复Contourlet域有向图与高斯混合模型的声呐图像增强

• 作者: 夏平 张光一 雷帮军 龚国强 邹耀斌 唐庭龙
• 来源期刊: 声学学报
• 年，卷（期）: 2021,（4）
• 页码范围: 529-539
• 页数: 11页
• 语种: 中文

摘要

提出了复Contourlet域(CCT)中有向图与高斯混合模型的声呐图像增强算法.采用复Contourlet分析提取各尺度中声呐图像每一方向的弱特征信息;为建立特征信息间的联系,考虑复Contourlet域相邻尺度间子带系数的状态具有Markov性,子节点系数的状态依赖于父节点系数状态,构建有向概率图模型反映复系数的这种持续性;尺度内,构建高斯混合模型来建立同尺度中特性信息的联系,以两状态高斯混合模型来表征子带系数的非高斯边缘分布;最后,采用期望最大(EM)算法训练模型参数估计增强图像的系数,实现声呐图像增强.实验结果表明,本文算法与小波域隐马尔可夫树(HMT)算法、Contourlet域HMT算法相比,峰值信噪比(PSNR)增大4 dB以上,结构相似(SSIM)指数增加0.3;本文算法不仅能较好地抑制了声呐图像的强噪声,同时保留了图像边缘和轮廓等弱特征信息.