基于粗糙集的声呐图像分割.doc

基于粗糙集的声呐图像分割图像分割是将图像中感兴趣的区域提取出来的技术,对于最终目标的正确识别至关重要。图像分割作为声呐图像处理的难点与热点,得到了研究者广泛的关注。本文使用粗糙集理论对声呐图像进行分割,粗糙集理论是解决不完整、不确定、不精确问题的有效方法,对于处理缺乏先验知识的声呐图像分割问题,粗糙集理论提供了一种非常好的解决方案。本文主要内容如下:(1)在图像分割中,本文提出使用标准差、欧氏距离和最大梯度作为确定声呐图像边缘的主要特征,利用这三个特征分别构造单特征、双特征和三特征的粗糙集不可分辨关系,通过实验讨论了不同特征构造不可分辨关系对分割结果的影响,利用不可分辨关系对图像进行等价类划分。(2)本文提出了基于假设检验的自适应区域融合方法。使用图像横纵方向的方差均值作为等价类融合的重要判定条件,相邻标号等价类中的像素个数为t-检验或Z-检验等价类融合的条件,融合后给等价类重新赋予新的标号,当标号不再变化时视为融合结束,去除图像孤立区并给等价类赋以不同颜色,得到最终的分割图像。本文算法主要适用于声呐图像,并取得了较好的分割效果。