共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
3.
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。 相似文献
4.
基于MRF场的侧扫声呐图像分割方法 总被引:1,自引:0,他引:1
为了利用侧扫声呐进行水下目标自动探测和识别,首先必须将声呐图像分为目标高亮区、海底混响区和目标阴影区.由于声呐图像有强背景噪声,传统的图像分割方法显得无能为力,故采用基于MRF场的图像分割方法来准确地分割.根据侧扫声呐目标的成像特点,建立了分割的约束条件;利用阴影与目标的灰度均值比很小这一特点进行初始分割,然后根据分割后目标与阴影的宽度差来剔除虚假目标,由初始分割的结果求得MRF模型初始参数,再采用迭代条件估计得到最终的模型参数和准确的分割结果.由于考虑了相邻像素间的依赖关系,具有抗噪性强、分割效果好的优点,从理论上说是合理的.实测数据分析也证明了这种算法的优越性. 相似文献
5.
6.
人工鱼礁的投放是海洋牧场建设的重要措施,为实现大范围人工鱼礁信息的自动识别提取,提出了一套基于侧扫声纳影像的人工鱼礁自动识别方法。首先使用侧扫声纳后处理软件对采集的数据进行预处理,再对预处理后的图像进行均值平滑滤波整体去噪、自适应平滑滤波局部去噪、极差滤波锐化图像、提取目标边缘判定目标、二值化,最后进行矩阵运算提取礁体及其声影区,最终获得鱼礁的位置信息。实验结果表明,本方法应用于两种侧扫声纳图像人工鱼礁识别,正确度达94%以上,完整度达85%以上,且具有良好的通用性,能够为海洋牧场建设中人工鱼礁投放质量评估提供科学的数据支撑。 相似文献
7.
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。 相似文献
8.
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。 相似文献
9.
10.
椒盐噪声是常见的图像噪声,典型的图像平滑算法不能区分海岸带高分辨率遥感图像中的噪声点和信号点,常造成图像平滑后海岸线等细节损失。提出先识别噪声点再进行去噪的新方法,通过统计关联参数用双阈值识别噪声,然后用中心权值为零的模板平滑噪声点。实验表明,该方法在滤除椒盐噪声的同时,较好地保持了海岸线等细节。 相似文献