基于小波分析的声呐图像边缘检测算法

发布时间：2025-05-26 22:06

　　边缘被用来描述图像的主体轮廓,是后续图像分割和模式识别的关键。对于声呐图像而言,提取边缘就相当于从复杂的海底混响区中提取出目标的亮区和暗区。对声呐图像影响最大的噪声是散斑噪声,有效去除散斑噪声是提高声呐图像边缘检测的基础。由于小波变换在时域和频域都有良好的局部化特性,容易检测到图像的细节信息,因此本文采用小波变换对声呐图像进行滤波和边缘检测。本文主要研究内容如下:在声呐图像去噪方面:在半软阈值函数的基础上提出了新的阈值函数,得到改进滤波方法一,将改进滤波方法一和改进Frost滤波相结合得到改进滤波方法二。通过实验证明两种改进方法的边缘保持能力和所含信息量都优于经典算法和对比算法。在声呐图像边缘检测方面:将高斯函数的一阶导数作为小波基,标准差σ就是尺度参数。结合图像的灰度特性,提出一种自适应尺度参数σ的算法。该算法优化了自适应尺度参数,并对改进滤波方法二的实验结果进行边缘检测,得到初始边缘。将初始边缘分块,利用分块阈值法得到最终边缘。通过实验证明改进方法提取的边缘在定位和信噪比方面都优于本文提到的经典算法。

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

图3.5声呐图像1的各算法滤波评价指标折线图

图3.5声呐图像1的各算法滤波评价指标折线图g3.5TheEvaluationIndexLineGraphOfEachFilteringAlgorithmOfSonarImag分析，由表3.1和图3.5可知：半软阈值滤波的EPI值最大....

图3.7声呐图像2的各算法滤波结果折线图

图3.7声呐图像2的各算法滤波结果折线图Fig3.7TheEvaluationIndexLineGraphOfEachFilteringAlgorithmOfSonarIm分析，由表3.2和图3.7可知：半软阈值滤波的EPI值最大，边....

图3.9声呐图像3的各算法滤波结果折线图

图3.9声呐图像3的各算法滤波结果折线图Fig3.9TheEvaluationIndexLineGraphOfEachFilteringAlgorithmOfSonarIm分析，由表3.3和图3.9可知：半软阈值滤波的EPI值最大，边....

图3.11声呐图像4的各算法滤波结果折线图

图3.11声呐图像4的各算法滤波结果折线图Fig3.11TheEvaluationIndexLineGraphOfEachFilteringAlgorithmOfSonarI分析，由表3.4和图3.11可知：Lee滤波的EPI值最大....

本文编号：4047045