水聲圖像處理與模式識別.pdf

1、本論文主要進行水聲圖像處理和模式識別領域的算法研究和開發(fā)。包括圖像處理的基本算法、基于脈沖耦合神經網絡(PCNN)的圖像處理算法、形態(tài)學圖像處理算法及目標識別算法。 本文所研究了圖像處理的基本算法中圖像的旋轉和非整數(shù)倍縮放算法并將其用于實現(xiàn)目標識別的旋轉不變性和尺度不變性。灰度直方圖均衡用于解決水聲圖像通常較暗這一問題。本文提出了一種新的二值化算法叫做直方圖平滑二值化算法，并將其推廣實現(xiàn)了圖像的快速多閾值分割。此外，還對一種自適

2、應確定二值分割閾值的Otsu算法進行深入研究，并廣泛用于本文的其它部分。 PCNN算法是目前圖像處理領域中一種較新的算法，是圖像處理算法中的熱門課題。本文對基于PCNN二值圖像邊緣提取、細化和去噪算法進行了重點研究，其中二值圖像去噪算法是對同行提出的基于PCNN的灰度圖像去噪算法中的關鍵參數(shù)進行改進而實現(xiàn)的，達到了很好的去噪效果。 對于形態(tài)學圖像處理進行了廣泛深入的研究，利用二值形態(tài)學的開啟、閉合操作為后續(xù)的目標識別提供

3、了高質量的中間結果。將形態(tài)學平滑算法、形態(tài)學梯度算法與對應功能的常規(guī)算法進行比較分析，闡明了它們各自優(yōu)缺點和特性。將高帽變換用于側掃聲納圖像目標的預處理，將陰影區(qū)作為目標特征以用于目標識別。 最后在上述各種算法基礎之上計算區(qū)域的特征向量，開發(fā)出了側掃聲納目標自動探測算法，高度對稱目標自動識別算法和矩形與(橢)圓形區(qū)域自動分類識別算法。在矩形與(橢)圓形區(qū)域自動分類識別算法部分提出了一種新的無孔區(qū)域周長算法，解決了周長計算中的陷阱