原文传递
基于BEMD分解的前视声呐图像分割算法研究
| 论文题名： | 基于BEMD分解的前视声呐图像分割算法研究 |
| 关键词： | 图像分割;前视声呐;二维最大熵;BEMD分解;ENFCM算法 |
| 摘要： | 近年来，随着水下技术慢慢取得关注，各种潜艇、智能水下机器人都开始把声成像系统作为眼睛。声呐图像在通过图像信号处理后，可以快速准确的进行水下探索，其中声呐图像的分割就成为了很重要的一环。由于前视声呐图像质量较低、受噪声污染严重，导致传统的分割方法的分割准确度并不理想。为了能够取得高精度、高鲁棒性以及适用范围广的分割结果，本文提出了一种新的前视声呐图像分割方法： （1）为了避免大量的噪声对分割准确度的影响，对前视声呐图像进行二次分割处理。首先应用二维最大熵快速递推分割算法，对前视声呐图像进行第一次去背景分割，在保留疑似目标区域的同时去除背景以及其包含的所有噪声；后续对图像进行预处理后，再利用精度更高的聚类分割方法进行第二次分割，最终完成前视声呐图像的二值分割。 （2）针对在分割过程中难以准确保留目标细节信息的问题，提出了基于BEMD分解的预处理方法。首先对去背景分割后的前视声呐图像进行BEMD分解，分别对分解后的所有分量进行模糊处理，再对所有IMF分量进行引导滤波去噪，最终对处理后的所有分量进行图像重构。经过实验对比，该方法不仅能够保留声呐图像原本的细节信息，还能大大去除前视声呐图像中的复杂噪声。 （3）针对传统的ENFCM分割方法受初值影响严重，对噪声敏感的缺点，提出了IM-ENFCM算法。首先对前视声呐图像构造一个考虑邻域信息的新的加权图像，再围绕二维最大熵的分割阈值以及BEMD分解的低频区域灰度峰值设定自适应初值，最终进行模糊聚类划分。该方法不仅使分割的过程能够自监督完成，而且因为考虑了邻域关系能够有效抑制噪声对聚类分割过程的干扰。 最终进行对比实验验证了本文提出的分割方法既能有效抑制噪声干扰，又能在分割精度以及鲁棒性上具有更优的实验结果。 |
| 作者： | 谭昕瑜 |
| 专业： | 控制科学与工程 |
| 导师： | 申丽然 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
