水声图像处理与模式识别

论文摘要

本论文主要进行水声图像处理和模式识别领域的算法研究和开发。包括图像处理的基本算法、基于脉冲耦合神经网络(PCNN)的图像处理算法、形态学图像处理算法及目标识别算法。本文所研究了图像处理的基本算法中图像的旋转和非整数倍缩放算法并将其用于实现目标识别的旋转不变性和尺度不变性。灰度直方图均衡用于解决水声图像通常较暗这一问题。本文提出了一种新的二值化算法叫做直方图平滑二值化算法,并将其推广实现了图像的快速多阈值分割。此外,还对一种自适应确定二值分割阈值的Otsu算法进行深入研究,并广泛用于本文的其它部分。PCNN算法是目前图像处理领域中一种较新的算法,是图像处理算法中的热门课题。本文对基于PCNN二值图像边缘提取、细化和去噪算法进行了重点研究,其中二值图像去噪算法是对同行提出的基于PCNN的灰度图像去噪算法中的关键参数进行改进而实现的,达到了很好的去噪效果。对于形态学图像处理进行了广泛深入的研究,利用二值形态学的开启、闭合操作为后续的目标识别提供了高质量的中间结果。将形态学平滑算法、形态学梯度算法与对应功能的常规算法进行比较分析,阐明了它们各自优缺点和特性。将高帽变换用于侧扫声纳图像目标的预处理,将阴影区作为目标特征以用于目标识别。最后在上述各种算法基础之上计算区域的特征向量,开发出了侧扫声纳目标自动探测算法,高度对称目标自动识别算法和矩形与(椭)圆形区域自动分类识别算法。在矩形与(椭)圆形区域自动分类识别算法部分提出了一种新的无孔区域周长算法,解决了周长计算中的陷阱点难题。综上所述,本论文对水声图像的预处理、特征提取和模式识别进行了广泛深入的研究,解决了一些热点问题,并取得了若干独创性成果。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 论文背景
• 1.2 水声图像处理与模式识别发展概况
• 1.2.1 国内发展概况
• 1.2.2 国外发展概况
• 1.3 论文的研究内容
• 第2章 图像处理的基本算法
• 2.1 图像的点处理
• 2.1.1 图像的旋转
• 2.1.2 图像的非整数倍缩放
• 2.1.3 灰度直方图和均衡
• 2.2 图像的二值化
• 2.2.1 峰-峰法二值化
• 2.2.2 Otsu法二值化
• 2.3 图像的邻域处理
• 2.4 图像的多阈值分割
• 2.4.1 多阈值分割原理
• 2.4.2 多阈值分割实现
• 2.5 本章小结
• 第3章 基于PCNN的图像处理
• 3.1 脉冲耦合神经网络（PCNN）模型
• 3.2 基于PCNN的二值图像边缘提取
• 3.2.1 边缘提取原理
• 3.2.2 边缘提取步骤及实验结果
• 3.2.3 对比分析
• 3.3 基于PCNN的二值图像细化
• 3.3.1 细化原理
• 3.3.2 细化步骤及实验结果
• 3.4 基于PCNN的二值图像去噪
• 3.4.1 去噪原理
• 3.4.2 去噪步骤及实验结果
• 3.5 本章小结
• 第4章 形态学图像处理
• 4.1 二值形态学基本运算
• 4.1.1 基本集合定义
• 4.1.2 膨胀（Dilation）和腐蚀（Erosion）
• 4.1.3 开启（Opening）和闭合（Closing）
• 4.2 二值形态学应用
• 4.2.1 噪声的抑制
• 4.2.2 边界提取
• 4.3 灰度数学形态学基本运算
• 4.3.1 灰度膨胀和灰度腐蚀
• 4.3.2 开启和闭合
• 4.4 灰度形态学的组合运算
• 4.4.1 形态学平滑
• 4.4.2 形态学梯度
• 4.4.3 高帽（top-hat）变换
• 4.5 本章小结
• 第5章 目标识别
• 5.1 侧扫声纳目标自动探测
• 5.1.1 概述
• 5.1.2 处理过程
• 5.2 高度对称目标自动识别
• 5.2.1 几何参数的获取
• 5.2.2 特征分析及分类识别
• 5.3 矩形与（椭）圆形区域自动分类识别
• 5.3.1 参数的获取
• 5.3.2 特征向量构造及分析
• 5.3.3 实验与分析
• 5.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢
• 附录