[发明专利]一种声呐图像分割方法

权利要求书

1.一种声呐图像分割方法，其特征在于，包括：

对声呐图像进行滤波处理，得到第一图像；

在第一图像中定位目标亮区，利用膨胀算子对所述目标亮区的边缘检测点进行局部增强，并将增强后的目标亮区叠加所述第一图像中，得到第二图像；

利用基于二维直方图模糊加权Tsallis熵分割算法，对所述第二图像中的目标亮区、目标暗区和混响区进行分割，得到第三图像；

对所述第三图像进行后处理，得到最终的分割图像。

2.根据权利要求1所述的方法，其特征在于，所述在第一图像中定位目标亮区包括：

采用Robert算子对所述第一图像进行边缘检测；

对边缘检测图像进行局部定位预处理，以消除干扰的边缘检测点；

利用基于行列数直方图阈值分割的局部定位算法，定位所述目标亮区。

3.根据权利要求1或2所述的方法，其特征在于，所述利用膨胀算子对所述目标亮区的边缘检测点进行局部增强，包括：

遍历所述目标亮区，获取与约束条件匹配的待膨胀处理的边缘检测点，并将与约束条件不匹配的边缘检测点移除；

采用disk膨胀算子对所述待膨胀处理的边缘检测点进行布局增强。

4.根据权利要求1所述的方法，其特征在于，所述利用基于二维直方图模糊加权Tsallis熵分割算法，对所述第二图像中的目标亮区、目标暗区和混响区进行分割，包括：

利用波谷权值系数和对角线权值系数，计算加权函数；

根据所述加权函数和第二图像的二维模糊Tsallis熵，基于最大熵机制，求解最优阈值向量；

根据所述最优阈值向量，利用图像阈值分割方法，对所述第二图像中的目标亮区、目标暗区和混响区进行分割。

5.根据权利要求4所述的方法，其特征在于，按照如下方式求解所述最优阈值向量：

(a_1xa_2xb_1xb_2x)＝argmax(S×w(a_1x,b_1x)×w(a_2x,b_2x))

其中，加权函数w(i,j)表示为：

w(i,j)＝1-H(i,j)-A(i,j)

对角线权值系数A(i,j)表示为：

A(i,j)＝|i-j|÷100

波谷权值系数H(i,j)表示为：

H(i,j)＝h(i-m,j-m)+h(i-m,j-m+1)…+h(i-m,j+m)+h(i-m+1,j-m)+h(i-m,j-m+1)…+h(i-m+1,j+m)+…+h(i+m,j-m)+h(i+m,j-m+1)+…+h(i+m,j+m)

上述各式中，(a_1xa_2xb_1xb_2x)表示最优阈值向量，S表示二维模糊Tsallis熵，m为二维直方图的邻域，h为二维直方图灰度-灰度均值的联合概率，i为二维直方图的x轴坐标，j为二维直方图的y轴坐标。

6.根据权利要求1所述的方法，其特征在于，所述对所述第三图像进行后处理包括：

当已知阴影特征为目标阴影的高度小于目标亮区的高度，查找目标亮区的最高点和最低点；

将所述目标亮区的最高点之上的区域，以及目标亮区的最低点之下的区域置灰，所述置灰用于标记所在区域为混响区。

7.根据权利要求1所述的方法，其特征在于，所述对所述第三图像进行后处理包括：

当目标的阴影特征未知时，根据声呐源的方位，确定目标阴影相对于目标亮区的方位；

将目标亮区与目标阴影的方位相反一侧的区域置灰，所述置灰用于标记所在区域为混响区。