[发明专利]基于多尺度快速地毯覆盖法声呐图像分形特征提取方法

说明书

本发明公开了一种基于多尺度快速地毯覆盖法声呐图像分形特征提取方法，具体如下进行：将原始声呐图像读入矩阵实验室(MATLAB)，并分解为低频分量、水平高频分量、垂直高频分量以及对角高频分量，对水平高频分量、垂直高频分量以及对角高频分量分别进行三维块匹配滤波后结合低频分量并利用小波重构得到去噪后的声呐图像；使用高斯金字塔对去噪后的声呐图像进行塔式分解得到多个不同尺度的图像，对不同尺度相同纹理的图像采用快速地毯覆盖法计算各图像的分形维数，之后融合各图像的分形维数得到声呐图像多尺度分形特征；将得到的声呐图像多尺度分形特征形成样本集，使用该样本集进行GA‑SVM模型训练，将待测试集输入到已经训练好的GA‑SVM模型中完成对其图像像素点的分类。

技术领域

本发明属于数字图像处理和机器学习技术领域，特别是涉及一种基于多尺度快速地毯覆盖法声呐图像分形特征提取方法。

背景技术

图像滤波是图像预处理中不可缺少的工作，其在保留图像细节信息的同时抑制图像噪声。图像噪声往往为图像的高频部分，因此采用小波分解得到图像的高频分量，对每个高频分量采用三维块匹配滤波进行去噪并将去噪结果进行小波重构，形成去噪后的图像。三维块匹配滤波是一种变换域的滤波方法，原理是将图像分成多个块，通过与相邻块进行匹配，将若干个相似块整合为一个三维矩阵，在三维空间进行滤波处理并将滤波结果反变换融合到二维空间，得到去噪的结果。

客观世界中的任何物体都是具有尺度的，并且同一物体在多个尺度下会表现出不同的结果。比如，某个人去观测一个物体，通过改变人与物体间的距离，物体在人体视网膜的成像大小也会改变，这样观测到的同一个物体由于观测距离的原因看到了不同的细节，从而得到了对同一物体的不同描述。对于图像也一样，单尺度的图像分析由于局限性会影响最终的结果，而通过改变图像的尺度，得到的图像更多的细节信息，从而更好的分析图像。因此，Crowley等人提出了非单一尺度分析法，也就是图像金字塔，是对原始图像进行处理，得到一组分辨率和尺寸逐渐降低的图像，这些图像构成了类似金字塔形状的结构。而高斯金字塔是对图像先进行高斯滤波，然后采用下采样对图像进行分解，这样得到多层图像。

由于分形维数直观上与物体表面的粗糙度相吻合，而自然界中的不同物体粗糙度有很大差别，可用分形维数来作为区分图像目标和背景的有效参数。分形维数是由美籍法国数学家曼德尔罗伯特于20世纪70年代中期提出，主要用来描述自然界中传统几何学不能描述的一类几何对象，例如，在传统几何中认为点为零维，线为一维，具有长度度量，面为二维，具有面积度量，体为三维，具有体积度量。所以维数和度量有着密切的联系，如果用零维的点来度量一条直线，得到的结果为无穷大，而用二维的平面来度量一条直线，其结果却为0，无法采用某一尺度取度量该直线，因此需要寻找一个和直线具有相同维数为1的线段来衡量才会得到有限值。综上所述，科契曲线在一维空间中度量为无穷大，在二维空间中面积为0，寻找和科契曲线维数相同的尺子度量才能得到有限值，该维数介于1和2之间，得到了分数维度，即分形维数。

快速地毯覆盖法是杨斌利等人在地毯覆盖法的基础上提出的。由于图像的相邻像素的灰度具有相关性，目标边缘处相邻像素灰度发生突变，该方法在构造多尺度图像灰度表面时，采取“奇行奇点，偶行偶点”的取点原则，采用这些点构造了一种仍能覆盖初始灰度表面且大小高低变化的统计量，进而得到图像的分形维数。

发明内容

本发明的目的在于提供了一种基于多尺度快速地毯覆盖法声呐图像分形特征提取方法，根据得到的图像多尺度分形特征，利用基于遗传算法的支持向量机(Geneticalgorithm-support vector machine，GA-SVM)对图像像素点进行准确分类。

本发明所采用的技术方案是，一种基于多尺度快速地毯覆盖法声呐图像分形特征提取方法，具体按照以下步骤实施：

步骤1，将原始声呐图像读入矩阵实验室(MATLAB)，利用小波分解将原始声呐图像分解为低频分量、水平高频分量、垂直高频分量以及对角高频分量，对水平高频分量、垂直高频分量以及对角高频分量分别进行三维块匹配滤波后结合低频分量并利用小波重构得到去噪后的声呐图像；