丁雪洁,解 恺,刘 维,刘纪元,江泽林
DING Xuejie,XIEKai,LIU Wei,LIU Jiyuan,JIANG Zelin
中国科学院 声学研究所,北京 100190
Institute of Acoustics,Chinese Academy of Sciences,Beijing 100190,China
合成孔径声纳(Synthetic Aperture Sonar,SAS)由于能够得到方位向和距离向精度很高的图像而成为当前研究的热点[1]。近年来,随着合成孔径声纳成像技术的发展,声纳图像的自动检测与分类具有重要的研究价值[2]。
水下成像声纳的识别系统可分为以下几个步骤:图像预处理,图像分割,特征提取和分类等。近年来,基于马尔可夫随机场的分割算法得到深入研究,应用于声纳图像中取得较好的效果[3],在传统的识别算法中,常常采用不变矩作为目标的特征[4-5],但是声纳图像往往受到较大噪声的干扰,目标边界较模糊,若仅使用不变矩作为目标的特征时常会引起分类的错误。文献[6]采用链码离散曲率对RD仿真产生的SAS图像进行了分类,但没有考虑目标的阴影信息。在SAS目标的识别中,阴影信息具有一定辅助作用,它可以提供通过目标区域本身不能得到的互补信息。文献[7]通过实验验证SAS图像不同种类目标统计参数的特性有利于识别。在分类算法中,由于无监督型聚类算法能揭示出数据的内在结构,体现出对数据描述的透明性,所以被广泛关注。在众多无监督聚类算法中,k-均值聚类算法由于简单易行,且分类效果好被广泛使用[8]。
本文提出一种利用新特征空间的合成孔径声纳图像自动分类算法。首先采用马尔可夫随机场对图像进行分割,得到感兴趣区域。提取阴影的几何特征和目标的归一化中心矩,同时还将SAS图像中统计特性中参数之间的差异作为特征。……