[发明专利]基于自适应像素值约束和MRF的声呐图像分割方法

说明书

本发明属于图像处理技术领域，具体涉及一种声呐图像分割方法。基于自适应像素值约束和MRF的声呐图像分割方法，包括以下步骤：步骤1：对声呐图像进行中值滤波；步骤2：使用SLIC法，将中值滤波后的声呐图像划分为不规则的图像块；步骤3：MRF分割声呐图像，在MRF循环过程中，每次分割结果都使用SLIC和自适应像素值约束进行优化；步骤4：重复步骤3，直到相邻两次分割结果相同或者到达最大迭代次数。本发明提出的方法，使用SLIC将声呐图像划分为灰度均衡的超像素图像块，基于自适应像素值约束优化的MRF，可以更好的分割背景区域和海底混响区，对提高声呐图像分割正确率有明显的效果。

技术领域

本发明属于图像处理技术领域，具体涉及一种声呐图像分割方法。

背景技术

声呐是认识海洋、探索海洋的重要工具，声呐图像分割是识别海底目标的重要方法，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，声呐图像中的噪声和灰度不均衡问题严重影响了声呐图像分割的效果。因此，找到一种声呐图像分割方法，使其对噪声和灰度不均衡问题具有鲁棒性，是当前声呐图像分割领域要解决的主要问题。

声呐图像通常被分割为目标区域、阴影区域和海底混响区域。现有的无监督的声呐图像分割方法主要有：1999年，Mignotte等人提出的基于MRF的方法(M.Mignotte,C.Collet,P.Pérez,P.Bouthemy,Three-class markovian segmentation of high-resolution sonar images,Computer Vision and Image Understanding 76(3)(1999)191–204.)分两步将声呐图像分割为三个区域；2000年，Mignotte等人提出分层MRF方法(Mignotte M,Collet C,Perez P,et al.Sonar Image Segmentation Using anUnsupervised Hierarchical MRF Model[J].IEEE Transactions on Image ProcessingA Publication of the IEEE Signal Processing Society,2000,9(7):1216-31.)分割出声呐图像中的阴影区域和海底混响区域；2010年，Ye等人提出的基于高斯MRF(Gauss MRF,GMRF)和水平集模型的方法(X.-F.Ye,Z.-H.Zhang,P.X.Liu,H.-L.Guan,Sonar imagesegmentation based on gmrf and level-set models,Ocean Engineering 37(10)(2010)891–901.)分割声呐图像，在这种方法中，GMRF获得的图像特征与水平集方法中的能量方程结合，通过最小化能量方程获得分割结果；2017年，Huo等人提出基于非局部降低斑点噪声和主动轮廓模型的声呐图像分割方法(G.Huo,S.X.Yang,Q.Li,Y.Zhou,A robustand fast method for sidescan sonar image segmentation using nonlocaldespeckling and active contour model,IEEE transactions on cybernetics 47(4)(2017)855–872.)，该方法考虑了声呐图像的噪声和灰度不均匀问题。

发明内容

本发明的目的是为了更好的分割对噪声和灰度不均匀问题有鲁棒性的声呐图像，提供一种基于自适应像素值约束和MRF的声呐图像分割方法。该方法可实现侧扫声呐图像、前视声呐图像的分割，将声呐图像分割为目标区域、阴影区域和海底混响区域。

为了实现本发明的目的，本发明采用的技术方案是：基于自适应像素值约束和MRF的声呐图像分割方法，包括以下步骤：

步骤1：对声呐图像进行中值滤波；

步骤2：使用SLIC法，将中值滤波后的声呐图像划分为不规则的图像块；