夏平, 任强, 吴涛, 雷帮军

(1.三峡大学 水电工程智能视觉监测湖北省重点实验室， 湖北 宜昌 443002； 2.三峡大学 计算机与信息学院， 湖北 宜昌 443002)



融合多尺度统计信息模糊C均值聚类与Markov随机场的小波域声纳图像分割

夏平1，2, 任强1，2, 吴涛1，2, 雷帮军1，2

(1.三峡大学 水电工程智能视觉监测湖北省重点实验室， 湖北 宜昌 443002； 2.三峡大学 计算机与信息学院， 湖北 宜昌 443002)

声纳图像成像质量差、特征信息弱，目标分割存在一定困难，为此提出一种融合多尺度统计信息的模糊C均值(FCM)聚类与Markov随机场(MRF)的小波域声纳图像分割算法。小波域中低频信息统计特性描述了低频不同区域像素聚类情况，高频信息反映了该方向纹理特征，依据低频子带的统计峰值选取FCM初始聚类中心，应用小波域FCM聚类算法对声纳图像进行预分割，抑制噪声的影响，提高了预分割的准确性；构建初分割后图像的多尺度MRF模型，尺度间节点标记的相关性采用1阶Markov性表征，尺度内构建2阶邻域系统描述系数间的标记联系，标记场采用双点多级逻辑模型建模，同一标记的系数特征场采用高斯模型建模，弥补了MRF算法中层次信息和轮廓信息描述的不足；应用迭代条件模型算法求其最小能量下的标记场，实现声纳图像分割。从视觉主观效果和客观评价指标两方面的实验结果验证表明，该算法分割声纳图像均优于FCM聚类算法和MRF算法，分割的声纳图像边缘与细节的清晰度、精细度均有一定程度改善。

信息处理技术；……