[发明专利]一种自适应阶梯初始化的窄带Chan-Vese模型水下多目标分割方法

说明书

本发明公开了一种自适应阶梯初始化的窄带Chan‑Vese模型水下多目标分割方法，包括以下步骤，步骤一：声纳图像平滑去噪处理后，根据块方式的k‑均值聚类算法完成初始分割，初步判断水下目标的位置；步骤二：确定阶梯区域，确定自适应阶梯初始化零水平集函数；步骤三：利用Chan‑Vese模型窄带水平集进行声纳图像分割，完成水下多目标区域的两类和三类分割；步骤四：对分割结果进行基于Chan‑Vese模型的客观定量分析。本发明采用Chan‑Vese模型窄带水平集进行声纳图像分割，能完成局部寻优，避免已有水平集方法的全局搜索，使分割结果中噪声的影响降到最小，能进一步提高分割精度和速度。

技术领域

本发明属于水下声纳图像处理技术领域，尤其涉及一种能实现声纳图像水下多目标分割的，自适应阶梯初始化的窄带Chan-Vese模型水下多目标分割方法。

背景技术

声纳图像水下多目标识别技术研究，在民用领域都具有重要的意义和价值，声纳图像水下多目标识别技术将是未来船舶与海洋工程所要研究的主要技术之一。但在声纳图像水下目标识别之前，必须对声纳图像进行目标分割和特征提取，声纳图像水下目标分割和特征提取是水下目标识别过程中的关键步骤。只有正确的分割水下目标，才能使后续正确的特征提取和识别成为可能。声纳图像水下目标分割的目的是从复杂背景区域中提取出目标高亮区和阴影区域，并尽量保留图像原始边缘信息。

水平集方法以一种隐含的方式来表达轮廓曲线的演化过程，并且提供了稳定的数值解法，算法简单、实现速度快、精度相对较高，因此，应用水平集方法进行声纳图像中目标高亮区和阴影区的分割具有很好的发展和应用前景。但在传统的水平集方法中，零水平集的初始化一般使用符号距离函数(Signed Distance Function,SDF)，使用符号距离函数初始零水平集，首先，需要计算声纳图像中所有像素点到零水平集闭合曲线的距离，计算量较大；另外，一般零水平集曲线都为圆形，而分割出的水下目标形状各异，距离理想分割结果的零水平集曲线位置相对较远，因此迭代演化速度非常慢。虽然人为干预可确定初始化零水平曲线位置，并且选择恰当，分割的精度相对较高，但如果自适应确定零水平集曲线，不仅增加难度，而且距离理想分割结果较远。其参考文献如：1.Tony F.Chan,Member,Luminita A.Vese.Active Contours Without Edges.TRANSACTIONS ON IMAGEPROCESSING,2001,10(2):266-277；2.Tsai R,Osher S.Level set methods and theirapplications in image science.Communications in Mathematical Sciences,2003,1(4):1-20；3.Enfang SANG,Zhengyan SHEN,Chang FAN etal.Sonar Image SegmentationBased on Implicit Active Contours.2009 IEEE International Conference onIntelligent Computing and Intelligent Systems.Shanghai China:IEEE ComputerSociety,2009:228-231；4.Xue J T,Guo Y,Xing S F et al.The application ofhierarchical multi-phase CV method combined with narrow band on MRI imagesegmentation.2010 International Conference on Computer Application and SystemModeling(ICCASM).Shanghai China:IEEE Computer Society,2010:149-153。为了有效避免符号距离函数的弊端，文献5.Lie J,Lysaker M,Tai X C.A binary level set modeland some applications to Mumford-Shah image segmentation.Image Processing,2006,15(5):1171-1181提出采用二值初始化(Binary Initialization Function,BIF)函数代替符号距离函数表示零水平集函数，后续文献6.Ganta R R,Zaheeruddin S,BaddiriN et al.Particle Swarm Optimization clustering based Level Sets for imagesegmentation.2012 Annual IEEE India Conference(INDICON).Kochi,Kerala,India:IEEE Computer Society,2012:1053-1056；7.Liasis G,Stavrou S.Optimizing levelset initialization for satellite image segmentation.20th InternationalConference on Telecommunications(ICT).Casablanca Morocco:IEEE ComputerSociety,2013:1-5中也采用这个方法。经过实验分析，利用二值初始化函数表示零水平集时，当值选择的较小时，声纳图像迭代次数减少，所用时间较少。但是由于水平集函数的值太小，被能量函数的平滑项影响，造成错误的分割结果。当值选择的较大时，因为每次迭代变化值是一定的，当变化值小于所选择的值时，开始几次演化迭代，声纳图像分割几乎不变化，之后也比较慢，声纳图像分割精确，但是迭代次数增多，所用时间增加。