联合NSCT与多重分形的高噪声侧扫声呐图像分割

针对现有分割算法对高噪声侧扫声呐图像分割准确率低的问题，提出了一种综合利用NSCT（non-subsampled contourlet transform）分解图像、局部标准差和均值组合增强图像和多重分形判断图像奇异性的侧扫声呐图像分割方法。首先，借助NSCT分解图像，获得滤除高频噪声且保留轮廓信息的低频图像和一系列高频方向子带图像。然后，基于侧扫声呐图像中目标及其阴影伴随出现的特点，计算低频图像的局部标准差与均值的组合特征，获得分别突显目标及其阴影的特征图，使用多重分形分割方法分割特征图，获得低频图像分割结果；利用图像差分和非极大值抑制方法分割高频方向子带图像，获得高频分割结果；融合高低频分...

Full description

Saved in:
Bibliographic Details
Published in:Ce hui xue bao 2020-02, Vol.49 (2), p.162
Main Authors: 何义才, 赵建虎, 张红梅, 阮世伦
Format: Article
Language:chi ; eng
Subjects:
Algorithms
Decomposition
Image enhancement
Image filters
Image processing
Image segmentation
Low frequencies
Shadows
Side scan sonar
Sonar
Standard deviation
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:针对现有分割算法对高噪声侧扫声呐图像分割准确率低的问题，提出了一种综合利用NSCT（non-subsampled contourlet transform）分解图像、局部标准差和均值组合增强图像和多重分形判断图像奇异性的侧扫声呐图像分割方法。首先，借助NSCT分解图像，获得滤除高频噪声且保留轮廓信息的低频图像和一系列高频方向子带图像。然后，基于侧扫声呐图像中目标及其阴影伴随出现的特点，计算低频图像的局部标准差与均值的组合特征，获得分别突显目标及其阴影的特征图，使用多重分形分割方法分割特征图，获得低频图像分割结果；利用图像差分和非极大值抑制方法分割高频方向子带图像，获得高频分割结果；融合高低频分割结果获得目标及其阴影的精细边缘。最后通过试验验证了本文方法的有效性。
ISSN:1001-1595
1001-1595
DOI:10.11947/j.AGCS.2020.20180276