收藏本站 劰载中...网站公告 | 吾爱海洋论坛交流QQ群:835383472

空间约束 FCM 与 MRF 结合的侧扫声呐图像分割算法

[复制链接]
7 |* h8 b( z3 Q6 I# J( n

[1]霍冠英, 刘静, 李庆武,等. 空间约束FCM与MRF结合的侧扫声呐图像分割算法[J]. 仪器仪表学报, 2017, 38(1):10.

9 s3 I1 D4 a2 t. B

阅读量:

# ]$ J w9 B9 m# G# d4 d, ]

152

" q% w+ r' d% J! e, q! d& U

作者:

霍冠英刘静李庆武周亮基% J2 K6 M7 r' X1 J& ~6 C8 x6 y. S

摘要:

& K% s8 r2 t/ a# v* f, G3 s% h! l

针对侧扫声呐图像斑点噪声强,目标分割困难的问题,提出了一种基于空间约束的快速模糊C均值聚类(SCFFCM)与马尔可夫随机场(MRF)相结合的分割算法.为克服噪声干扰,该算法首先基于贝叶斯最大后验概率理论在非下采样Contourlet变换域去除声呐图像中的强斑点噪声;然后为加快分割速度,提出SCFFCM算法,该算法用于给出一个较好的初始分割;接着由初始分割计算MRF模型的约束场,再根据图像邻域内灰度波动情况自适应更新结合权值,进而求解得到FCM模糊场与MRF约束场的联合场,并基于最大概率准则得到分割结果;最后,采用形态学去除分割结果中的孤立噪点,并完成孔洞填充.对仿真及实际的侧扫声呐图像的分割实验结果表明,所提算法较FCM和现有的一些FCM改进算法有更强的抗噪能力,更高的分割精度以及更快的运算速度.

& J) r/ I" f5 m( o. I/ C: o/ ]

展开

2 Y2 H I+ d4 c; U9 z

关键词:

侧扫声呐图像分割 空间约束 快速模糊C均值聚类算法 初始分割 马尔可夫随机场 1 g: c! T- y, r/ O1 j. Y

DOI:

5 g0 C: M y5 C+ i0 t

10.3969/j.issn.0254-3087.2017.01.030

4 {( T. V1 G( U( b7 g5 e9 z

被引量:

4 $ e7 X; L0 q! e6 O. [

年份:

2017 7 S" K! s9 D: c( X6 c8 ?! m

2.1 FCM 算法

7 R$ \1 z/ }: x! K1 f

2.2 马尔科夫随机场

# G! ?7 z1 u4 v3 f0 n( S

3.1 算法流程

. i3 v+ ^& r: i! y F

针对侧扫声呐图像斑点噪声强,分割困难的问题,提出了一种新的分割算法,该算法主要包含 4 个处理步骤:

5 d8 j8 Q1 |3 B* t4 c# M3 Y- H

1) 首先基于贝叶斯最大后验概率理论在 NSCT 域对图像进行去噪; 2) 然后根据空间约束的快速 FCM 算法获取声

3 F7 n" \5 F" m, x: w5 l/ e

呐图像的初始分割结果,进而计算出马尔科夫模型的空间约束场; 3) 接着根据邻域内灰度波动情况更新结合权

' b" b! w+ u8 h, F

值,求解 FCM 模糊场与 MRF 约束场的联合场; 4) 最后用形态学开闭运算对分割结果进行优化。

) ~; |9 c! }0 g

3.2 基于贝叶斯估计的 NSCT 域去噪算法

8 G( M- v/ J. I, a# c7 M/ k

3.3 SCFFCM 算法

! R* T; j/ ?( c& d2 B8 F

3.4 SCFFCM 与 MRF 相结合的侧扫声呐图像分割方法

+ t" L' q- J7 K: `; o; o

3.5 基于形态学运算的分割图像后处理

, v" d0 ?- Q9 b0 t Q/ E

4.1 模拟侧扫声呐图像分割

( N% _; g( ^" d5 a7 B

表 1 侧扫声呐模拟图像分割精度与运算时间对比

# S j b# `5 x2 e4 M2 |

Table 1 The comparison of the segmentation precision and operation time for simulated side-scan sonar images

# e8 \* Y4 v- t7 u1 T7 d* Y" ]

4.2 真实侧扫声呐图像分割

/ c0 Q: A- m" a: L% U" E3 _

在对真实侧扫声呐图像进行分割时,以手动分割 的结果作为正确分割率的参考标准,对各分割结果进行定量分析。通过选取不同大小( 图 3 为 262 × 262,图 4 为 281 × 231,图 5 为 147 × 285,图 6 为 293 × 314) 、不 同目标的侧扫声呐图像进行大量实验,对比分析各算 法的分割精度以及运行时间,以说明本文算法的优越性。

$ K$ V) ^7 |+ |: n! p
3 不同算法分割结果比较( 262 × 262) Fig.3 The comparison of the segmentation results for different methods( 262 × 262)
4 不同算法分割结果比较( 281 × 231) Fig.4 The comparison of the segmentation results for different methods( 281 × 231)
5 不同算法分割结果比较( 147 × 285) Fig.5 The comparison of the segmentation results for different methods( 147 × 285)
图 6 不同算法分割结果比较( 293 × 314) Fig.6 The comparison of the segmentation results for different methods( 293 × 314)

图 3 ~ 6 分别为大小不同的真实声呐图像,图( a) 为原始图像,图( b) 为手动分割效果图,图( c) ~ ( h) 分别为 采用 FCM、快速 FCM、SCFFCM、FCM-MRF、FLICM 及本文 算法得到的分割结果图。从图 3 ~ 6 中的图( e) 可知,SCFFCM 在各种情况下均能以较快的速度( 见表 2) 提供一个不错的初始分割结果,而 FCM、快速 FCM 以及 FCM- MRF 算法只对噪声相对较弱的部分图像具有较好的分割效果,算法的鲁棒性有待提高。FLICM 算法及本文算法鲁棒性较好,在各种情况下均能够取得较好的分割效果。较之 FLICM 算法,本文算法在显著降低运算时间的同时,分割精度也略有提升。表 2 为不同声呐图像各分割结果的定量比较,从表 2 中的定量指标可以看出,本文算法在保证较高分割精度的同时大大降低了算法的运行时间,算法快速而准确。

3 P5 i, J E' w! N

表 2 侧扫声呐图像分割精度与运算时间对比

. B* @- Y, Z5 n( A

Table 2 The comparison of the segmentation precisionand operation time for side-scan sonar images

8 [8 o2 r2 V" H8 M4 S. B. l

5.结论

. O, J. J, f( V! [

针对侧扫声呐图像分割问题,提出了一种基于空间约束的快速 FCM 与 MRF 的分割算法。该算法充分考虑了图像的灰度及空间信息,通过引入直方图对聚类数据空间进行压缩,大大降低了算法的计算复杂度。通过与MRF 模型结合进一步提高算法抗噪性,最后通过引入形态学后处理优化分割结果。实验结果表明,所提算法在对侧扫声呐图像进行分割时,不仅速度较快,而且精度也较高。

( H. Q, ]3 E5 l" E ( K/ y) D% [% X; E( A7 D# w" e8 Y0 A& N' z( O; L & l+ ]. r6 h/ S& l 9 R( Q7 a. \. n' z5 {
回复

举报 使用道具

相关帖子

全部回帖
暂无回帖,快来参与回复吧
懒得打字?点击右侧快捷回复 【吾爱海洋论坛发文有奖】
您需要登录后才可以回帖 登录 | 立即注册
原来可以笑
活跃在2026-4-10
快速回复 返回顶部 返回列表