[发明专利]基于经验模态分解的前视声呐图像分割方法

权利要求书

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。

2.根据权利要求1所述的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：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I(x，y)平均邻域灰度的一维灰度直方图f_xy；

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P_xy；

S1-3：利用鸡群优化算法求取前视声呐图像I(x，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I(x，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I(x，y)的灰度值大于s的部分保留，得到去除背景后的图像I₁(x，y)。

3.根据权利要求1所述的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：所述利用鸡群优化算法求取声呐图像I(x,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I₁(x，y)。

4.根据权利要求1所述的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：所述图像分解处理采用二维经验模态分解。