叶秀芬，张元科

(哈尔滨工程大学自动化学院，黑龙江哈尔滨150001)

对水下声呐图像进行目标分割是非常复杂和困难的，它不仅取决于被分割的不同目标区域，还与海底混响噪声、背景区域等有着紧密的联系［1］。对声呐图像分割的目的就是要从复杂的海底混响区域中提取出目标和阴影，并尽量保留图像原始边缘信息，它是图像分析的关键步骤。声呐在民用上可以搜寻失事飞机、船只的残骸等目标;在军用上可以用于探测各类军事目标［2］。因此，如何才能有效地对水下声呐图像进行分割是国内外研究者们研究的热点与难点。

国内外的研究者们已对马尔可夫随机场(Markov random field，MRF)分割方法在声呐图像上的应用进行了深入的研究，取得了重要的研究成果。如文献［3］为此作了开创性的工作，基于Gibbs分布和MRF的一致性建立了关于重建图像及其边缘的联合先验分布模型;文献［4］提出了基于分层的MRF声呐图像分割模型，文献［5］尽管使用马尔可夫随机场模型对声呐图像分割取得了较好的分割结果，但是初始分割都需要根据图像来人工选择窗口的大小，并且算法运算较为复杂，很难达到水下目标分割的自动和实时性的要求;文献［6］中使用了快速的K均值聚类以及FCM算法对MRF初始化的参数进行估计，但是也要先人为地确定聚类的数目，而且算法速度较慢，很难用于实时性的声呐图像分割;文献［7］中提出基于灰度直方图的谱聚类图像分割方法，该方法是一种较为新颖的图像分割方法，但是，该方法在水下声呐图像分割上的效果却不是很理想;文献［8］提出了一种非监督的声呐图像分割算法，也是在假设类数已知的情况下进行的。……