提取側(cè)掃聲納圖像的感興趣區(qū)域。首先以側(cè)掃聲納圖像的區(qū)域均值作為單特征,利用先驗信息將側(cè)掃聲納圖像分成三類,以組內(nèi)方差作為目標(biāo)函數(shù),進行動態(tài)聚類提取圖像的感興趣區(qū)域。同時依據(jù)像素具有的空間連通性,對聚類結(jié)果進行了后處理,使聚類結(jié)果更加完美。然后以區(qū)域均值為特征,聯(lián)合區(qū)域絕對粗糙度、區(qū)域表面積和分形維數(shù)特征,建立二維特征矢量,分別采用均值聚