基于C-means和FCM的侧扫声呐图像分割方法研究∗

田万平 林 嘉

（1.海军工程大学舰船综合试验训练基地 武汉 430033）（2.山东省军区数据信息室 济南 250000）

1 引言

侧扫声呐因其探测速度快、分辨率高的优点，自诞生以来就广泛地应用在军用和民用。侧扫声呐图像分割是对侧扫声呐图像处理的关键一步，分割算法性能的好坏直接关系到目标物的识别精度。目前常用的侧扫声呐图像分割算法主要有基于阈值、基于聚类、基于活动轮廓模型等的分割算法。对侧扫声呐图像进行分割的目的就是将背景、杂质、目标物等分离，以用于目标识别［1～3］。

目前，国内外学者对图像分割算法的研究主要是在现有基础上的改进，主要有两种方向：一是从算法本身出发，通过改写数学公式或者提出新的约束法则来增强算法性能；二是采用新理论、新方法提出新的方法，或者是新旧理论融合而产生的分割方法［4～5］。侧扫声呐图像的处理关系到海洋探测的速度和质量，而侧扫声呐图像分割是对侧扫声呐图像处理的关键一步。由于海洋环境的复杂性，侧扫声呐图像具有噪声复杂、对比度差等缺点，因此，对侧扫声呐图像分割的目的就在于使复杂的环境与目标物分离［1～6］。

本文主要研究侧扫声呐图像分割算法。首先，在分割之前需要对声呐图像进行预处理，针对声呐图像的噪声特点选用合适的滤波算法，这对之后的分割效果具有重要意义，所以在图像分割之前要对几种典型的滤波算法进行研究、筛选。然后，针对几种典型的侧扫声呐图像分割算法进行研究和比较，重点针对两种聚类算法进行图像分割性能的比较，并从算法本身分析产生差异的原因。……