空间约束FCM与MRF结合的侧扫声呐图像分割算法

针对侧扫声呐图像斑点噪声强、目标分割困难的问题,提出了一种基于空间约束的快速模糊C均值聚类(SCFFCM)与马尔可夫随机场(MRF)相结合的分割算法。为克服噪声干扰,该算法首先基于贝叶斯最大后验概率理论在非下采样Contourlet变换域去除声呐图像中的强斑点噪声;然后为加快分割速度,提出SCFFCM算法,该算法用于给出一个较好的初始分割;接着由初始分割计算MRF模型的约束场,再根据图像邻域内灰度波动情况自适应更新结合权值,进而求解得到FCM模糊场与MRF约束场的联合场,并基于最大概率准则得到分割结果;最后,采用形态学去除分割结果中的孤立噪点,并完成孔洞填充。对仿真及实际的侧扫声呐图像的分割实验结果表明,所提算法较FCM和现有的一些FCM改进算法有更强的抗噪能力、更高的分割精度以及更快的运算速度。

Contourlet域下基于多尺度特征的声呐图像分割

水下环境复杂多变,导致声呐技术成像后的图像质量差,影响目标识别。为此,提出一种基于Contourlet域下多尺度高斯马尔可夫随机场(GMRF)模型的水平集声呐图像分割算法。采用Contourlet变换及逆变换获取声呐图像各尺度层下的纹理特征,通过GMRF对各层纹理特征建模,以描述局部结构空间信息并降低对噪声的敏感度。根据各层纹理特征模型,对声呐图像进行由粗到细尺度的水平集分割以得到分割结果。实验结果表明,该算法在不同声呐图像中的分割准确度超过90 %,优于Otsu算法,且具有较低的复杂度和较强的鲁棒性。

基于小波域多分辨率MRF的声呐图像目标分割

声呐图像受噪声影响严重,分辨率低,传统算法对其目标分割效果较差,为此,提出了小波域多分辨率MRF模型的声呐图像分割算法。小波域多分辨率分析有利于提取声呐图像弱特征信息;每一分辨率中的观测特征采用高斯混合模型建模,尺度内同标记的观测特征用高斯模型建模,用各向同性的双点多级逻辑(Multi-Level Logistic,MLL)模型建模每一尺度的标记场;最后,用迭代条件模式(Iterated Conditional Mode,ICM)实现多分辨率马尔可夫随机场(Multi-Resolution Markov Random Field,MRA-MRF)中能量函数的最优解,获取标记场,完成声呐图像分割。从视觉效果和定量分析两方面验证。对比实验的结果表明,该文算法能有效地提取声呐图像的弱目标信息,较好地将目标区域和背景区域分割出来,具有较高的分割精度和鲁棒性。

BM3D与PCNN结合的海底管道侧扫声呐图像处理方法

海底管道作为油气输送的重要通道,波流冲刷作用下易发生悬跨现象,易发生疲劳破坏。侧扫声呐利用回波强度成像,是对海底管道状态检测的重要设备。复杂的海洋环境使得侧扫声呐图像不可避免地产生混合噪声而影响图像质量,因此如何有效去除噪声对侧扫声呐图像的判别与分析非常重要。针对图像的去噪问题,运用三维块匹配算法自编程序对实测的海底管道侧扫声呐图像进行去噪处理,将不同去噪方法处理结果从主观评价和客观评价指标上比较,结果表明三维块匹配算法要明显优于其他去噪方法。同时针对海底管道侧扫声呐图像分割困难的问题,提出了一种基于三维块匹配算法与脉冲耦合神经网络相结合的图像分割方法,对实测图像进行分割处理,并从图像处理效果的主观和客观评价指标进行分析,结果表明该方法较传统脉冲耦合神经网络图像分割方法有更好的分割效果,图像目标分割更加准确。