一种模糊加权均值滤波器在声呐图像平滑中的应用

保边去噪是图像平滑中的主要问题.声呐图像像素少品质恶劣,保边去噪显得尤为重要.文中进一步阐述了一种模糊加权均值滤波器的基本原理,并将其应用于海底小目标声呐图像平滑,实验结果表明这种方法较传统的均值平滑具有更好的保边性能.     

利用粗集理论的声呐图像平滑

保边去噪是图像平滑中的主要问题。声呐图像像素少品质恶劣，保边去噪显得尤为重要。粗糙集理论是一种新的处理含糊和不确定性问题的数学工具，它为智能信息处理提供了有效的处理技术。将基于粗集理论的均值法应用于声呐图像平滑中，给出了实验结果。结果表明这种方法具有可行性。     

基于粗糙集理论的水下红外图像增强

图像增强是通过改变图像中某类像素的灰度值,以改变图像视觉效果或为有助于机器自动分割。水下红外图像对比度差,干扰强,为了便于人工判读,在保边去噪的基础上还要进行增强处理。将基于粗糙集理论的中值滤波和增强方法应用于水下红外图像处理中,给出了实验结果。结果表明这种方法具有可行性。     

基于侧扫声呐的水下小目标检测技术研究

针对水下小目标探测与识别难的问题,开展基于侧扫声呐的声呐图像滤波、图像分割及目标提取方法研究。常规滤波方法难以有效清除图像中存在的噪声,从而造成图像质量下降。采用非局部均值滤波算法与 GPU 加速的方法,在获得声呐图像较好处理效果的同时,满足水下小目标检测实时性的要求;同时, 采用膨胀算法与 Canny 边缘检测算法相结合的方式,实现了水下真假目标的有效区分。     

基于弱纹理块的噪声估计方法在侧扫声呐图像去噪中的应用

侧扫声呐图像受混响效应影响导致侧扫声呐图像斑点噪声强,边缘模糊,纹理较弱,严重时还会掩盖海底地貌。噪声方差是许多侧扫声呐图像变换域去噪算法的必要参数。指出了侧扫声呐图像在乘性噪声的影响下灰度值溢出的问题,并且以侧扫声呐图像中乘性噪声为背景,考虑灰度值范围对乘性噪声的抑制作用,提出了一种基于弱纹理块的噪声估计方法。算法主要根据噪声的散射模型,将侧扫声呐图像经过幂变换和对数变换,将服从瑞利分布的乘性斑点噪声变换为高斯白噪声,基于变换图像的梯度协方差矩阵和弱纹理块的动态选择,以迭代的方式确定噪声方差。实验结果表明:该算法能够去除灰度值溢出现象对噪声估计的影响,在高亮区域及背景区域的噪声估计结果稳定准确。     

基于K-means聚类与数学形态学的侧扫声呐图像目标轮廓自动提取方法

针对侧扫声呐图像斑点噪声强、背景海底散射干扰严重,海底目标轮廓自动提取困难的问题,提出了一种基于K-means聚类与数学形态学相结合的海底目标轮廓自动提取算法。为克服噪声干扰,该算法首先利用中值滤波去除侧扫声呐图像中的强斑点噪声;然后采用K-means聚类算法对侧扫声呐灰度图像进行分割,并二值化,除去大部分海底背景噪声,初步提取出目标;接着利用数学形态学运算去除提取结果中的孤立噪点,并填充目标内部孔洞,得到连续化、圆滑的目标边缘;最后对处理后的侧扫声呐图像进行边缘检测,提取出目标轮廓。实验结果表明:该算法思想简单易行,具有很强的克服背景噪声的能力,自动提取的目标轮廓连续性较好,结果准确可靠。目前,在侧扫声呐图像目标轮廓提取过程中,主要采用人工方式,自动性较差,效率较低。本文算法可以实现目标轮廓的自动提取,提高效率,具有较强的实用价值。     

基于LOG算子的侧扫声呐图像水下小目标检测算法研究

针对侧扫声呐图像噪声干扰严重、分辨率低、目标轮廓模糊等特点，提出了一种基于LOG算子的侧扫声呐图像水下小目标检测算法。首先，根据侧扫声呐图像中水下小目标成像特点，对声呐图像进行滤波及聚类分割，大幅降低图像中噪声；然后，采用斑点检测思想，提取侧扫声呐图像中疑似目标区域；最后，基于自动阈值分割算法对声呐图像进行分割，获取目标区域二值图像，使用二阶矩估计目标尺度，剔除虚假目标，最终实现水下小目标准确检测。实验结果表明：该方法计算速度快、检测成功率高，对侧扫声呐图像中的水下小目标具有良好的检测效果。     

基于导航雷达海面回波图像去噪研究

根据海面X波段雷达回波图像数据的时空特点,提出了一种新的去噪方法。该方法利用线检测对雷达图像中的射线状噪声进行分离,然后针对这种特殊的噪声形式提出一种阈值分割的方法,最后在极坐标下针对噪声点进行插值修复。实验表明,与传统的均值滤波和中值滤波等方法相比,新方法无论在主观视觉还是信噪比方面,都有了一定改进,图像保留了更多的细节信息,具有较好的去噪效果。     

基于小波的水下图像后向散射噪声去除

介绍水下图像成像的特点,分析影响水下成像的主要因素:吸收和散射。在此基础上,采用小波的方法对水下图像进行去噪。首先对低频系数采用了LUM滤波器进行滤波,然后对高频系数采用了NeighShrink方法和对其改进后的ENS方法进行去噪。通过实验证实,该方法去除水下图像噪声具有较好的效果。     

SAR图像滤波去噪效果评价研究--以福建省海岸带为例

在分析斑点噪声产生机理和主要滤波算法的基础上,将均值滤波、中值滤波、Lee滤波、Lee-Sigma滤波、局域滤波、Frost滤波、Gamma-MAP滤波等常用算法用于福建省海岸带JERS-1 卫星SAR图像的斑点噪声去除,并参照多种评价指标对各种滤波器的去噪效果进行了比较.     

利用粗集理论的声呐图像边缘锐化

边缘锐化是图像增强的重要内容。声呐图像像素少品质恶劣,边缘锐化是个难题。粗集理论是一种新的处理含糊和不确定性问题的数学工具,它为智能信息处理提供了有效的处理技术。将粗集理论应用于声呐图像的边缘锐化中,给出了实验结果。结果表明这种方法具有可行性。     

可变尺度区域拟合模型的侧扫声纳分割方法

为解决现有侧扫声纳图像目标分割准确度不高的问题,提出一种联合最大熵去噪和可变尺度区域拟合模型的侧扫声纳图像分割方法。首先,计算图像一维熵,基于最大熵原则对侧扫图像进行降噪处理,提高图像质量,并根据峰值信噪比评判降噪效果;然后基于可变尺度区域拟合模型,采用高斯核函数对分割活动轮廓进行约束,分割降噪后的侧扫声纳图像。通过对含有不同目标物的侧扫声纳图像进行分割实验,验证了联合最大熵去噪和可变尺度区域拟合模型的有效性。     

Curvelet变换域侧扫声纳图像增强算法

针对海底侧扫声纳图像对比度低、纹理弱、噪声严重等问题,提出了一种基于第二代Curvelet变换的声纳图像增强算法。首先对原始声纳图像进行多尺度、多方向的Curvelet变换分解,得到低频子带和高频子带;然后引入非线性S型函数对低频系数进行处理,提高图像整体的对比度;采用一种可以避免过度增强的新型非线性函数对各尺度的高频子带系数进行处理,提高图像整体的对比度,增强图像边缘和纹理细节,并通过估计噪声水平设定阈值进行阈值降噪。最后经Curvelet逆变换得到增强图像。实验表明,该方法不仅改善了海底侧扫声纳图像对比度低的问题,而且降低了噪声,突出了声纳图像的边缘和纹理细节。     

联合小波和NLM滤波的侧扫声纳回波信号降噪

为进一步降低侧扫声纳回波信号中非高斯分布的乘性噪声,获取更佳效果的侧扫声纳图像,提出了一种利用小波和NLM(nonlocal means)滤波的组合降噪方法。首先采用同态变换将侧扫声纳回波ping信号中的乘性噪声转换为加性噪声,然后利用小波阈值和NLM滤波对侧扫声纳每ping回波数据实施降噪处理,最后经过小波反变换和指数变换获取降噪后信号和图像。仿真实验和实测数据验证结果表明,该方法适用于侧扫声纳回波信号处理,可以获取较好的图像降噪效果。     

Detection of objects on the sea bottom using backscatteringcharacteristics dependent on the observation point

Sector-scanning sonar systems image the sea bottom to detect objects that can be distinguished from the background structure of the sea bottom. In current systems, images are displayed and discarded as new image data become available, In this paper, a method for improving sonar detection by utilizing all images in a sequence is investigated. The proposed method requires that sonar data are acquired with a sector-scanning sonar in a side-looking configuration. It is demonstrated that these data can be used to detect observation-point-dependent changes in sea-bottom backscattering characteristics. These changes provide additional cues for discrimination that can improve the detection of objects on the sea bottom. Results of applying the method to experimental data are presented     

The practical implementation of electronic stabilization for sectorscanning sonar displays

The natural motion of a ship at sea produces undesirable effects on sonar displays. To overcome this problem some form of stabilization is desirable. A practical sonar display system, which uses image processing techniques to stabilize the displayed sonar image against rotational motion is described. The stabilization method provides the capability of image enhancement as well as improved image interpretation due to an increased area of view and a geometrically correct conversion to polar display. Details of the three processing stages required in the system are provided. These processes are ship motion analysis, image integration, and polar display conversion. Stabilized results are given for simulated ship motion     

基于小波变换的声纳图像边缘特征检测研究

声纳图像的边缘特征检测是其目标识别技术的重要技术基础。声纳图像背景复杂、噪声污染严重,而传统的边缘检测方法对图像噪声非常敏感,所以针对这一特点,利用小波变换易于消除噪声、运算方便的数学特征,提出了一种基于小波变换的声纳图像边缘特征检测算法。由计算机仿真结果可以得到,与传统的边缘检测算法相比,此算法在有效地抑制噪声的同时,还可以得到较高的边缘定位精度,能够很好地检测到原始声纳图像的边缘。     

多波束声呐图像条带中央和边缘残差处理方法

多波束声呐图像是进行海底底质分类的主要数据源之一,由于受海洋噪声、声波散射和混响、仪器设备等因素影响,其经各项常规改正后仍存在明显残差,突出表现在中央波束区和条带重叠区,难以形成高质量的声呐图像。文中分析了多波束声呐图像残差的成因及影响,提出了一种基于多条带最小二乘拟合的多波束声呐图像残差处理方法。首先,得到相邻声脉冲(ping)信号中央区域、重叠区域以及整体趋势的拟合函数;然后,通过拟合函数计算得到中央和重叠区域的残差改正系数;最后,通过改正系数进行残差改正。实验分析表明,该方法在保留原始细节的基础上,有效削弱了残差对声呐图像的影响,对多波束声呐图像处理具有参考和应用价值。     

一种基于MATLAB的声呐条带图像自动拼接算法

准确地实现侧扫声呐条带的拼接对于了解海底地形、提高对海床地物反映的准确度起着重要的作用,而相邻条带的配准是声呐条带拼接的重要前提.MATLAB以其强大的矩阵运算功能及具有丰富的图像处理函数等特点,在图像处理方面占据明显的优势.文中利用MATLAB的IPT工具箱实现了基于互信息方法的声呐条带图像的自动快速配准,通过实验验证了该配准方法的有效性.并用小波变换方法对配准好的条带图像进行融合,实现声呐条带图像的有效拼接和镶嵌.