[发明专利]基于SLIC和自适应滤波的声呐图像均衡化方法

说明书

本发明属于声呐图像增强技术领域，公开了基于SLIC和自适应滤波的声呐图像均衡化方法，1.滤除声呐图像中的斑点噪声；2.使用简单线性迭代聚类方法将声呐图像划分为不规则的图像块；3.对每个图像块分别进行像素值唯一化，排序像素值，获取像素中值；4.更新图像块灰度值，按照步骤3遍历所有图像块；5.多次将声呐图像划分为不同数量的图像块，分别重复进行步骤3和步骤4；6.对多次取得的步骤5的均衡化图像取平均，得到最终的灰度均衡化图像。本技术方案充分考虑了相邻超像素图像块的灰度相似性和每一个超像素图像块的灰度均衡性，灰度均衡化效果好，对提高声呐图像分类正确率有明显效果。

技术领域

本发明涉及声呐图像增强技术领域，尤其涉及基于SLIC和自适应滤波的声呐图像均衡化方法。

背景技术

声呐图像分类是海底目标识别的重要手段，可用于海底地形地貌探测、海底考察、海底管道跟踪与状态检测等领域。目前，声呐图像中的灰度不均衡问题严重影响了声呐图像分类的效果，所以，解决声呐图像灰度不均衡对提高声呐图像分类正确率有直接影响。

受海底复杂环境、声学噪声和拖体运动状态的影响，声呐图像中往往存在灰度畸变。现有的声呐图像灰度均衡化方法主要基于拖体运动状态，这些状态由拖体中的姿态传感器和高度传感器提供。目前声呐图像校正的方法为Capus等人在2008年的论文Datacorrection for visualisation and classification of sidescan SONAR imagery中介绍的方法。受海浪运动和海底复杂地形的影响，传感器给出的拖体运动状态一直处于变化状态，同时，传感器自身的灵敏度和准确度都有误差，借助这些传感器数据校正声呐图像，会使校正过程有较大的计算量和计算误差。声呐图像的分割和分类中，灰度不均衡是影响声呐图像分割正确率的一个主要问题。目前关于声呐图像分割和分类的研究中，灰度不均衡问题不被单独考虑，人们将重点主要放在分类或者分割的方法上，这样虽然也能得到较好的分类或者分割效果，但是算法设计较复杂，过程也极为耗时。

简单线性迭代聚类(SLIC)：Simple Linear Iterative Clustering.

发明内容

本发明的目的在于针对上述技术问题，得到没有灰度畸变的声呐图像，提供一种基于SLIC和自适应滤波的声呐图像均衡化方法，实现多种声呐图像的灰度均衡化，为海底目标探测和分类提供校正的声呐图像，对声呐图像进行超像素聚类，基于自适应滤波对聚类划分的声呐图像块进行滤波，通过多次重复上述步骤，实现声呐图像的灰度均衡化。具体步骤如下：

步骤1，滤除声呐图像中的斑点噪声；

步骤2，使用简单线性迭代聚类方法将声呐图像划分为不规则的图像块；

步骤3，对每个图像块分别进行像素值唯一化，排序像素值，获取像素中值；

对图像块P₀以及其所有相邻图像块{P₁,P₂,K,P_k}，唯一化它们的像素值，得到像素族{A₀,A₁,A₂,...,A_k}，A_i(i＝0,1,...,k)表示图像块P_i(i＝0,1,...,k)的像素值唯一化的结果，去除P_i中的重复像素值；对A_i(i＝0,1,...,k)中的像素值按照从小到大的顺序进行排序；取A_i的中值a_i(i＝0,1,...,k)。

步骤4，更新图像块灰度值，按照步骤3遍历所有图像块；