买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连海事大学

摘要：本发明公开了一种基于经验模态分解的前视声呐图像分割方法，属于数字图像处理、数字信号处理、计算机人工智能及模式识别领域，该方法包括以下步骤：对前视声呐图像进行去背景处理，得到去背景处理后的前视声呐图像；对背景处理后的前视声呐图像进行图像分解处理，得到图像分解处理后的前视声呐图像；对图像分解处理后的前视声呐图像进行去噪和增强处理，得到去噪和增强后的前视声呐图像；再对去噪和增强后的前视声呐图像进行重构，得到重构后的前视声呐图像；对重构后的前视声呐图像进行聚类分割，得到分割后的前视声呐图像；该方法既能达有效抑制噪声干扰，又能保护图像边缘细节信息来进行分割的目的。

主权项：1.一种基于经验模态分解的前视声呐图像分割方法，其特征在于，包括：以下步骤：S1：对前视声呐图像进行去背景处理，得到去背景处理后的前视声呐图像；S2：对背景处理后的前视声呐图像进行图像分解处理，得到图像分解处理后的前视声呐图像；S3：对图像分解处理后的前视声呐图像进行去噪和增强处理，得到去噪和增强后的前视声呐图像；再对去噪和增强后的前视声呐图像进行重构，得到重构后的前视声呐图像；S4：对重构后的前视声呐图像进行聚类分割，得到分割后的前视声呐图像；所述去背景处理包括以下步骤：S1-1：计算输入的前视声呐图像Ix，y平均邻域灰度的一维灰度直方图fxy；S1-2：以点灰度为横坐标、区域灰度均值的概率为纵坐标构造二维直方图Pxy；S1-3：利用鸡群优化算法求取前视声呐图像Ix，y的二维熵为最大时的灰度值s以及区域灰度均值概率t；S1-4：将前视声呐图像Ix，y的灰度值小于s且区域灰度均值概率小于t的区域置零，前视声呐图像Ix，y的灰度值大于s的部分保留，得到去除背景后的图像I1x，y；所述利用鸡群优化算法求取声呐图像Ix,y的二维熵为最大时的灰度值的步骤如下：S1-3-1：初始化鸡群，设定迭代次数,变量t＝0；S1-3-2：开始迭代：S1-3-3：计算每一个鸡群个体的适应度，所述适应度公式采用最大熵判定函数y进行计算；S1-3-4：进行适应度降序排序，建立层次，将鸡群随机分为若干个子鸡群；S1-3-5：分别更新公鸡、母鸡、小鸡的位置，计算每个鸡群个体的适应度；S1-3-6：更新鸡群个体在当前的鸡群最佳位置即适应度最高的位置和鸡群个体位置；再次计算每个个体的适应度；S1-3-7：迭代次数t＝t+1；S1-3-8：迭代结束条件：如果达到设定的迭代次数即，则进入S1-3-9，否则返回步骤S1-3-2；S1-3-9：确定适应度最大的灰度值s和区域灰度均值概率th,将灰度小于适应度最大的灰度值s，区域灰度均值概率小于t的区域置零去除，其余部分保留得到去除背景后的图像I1x，y；所述图像分解处理采用二维经验模态分解；采用二维经验模态分解的过程如下：S2-1：利用去背景后的前视声呐图像I1x，y作为分解初始值，平面矩阵ri＝I1，像素横坐标i＝0；S2-2：设定平面矩阵hj＝ri，像素纵坐标j＝1；S2-3：求取hj区域极大值和极小值；S2-4：对所获得的极大值和极小值分别用三次样条插值得到上包络envmax和下包络envmin；S2-5：计算上包络envmax和下包络envmin的均值m，S2-6：从hj中减去m，设定hj+1＝hj-m，j＝j+1；S2-7：当hj的平均能量≥阈值或j＜4，则转到S2-3继续执行；当hj的平均能量＜阈值或j＞＝4，则获得去背景后的声呐图像I1x，y的第i个本征模态函数Fi＝hj，转到S2-8；S2-8：设定i＝i+1，当ri为单调函数或者i＞＝5，则R＝ri为残余分量，分解过程结束；否则转到S2-2；所述图像分解处理后的前视声呐图像采用高频本征函数和残余分量进行表达；所述对图像分解处理后的前视声呐图像进行去噪和增强处理，得到去噪和增强后的前视声呐图像；再对去噪和增强后的前视声呐图像进行重构，得到重构后的前视声呐图像的过程如下：S3-1：获取图像分解处理后的前视声呐图像的前高频四层的IMF：F1,F2,F3,F4,以及残余分量,得到五层分量；S3-2：对五层分量进行模糊增强处理；即：分别计算五层分量模糊特征平面；S3-3：对每个模糊特征平面中，隶属度小于0.5的部分进行降低灰度，高于0.5的部分进行提高灰度的操作，得到五层分量增强后的分量XX1,XX2,XX3,XX4,XX5；S3-4：对前四层增强后的分量进行引导滤波，得到滤波后的分量XL1,XL2,XL3,XL4；S3-5：前4层滤波后的分量XL1,XL2,XL3,XL4和增强后残差XX5相加进行图像重构，得到重构后的前视声呐图像。

全文数据：

权利要求：

百度查询： 大连海事大学 基于经验模态分解的前视声呐图像分割方法