导读:本文包含了声纳图像分割论文开题报告文献综述及选题提纲参考文献，主要关键词:THC熵,直方图,遗传算法,声呐图像
声纳图像分割论文文献综述
王睿怡[1]（2018）在《遗传算法优化的叁维直方图上THC熵声纳图像分割》一文中研究指出声呐技术在海洋开发领域起的作用越加重要,越来越多的科研人员投身此方向的研究。声呐图像处理是其中一项关键的技术,其过程一般可分为:声呐图像的滤波去噪、声呐图像分割、声呐图像的特征提取和目标识别。其中如何准确地将声呐图像分割己经成为声呐图像处理领域中的重要研究内容之一。海底声呐图像根据其本身特点一般可以分为目标亮区(简称亮区)、目标暗区(简称暗区)以及海底混响区(简称混响区)。其中亮区与暗区一般为人们所关心研究的区域,混响区一般为复杂海底环境形成的背景区。声呐图像分割的目的就是将目标亮区、暗区完整准确地与复杂海底混响分割开。本文就声呐图像的分割方法进行了研究,研究的内容主要如下:首先,本文简单介绍了一些常用的对图像进行滤波去噪的方法,并使用维纳滤波来抑制声呐图像所含的噪声。维纳滤波的核心思想是均方误差最小准则,它属于一种传统线性滤波的方法。它可以在取得较好滤波效果的同时,较为完整的保持图像的细节和边缘信息。其次,本论文采用基于直方图的THC(Tsallis-Havrda-Charva't)熵分割方法对声呐图像进行分割。THC熵以香农熵为基础,在其概念上进行了扩展,引入了代表系统不可拓展程度的参数,具有非可加性。它考虑了两个子系统之间的相互作用,更具有普适性且更为有效。本文将THC熵图像分割方法由经典的基于一维直方图、二维直方图拓展到了基于叁维直方图,进一步利用了图像的局部空间灰度信息,但同时导致了运算量成指数的迅速增加。然后,由于基于叁维直方图的THC熵图像分割方法的运算量十分庞大、耗时较长,为降低其运算量节省程序运行时间,本文采用遗传算法对基于叁维直方图的THC熵声呐图像分割方法进行优化。最后,本文分别采用不同特征构建二维、叁维直方图,并用基于不同特征的直方图THC熵图像分割方法对声呐图像进行分割。讨论了不同的特征构建的直方图应用于直方图THC熵图像分割时,对分割效果的影响。(本文来源于《内蒙古大学》期刊2018-06-12）
夏平,刘小妹,雷帮军,吴涛[2]（2016）在《基于复小波域树结构化MRF模型的声纳图像分割》一文中研究指出声纳图像受成像环境影响对比度低,特性信息较弱,且图像分辨率不高,用传统的分割方法效果较差,为此,构建了双树复小波域树结构化的MRF模型(TS-MRF),提出了基于此模型的声纳图像分割算法。双树复小波变换(DT-CWT)具有近似平移不变性和良好的方向选择性,其多分辨率分析能有效地提取声纳图像的弱特征信息,以便TS-MRF中节点参数的描述能准确地反映树结构的分布规律和图像统计特性;复小波域6个方向高频子带相互独立,尺度间父子节点标号具有一阶Markov性;尺度内构建TS-MRF模型,且每一节点标号依赖于父节点,采用Potts模型对节点标号势函数建模,相同标号的观测特征用高斯模型建模;最后,用多分辨率递归和每一分辨率分类层次树从顶层向底层的尺度内递归算法来求解最大后验概率,实现分类层次树标号,完成声纳图像分割。实验结果从视觉效果和定量分析两方面验证表明,本文算法能有效地抑制噪声,较好地提取声纳图像的弱特征信息,具有较高的分割精度和鲁棒性。(本文来源于《仪器仪表学报》期刊2016年04期）
许枫,苏瑞文,张纯,安旭东[3]（2015）在《双阈值Ostu算法的侧扫声纳图像分割》一文中研究指出为了利用侧扫声纳进行水下目标的探测和识别,首先必须将声纳图像分为亮点、阴影和背景叁部分。由于多数侧扫声纳图像各部分灰度对比较明显,所以适合采用阈值分割的方法进行图像分割。本文针对基本的Ostu阈值提取算法,提出了改进的双阈值Ostu算法,从而满足将图像分为叁部分的需求,得到分割阈值。在Ostu算法中,除了使用灰度均值,还使用了灰度方差作为特征量对阈值进行了自动提取。然后根据侧扫声纳图像的特征提出了一种快速分割的算法,将提取的阈值应用到该算法中,成功地将侧扫声纳的亮点和阴影在复杂的背景噪声中分割提取出来。并且发现方差比均值更适合用于Ostu算法进行图像分割,得到的分割效果更好,提高了算法的正确性和合理性。(本文来源于《网络新媒体技术》期刊2015年06期）
李阳,庞永杰,盛明伟[4]（2015）在《结合空间信息的模糊聚类侧扫声纳图像分割》一文中研究指出目的针对侧扫声纳图像具有背景复杂、噪声污染重等特点,提出一种结合空间信息的模糊聚类分割算法(FCM),以提高侧扫声纳图像的分割精度和分割速度。方法采用结合组合邻域中值滤波的FCM算法,首先选取正十字邻域和斜十字邻域,分别计算两个邻域内的像素灰度中值;然后,结合其中的较小值,引入惩罚项,得到融合灰度信息和空间信息的灰度值;最后,对融合后的灰度图像进行FCM分割。结果利用该算法对不同尺寸和不同目标的侧扫声纳图像进行分割,并将分割结果与其他5种聚类算法的分割结果进行比较,对比分析每种算法的分割精度和运算时间。结合中值滤波的FCM算法的分割精度和运算时间均优于传统的FCM算法和结合均值滤波的FCM算法,其中结合组合邻域中值滤波的FCM算法的运算速度较快,分割精度略高于结合传统中值滤波的FCM算法。结论结合组合邻域中值滤波的FCM算法在对侧扫声纳图像进行分割时,具有较强的抗噪性、实时性和较强的边缘保持能力。(本文来源于《中国图象图形学报》期刊2015年07期）
王胜[5]（2014）在《多目标声纳图像分割算法研究》一文中研究指出我国具有广阔的海域,随着我国的经济发展,国力日益强盛,对海洋开发的重视程度也越来越高。声纳成像技术现在已成为水下探测的重要技术之一,在水下导航、目标跟踪等方面具有不可替代的作用。而声纳图像承载着水下声纳设备探测到的绝大部分信息,对其的研究已经成为数字图像处理领域的重要分支之一。其中,声纳图像分割算法的研究是声纳图像处理的重要基础部分。声纳图像具有分辨率低、噪声严重的特点,随着声纳图像的应用越来越广泛,人们对声纳图像分割的要求也越来越苛刻。本文在相关课题的背景下,研究了多目标图像分割的相关算法。声纳图像的分割主要应用于水下目标探测和水下目标跟踪等领域。一般的图像分割问题指研究将目标从背景中分离出来的方法,并未针对不同目标的特征进行分割的研究。由于以前声纳图像获取困难并且应用范围很小,并且声纳图像具有噪声严重,目标特征不明显,边缘模糊,目标灰度值分布不均匀等特点,研究声纳图像的分割问题比光学图像要复杂和困难。随着声纳设备的推广和升级,声纳图像的分辨率也越来越高,这就为研究更复杂情况下的声纳图像分割问题提供了可能。随着各国水下活动的日益频繁,人们获得的声纳图像内容也越来越多样和复杂,因此,非常有必要研究声纳图像的多目标图像处理方法,本文主要针对多目标声纳图像的分割问题进行研究。本文针对声纳图像的特点,首先介绍了图像分割国内外的研究现状,然后针对声纳图像研究了相关的图像降噪算法;一般对声纳图像进行滤波处理后,图像会变得模糊,不利于对声纳图像的分割,本文提出一种基于中值滤波和邻域像素灰度值压缩和拉伸的声纳图像预处理方法,通过实验验证,本文提出的算法能够在对声纳图像进行滤波的同时,增强目标和背景的对比度,相比传统的滤波方法,大大降低了声纳图像中目标的分割难度。然后针对多目标图像分割问题,对一些常用的分割理论和方法进行了介绍,包括支持向量机的方法、基于几何蛇模型的方法、水平集方法、聚类的方法以及基于区域分割的方法等。本文在对声纳图像进行滤波的基础上,着重研究了基于模糊C均值聚类的多目标声纳图像分割方法,并且针对模糊C均值聚类的缺点,利用经验模式分解对多目标声纳图像进行了重构,实验证明本文方法能够降低多目标声纳图像中噪声对分割的影响并且突出了感兴趣区域。最后,本文研究了基于灰度直方图分层的多目标图像分割方法,将多目标声纳图像的分割通过灰度直方图分层转化成单目标声纳图像的分割,并通过改进的Otsu法和粒子群优化算法的结合对图像进行了分割实验,实验结果证明本文方法的正确性和可行性。(本文来源于《哈尔滨工程大学》期刊2014-12-25）
李轲,刘忠,李翀伦,张国栋[6]（2013）在《基于标记和模糊聚类的分水岭声纳图像分割》一文中研究指出针对传统分水岭算法在处理声纳图像时存在严重的过分割现象,提出一种结合分割前处理和后处理两类方法优点的算法.首先利用H-min变换技术提取区域极小值和新的标记,对标记后的图像进行分水岭图像分割;然后结合改进适应度函数的粒子群全局寻优算法,从初分割的小区域中搜索出较为准确的初始聚类中心,利用这个聚类中心和改进目标函数的模糊C-均值聚类算法,再对分割后的小区域聚类,并控制迭代次数,以提高分割速度.实验结果表明:该方法能够有效消除过分割现象,提高声纳图像处理效果,有效分割率达89%,处理时间提高30%以上.(本文来源于《华中科技大学学报(自然科学版)》期刊2013年06期）
王雷[7]（2013）在《侧扫声纳图像分割算法研究》一文中研究指出侧扫声纳自诞生以来在民用和军事领域均得到了广泛应用。随着计算机技术的迅猛发展及数字化的侧扫声纳出现，侧扫声纳图像目标的自动分割和自主识别技术促进了水下智能设备的发展。由于水下复杂环境和其他因素影响，侧扫声纳图像具有噪声污染严重，对比度差等特点。研究人员利用各种预处理方法对侧扫声纳图像进行处理，并研究各种分割算法对侧扫声纳图像进行分割，取得了一定的成果，但依然没有一种成熟的方法。在实际的侧扫声纳图像分割应用中，对算法的稳定性、分割精度和分割速度有着不同的要求。本文深入研究模糊聚类算法和水平集算法改进方法，提高分割精度和算法的稳定性。同时提出改进的分层马尔科夫模型分割算法和利用辅助信息的特定目标分割算法，实现对侧扫声纳图像快速准确分割。通过阅读大量文献，对国内外现状的分析，确定了本文的主要工作：（1）对侧扫声纳图像预处理方法进行研究。通过对侧扫声纳数据进行解码，在原始数据的基础上，提出航向角优化模型和航向角校正算法。对图像进行几何校正，并建立了图像坐标和地球坐标的转换规则。对灰度校正方法进行了研究，进一步提高图像质量。对侧扫声纳图像的纹理描述方法进行了介绍，并提取了侧扫声纳图像的GMRF纹理和Gabor纹理。对侧扫声纳图像滤波算法进行研究，提出一种改进的BEMD的图像滤波算法。为后续的分割工作开展打下基础。（2）对基于聚类的侧扫声纳图像分割算法进行研究。利用常用的几种分割算法对侧扫声纳图像进行处理，找出了其不足之处。利用纹理特征对算法进行改进，分析了初始聚类中心选定的规则，重写了隶属度函数，获得了一定的成果。然后进一步结合改进的BEMD滤波方法，对算法进行融合。通过大量侧扫声纳图片分割实验证明，该算法具有稳定的分割性能，对不同图片均由很强的适应能力。（3）对基于水平集的侧扫声纳图像分割算法进行研究。对CV模型、四相水平集模型和分层水平集模型这些基本模型进行了介绍，并利用这些模型进行了分割实验。在此基础上，结合图像纹理信息，进一步研究了基于GMRF纹理能量驱动的水平集模型和Gabor纹理驱动的模型。通过对这些模型缺点的分析，提出了改进的四相水平集分割模型和快速分层的水平集模型。能够获得更好的分割结果，并一定程度提高算法的分割速度。（4）提出基于分层MRF的侧扫声纳图像快速分割算法。介绍了平面MRF模型和分层MRF模型。针对分层MRF，通过将传统的侧扫声纳图像的目标区和阴影区归为一类，减少了MRF模型参数。利用灰度统计的方法描述图像灰度分布，减少了利用灰度分布模型描述时的参数估算的计算量。通过分割实验验证了算法的快速性和有效性。为了进一步提高分割速度和分割精度，提出了专家数据库辅助的分割算法。获得了良好的效果。（5）对全文提出的算法应用进行了说明，提出了特定目标的分割算法。利用区域检验法对侧扫声纳图像中孤立目标进行分割，通过对特定形状目标的几何空间特征进行分析，提出了区域判断法，结合前文内容，对特定尺寸的目标分割方法进行了说明。最后对前几章中提到的各种分割算法的特点和应用环境进行了说明。本文最后对全文的创新点和研究成果进行了总结，对还需要解决的问题和接下来要做的工作进行了说明和展望。(本文来源于《哈尔滨工程大学》期刊2013-03-15）
王雷,叶秀芬,王天[8]（2012）在《模糊聚类的侧扫声纳图像分割算法》一文中研究指出针对侧扫声纳图像的特点,利用二维经验模态分解(BEMD)将图像分解成若干固有模态函数(IMF)和1个余量.分析了侧扫声纳图像背景区的图像频率特征,通过增强目标和阴影的特征信息降低噪声的影响.提取图像的高斯马尔可夫纹理(GMRF),用来表达图像像素点间的空间关系,以减少图像的误分割.利用BEMD和GMRF改进模糊C均值聚类算法,提出了新的聚类准则和距离函数,形成一种新的模糊聚类算法.利用该算法对不同的侧扫声纳图像进行分割,并将分割结果与其他典型的聚类算法的分割结果进行比较,验证了该算法的抗噪性和准确性.(本文来源于《华中科技大学学报(自然科学版)》期刊2012年09期）
刘光宇,卞红雨,石红[9]（2012）在《结合形态学运算的谱抠图声纳图像分割法》一文中研究指出针对数字抠图与图像分割之间的联系,提出一种结合形态学运算的谱抠图声纳彩色图像分割法。首先通过形态学中的顶帽(top-hat)变换和底帽(bottom-hat)变换去除声纳图像中阴影的影响和背景的不均匀性,并进行图像增强;其次,将数字抠图中的alpha值考虑到图像分割中,通过全局平均迭代阈值法获取阈值,对抠图所获alpha图像进行阈值处理得出分割结果;最后,与多种现有的分割方法进行仿真对比实验,实验结果证明了本文分割方法的有效性。(本文来源于《吉林大学学报(工学版)》期刊2012年01期）
邢玉秀,刘纪元[10]（2011）在《基于混合能量模型水平集的合成孔径声纳图像分割方法》一文中研究指出本文讨论了合成孔径声纳图像分割问题。首先介绍了Chan-Vese模型水平集方法,针对该模型存在的边界定位和重复初始化等问题,提出了一种改进的水平集方法。该方法的能量模型由区域信息项、边界信息项和距离约束函数构成的内部能量项叁部分混合形成,既兼顾了全局优化特性和局部定位精度,又避免了水平集函数重复初始化,提高了运算效率。实验结果表明,该模型对于噪声干扰严重、边缘模糊的合成孔径声纳图像分割效果良好。(本文来源于《应用声学》期刊2011年05期）
声纳图像分割论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
声纳图像受成像环境影响对比度低,特性信息较弱,且图像分辨率不高,用传统的分割方法效果较差,为此,构建了双树复小波域树结构化的MRF模型(TS-MRF),提出了基于此模型的声纳图像分割算法。双树复小波变换(DT-CWT)具有近似平移不变性和良好的方向选择性,其多分辨率分析能有效地提取声纳图像的弱特征信息,以便TS-MRF中节点参数的描述能准确地反映树结构的分布规律和图像统计特性;复小波域6个方向高频子带相互独立,尺度间父子节点标号具有一阶Markov性;尺度内构建TS-MRF模型,且每一节点标号依赖于父节点,采用Potts模型对节点标号势函数建模,相同标号的观测特征用高斯模型建模;最后,用多分辨率递归和每一分辨率分类层次树从顶层向底层的尺度内递归算法来求解最大后验概率,实现分类层次树标号,完成声纳图像分割。实验结果从视觉效果和定量分析两方面验证表明,本文算法能有效地抑制噪声,较好地提取声纳图像的弱特征信息,具有较高的分割精度和鲁棒性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
声纳图像分割论文参考文献
[1].王睿怡.遗传算法优化的叁维直方图上THC熵声纳图像分割[D].内蒙古大学.2018
[2].夏平,刘小妹,雷帮军,吴涛.基于复小波域树结构化MRF模型的声纳图像分割[J].仪器仪表学报.2016
[3].许枫,苏瑞文,张纯,安旭东.双阈值Ostu算法的侧扫声纳图像分割[J].网络新媒体技术.2015
[4].李阳,庞永杰,盛明伟.结合空间信息的模糊聚类侧扫声纳图像分割[J].中国图象图形学报.2015
[5].王胜.多目标声纳图像分割算法研究[D].哈尔滨工程大学.2014
[6].李轲,刘忠,李翀伦,张国栋.基于标记和模糊聚类的分水岭声纳图像分割[J].华中科技大学学报(自然科学版).2013
[7].王雷.侧扫声纳图像分割算法研究[D].哈尔滨工程大学.2013
[8].王雷,叶秀芬,王天.模糊聚类的侧扫声纳图像分割算法[J].华中科技大学学报(自然科学版).2012
[9].刘光宇,卞红雨,石红.结合形态学运算的谱抠图声纳图像分割法[J].吉林大学学报(工学版).2012
[10].邢玉秀,刘纪元.基于混合能量模型水平集的合成孔径声纳图像分割方法[J].应用声学.2011