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 K+ ~ ~! b! |7 T1 A

[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.

- z1 b* i4 a- J

阅读量:

3 m+ X0 e, u% }" ?6 d1 {9 o

152

- y( t/ q5 U7 h4 s1 A- z

作者:

霍冠英刘静李庆武周亮基 4 i( b Y) K% o- Y6 [9 ~5 ?4 d0 c

摘要:

/ w/ {( j# F% I! y' J* A8 q" P' L; T

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.

" D, Q+ k$ ?: y( ]

展开

9 C. ]8 J/ U3 U I: \

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3 Q1 G" i3 r3 e1 q- ]2 t

DOI:

5 w7 y, H* q) k6 [

10.3969/j.issn.0254-3087.2017.01.030

6 ], W Q& l9 E1 P" h- q8 v/ F

被引量:

4# V$ D$ {" b6 _2 _

年份:

2017* l% ^; H) X/ d% ~ h6 l

2.1 FCM 算法

8 f z* O5 D+ |8 R+ V; `& o7 ]

2.2 马尔科夫随机场

% h% W. b) E$ { S. r) j/ ^. g5 B

3.1 算法流程

; H4 Y9 {! o+ r* J: v5 D& b4 G" C

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:

* O& x) q a) u' k; d ~" O

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

/ r" K3 H/ O" C- o4 S0 g2 }

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

: i, v, s- K5 [2 e; s: v& d

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 k. \9 L# i' f2 k0 a$ ?

3.2 基于贝叶斯估计的 NSCT 域去噪算法

5 f. D7 F( t' q

3.3 SCFFCM 算法

% y, I4 p- G/ b5 q3 [

3.4 SCFFCM 与 MRF 相结合的侧扫声呐图像分割方法

# [# V# s& z: Y% ~1 m

3.5 基于形态学运算的分割图像后处理

$ d6 M) I) ]2 W; G% e

4.1 模拟侧扫声呐图像分割

4 V0 Y* j5 p' {+ H( \

表 1 侧扫声呐模拟图像分割精度与运算时间对比

2 P$ V& l# p0 f3 V$ ?2 Q: h

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

, H& p& e9 W! V Y, E

4.2 真实侧扫声呐图像分割

% f5 ~" K' Q( O% D

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+ e: m; P* l, d9 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 t/ O3 G4 `5 g/ K& R! A9 k0 U

表 2 侧扫声呐图像分割精度与运算时间对比

! F" T( D# s" o! s+ ]5 C0 G

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

. X1 V- a2 ^6 ]8 _ \

5.结论

* c2 L- `4 D+ L8 s. n5 @

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。

( m0 K1 E. a; I3 n ?. V - {, U4 I0 I" _* I- y7 y 9 R8 Z+ G* y' G: g( f& f! L : G; E: p2 f& I" c; D ! }3 ]$ B, Q1 G) B5 m4 O* J- ~9 `( J
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4 天前
快速回复 返回顶部 返回列表