空间约束 FCM 与 MRF 结合的侧扫声呐图像分割算法

[复制链接]
8 o' } s; w3 ^; i! e% P, f$ s0 x

[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.

. j5 E0 d& Y0 ~

阅读量:

' ]# }0 J' @( U4 `" Y% \

152

( O6 k+ y' g% Q0 w! \& s9 A

作者:

霍冠英刘静李庆武周亮基 # b: K3 k/ N* \ L: P- v

摘要:

6 A( H m- l! ~. k6 ~5 ^

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.

2 E2 U/ O6 y; X7 I/ l. ~* r/ U

展开

8 |* }0 l4 W. F5 c; e/ F% R/ J

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: d+ N. ` @- t

DOI:

1 R: ^* T+ g4 z5 \7 n! y

10.3969/j.issn.0254-3087.2017.01.030

. \6 y3 Q3 i7 b q7 @' n# G5 B2 w7 u

被引量:

4 ( i! ^* ?6 N) W, g8 z

年份:

20178 [6 j% Y5 ~3 O! E

2.1 FCM 算法

! @7 b# _: \. m8 Y5 q, e" \+ i

2.2 马尔科夫随机场

: k* o, A+ G5 C% i" C! t

3.1 算法流程

6 y6 @ y& m( U, F9 i) y, n# k( Q% Q

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 f/ \/ x; ?( ?. z1 a' k( 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

) I6 D9 k+ D: m% B( ~0 a- d2 I

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

0 l4 n; l- I2 m. ^, w/ 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。

" n2 S% R/ c" f

3.2 基于贝叶斯估计的 NSCT 域去噪算法

, T; D- W9 A+ e5 l" ?( `, p. H

3.3 SCFFCM 算法

5 O; J- S! I0 d6 l# @

3.4 SCFFCM 与 MRF 相结合的侧扫声呐图像分割方法

! e0 A: D3 G: S

3.5 基于形态学运算的分割图像后处理

9 o4 `3 r8 o" T4 b7 K9 z( Q- C/ r+ m

4.1 模拟侧扫声呐图像分割

" _6 `/ Z+ L# }0 z, K9 F$ f

表 1 侧扫声呐模拟图像分割精度与运算时间对比

$ }: |0 H* n# Q7 q Y

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

* k' z( n3 c( c6 a8 ^

4.2 真实侧扫声呐图像分割

" F: G1 a6 J" a. Y

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。

6 E8 m" U! ?8 R4 ^
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。

1 U7 V4 V1 }3 ?9 C& S

表 2 侧扫声呐图像分割精度与运算时间对比

8 Q# u0 ^3 d% q' ^9 N' [3 p' T

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

3 O! c1 W6 B. o. x& p$ E

5.结论

/ {# s) ?) D1 b+ U+ N5 I! c9 O% J

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。

& {$ i' y: i( y0 |. j! J , `4 J/ q7 x9 i' h3 W) _& v; I3 k( h. `0 |5 i+ b- o . ]( b$ R: G, u7 m* Y7 B9 j1 Z2 f& Y. i! J" z7 g. L1 G
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3 天前
快速回复 返回顶部 返回列表