基于粗糙集的声呐图像分割
图像分割是将图像中感兴趣的区域提取出来的技术,对于最终目标的正确识别至关重要。图像分割作为声呐图像处理的难点与热点,得到了研究者广泛的关注。
本文使用粗糙集理论对声呐图像进行分割,粗糙集理论是解决不完整、不确定、不精确问题的有效方法,对于处理缺乏先验知识的声呐图像分割问题,粗糙集理论提供了一种非常好的解决方案。本文主要内容如下:(1)在图像分割中,本文提出使用标准差、欧氏距离和最大梯度作为确定声呐图像边缘的主要特征,利用这三个特征分别构造单特征、双特征和三特征的粗糙集不可分辨关系,通过实验讨论了不同特征构造不可分辨关系对分割结果的影响,利用不可分辨关系对图像进行等价类划分。
(2)本文提出了基于假设检验的自适应区域融合方法。使用图像横纵方向的方差均值作为等价类融合的重要判定条件,相邻标号等价类中的像素个数为t-检验或Z-检验等价类融合的条件,融合后给等价类重新赋予新的标号,当标号不再变化时视为融合结束,去除图像孤立区并给等价类赋以不同颜色,得到最终的分割图像。
本文算法主要适用于声呐图像,并取得了较好的分割效果。


雷达卡


京公网安备 11010802022788号







