基于K-means聚类与数学形态学的侧扫声呐图像目标轮廓自动提取方法

• 作者: 张济博 潘国富 王涛
• 来源期刊: 海洋科学
• 学科: 地球科学
• 关键词: 侧扫声呐图像 K-means聚类 数学形态学 边缘检测 自动提取
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 研究报告
• 页码范围: 80-85
• 页数: 6页
• 分类号: P733.23
• 字数: 4383字
• 语种: 中文
• DOI: 10.11759/hykx20181217001

摘要

针对侧扫声呐图像斑点噪声强、背景海底散射干扰严重,海底目标轮廓自动提取困难的问题,提出了一种基于K-means聚类与数学形态学相结合的海底目标轮廓自动提取算法.为克服噪声干扰,该算法首先利用中值滤波去除侧扫声呐图像中的强斑点噪声;然后采用K-means聚类算法对侧扫声呐灰度图像进行分割,并二值化,除去大部分海底背景噪声,初步提取出目标;接着利用数学形态学运算去除提取结果中的孤立噪点,并填充目标内部孔洞,得到连续化、圆滑的目标边缘;最后对处理后的侧扫声呐图像进行边缘检测,提取出目标轮廓.实验结果表明:该算法思想简单易行,具有很强的克服背景噪声的能力,自动提取的目标轮廓连续性较好,结果准确可靠.目前,在侧扫声呐图像目标轮廓提取过程中,主要采用人工方式,自动性较差,效率较低.本文算法可以实现目标轮廓的自动提取,提高效率,具有较强的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王涛		8	16	2.0	4.0
2	潘国富		3	2	1.0	1.0
3	张济博		1	2	1.0	1.0