刘光宇，卞红雨，沈郑燕，石 红

（1．哈尔滨工程大学水声工程学院，黑龙江哈尔滨 150001;2．总装备部，北京 100000）

0 引言

声纳图像分割是将前景目标物体从图像中分割出来，是后期进行目标识别、跟踪、分类等问题的前提。但由于声纳图像本身噪声污染严重且存在阴影干扰，因此，声纳图像分割还没有达到让人满意的地步，许多研究者都在寻找一种适合声纳图像这种复杂图像的分割方法。近年来，随着偏微分方程在图像处理中的成功应用，基于水平集的分割方法［1］也随之产生。水平集（level set）方法以其可以优越地解决参数化方法难以处理的曲线拓扑结构变换问题的优势，成为力学、计算机图形学、图像处理和目标跟踪等领域的重要研究方向［2］。基于水平集的图像分割方法主要有Chan T和Vese L提出的基于C-V模型的水平集方法［3］和Li C提出的不需要重初始化的水平集方法［4，5］等。前一种模型有利于边界模糊或不连续以及含有噪声的图像分割，是一种全局优化的图像分割模型，忽略了图像的局部特征，不利于图像的细节分割，且计算复杂度比较高，而后一种模型在此基础上对其进行改进，将图像的局部特征考虑进来，从根本上修正了前一种模型的缺陷，并且由于不再需要重初始化，使得运算复杂度大大减小，具有很高的研究价值。

水平集能在任意形状的样本空间上通过迭代演化逼近图像目标，在光学图像分割中表现突出，但在声纳图像分割中的研究还比较少。本文主要研究适合声纳图像处理的不需要重初始化的水平集分割方法。……