基于复小波域树结构化MRF模型的声纳图像分割.pdf

《基于复小波域树结构化MRF模型的声纳图像分割.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第37卷第4期2016年4月仪器仪表学报ChineseJoumalofScienti6cInstrumentV01．37No．4Apr．2016基于复小波域树结构化MRF模型的声纳图像分割夏平1一，刘小妹1”，雷帮军1”，吴涛∽(1．三峡大学水电工程智能视觉监测湖北省重点实验室宜昌443002；2．三峡大学计算机与信息学院宜昌443002)摘要：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(，I’s-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

2、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：尺度内构建佟-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

3、，具有较高的分割精度和鲁棒性。关键词：声纳图像分割；双树复小波变换(DT-c可汀)；树结构化马尔可夫随机场(佟．MRF)；Potts模型中图分类号：，IP391TH722文献标识码：A国家标准学科分类代码：510．4050Sonarimage辩罂nentationbasedontree-structured】ⅥRFmodelincomplex-waVeletdomainXiaPin91’-，LiuXiaomeil，2，LeiBan西unl’-，WuTa01’2ti．HukiKq【幽om协U可l眦mgemv赫nb∞eaMo眈。柏g扣Hy击oetect血Enginee咖，强ree

4、陆gesU幽erS畸．‰施ng私3o口_2，吼iM；2．cof妇P矿comp眦er口以删白r7眦如n‰^加幻gy，豫阳eG0rges溉妇耶蚵，‰7m愕私3D02，饥i阳)Abstr锄ct：Duetotheimpact0ftheimagingenvimnment，thesonarimageshavethecharacteristicsoflowcontrast，weakfeatureinfo肌ationaIldlowimageresolution，whichleadstopoorsegmentatione雎ctfortraditionalsegmentationmetllods

5、．Aimingatthisproblem，thetree．stmctur甜MRF(髑-MRF)蒯elindualtreecomplexwaveletdo捌nisconstmcted，anewsonarim孵se舭ntationalgorithmisproposedbasedonthismodel．Dualtree-complexwavelettI彻sfo肌(DT—C可汀)hasapproximatesh讧tinV撕aIlce卸dnicedirectionalselectivity，withmulti—resolution锄alysisitcane髓ctivelyextmctt

6、heweakinfomationch锄cteristicsofsonarimage．s0tllatthenodeparametersintllerI's—MRFmodelc扑accuratelyrenectthetreestmcturedistribution锄dimagestatisticalproperties：thehighfrequencvSub-bandsinsixdirectionsincomplexwaveletdomainaremutualindepende眦，thelabelsof出efathe卜childnodesintheinte卜scalehavetI

7、lepmpertyoffi塔t．orderMarkov．TheTS．MRFmodelisconstnlctedintheintm—scale，andforeachnodethelabeldependsonitsparentnode；tIlePottsmodelisadoptedtobuildthemodelforthepotentialfunctionofthenodelabel；andGaussianmodelisusedtobuildthemodelfortheobservedcharacte^st