基于BEMD的水下声影区地貌及纹理特征提取.pdfVIP

2007正 12月 郑 州 大 学 学 报 (工 学 版 ) Dec． 2007 第28卷 第4期 Journal of Zhengzhou University(Engineering Science) V01．28 No．4 文章编号：1671—6833(2007)04—0070—05 基于BEMD的水下声影区地貌及纹理特征提取 葛光涛，桑恩方，刘卓夫，吴玉桐 (哈尔滨工程大学 水声工程学院，黑龙江 哈尔滨150001) 摘 要：提出了一种基于二维经验模态分解(The Bidimensional Empirical Mode Decomposition，BEMD)的 水声图像声影区地貌及纹理特征提取方法．为了解决声影区的存在对水声图像特征提取的干扰问题，先 对水声图像进行二维模态分解。采用Canny边缘检测器对其中的模态1或几个模态的叠加进行特征提 取．实验结果表明，该方法增强了声影区内目标的特征信息，弱化了声影区的阴影边缘，是一种实用的水 声图像特征提取新方法． 关键词：声影区；特征提取；边缘检测；二维经验模态分解 中图分类号：P 229．1 文献标识码：A 的过程，也被称为筛分过程，可将数据分解为多个 0 引言 局部窄带的IMF和余量的和． 声纳发射出去的声波，被水底物质或水中物 n (t)=∑c。+，二 (1) 体反射，水中物体或目标会挡住部分声波使其不 能到达水底，因此在水底形成声影区¨ ． 式中： (t)为信号；n为分解层数；c 为第i层IMF； 徐文等 对水声图像像素的不同灰度区的 r 为余量项． 峰值进行阈值选择和动态搜索，将连通的目标和 IMF之间是近似正交的，代表了数据局部的 声影区域标记出来，以获得水声图像的分割结果． 各个频率成分，对应于原信号时间尺度从细到粗 郭海涛等 采用属性直方图的方法提取目标声 的特征信号，余量则代表了原信号的发展趋势． 影区特征，利用模糊聚类方法和 BP神经网络进 1．2 二维经验模态分解(BEMD) 行分类识别；L．J．Lisani等采用目标和声影区的 与一维经验模态分解(EMD)类似，若图像信 灰度统计信息为特征进行识别 ． 号为 ，Y)， ：1，…，肘；)，：1，…，Ⅳ，则BEMD 人们在对声影区的地貌及纹理信息进行特征 的实现过程如下： 提取和判读时则遇到了困难．很多时候，声影区的 (1)外部初始化，令待处理的图像为r。，r。( ， 地貌及纹理信息不能被顺利地提取出来；有的时 Y)=，( ，Y)，J=1． 候，声影区的阴影边缘甚至被误当作地貌特征或 (2)筛分抽取第 个 IMF：① 内部初始化： 纹理信息而提取出来．针对以上两个问题，笔者提 h。( ，Y)=ri—l( ，Y)，k=1；②利用形态学算法， 出了一种基于二维经验模态分解的边缘检测法对 找出h 中的极大值点和极小值点；③分别对极 声影区的地貌及纹理信息进行特征提取． 大值点和极小值点进行曲面拟合形成二维图像包 络u…( ，Y)，u ， ( ，Y)；④确定上下包络的均值 1 经验模态分解(EMD)