小波函数对侧扫声纳图像滤波效果影响分析.pptVIP

小波函数对侧扫声纳图像滤波效果的影响分析 姓名：曹培培 学号：200930310135 导师：徐志京 小波函数对测扫声纳图像滤波效果的影响分析 中心议题: 1 了解侧扫声纳图像的研究背景 2 知道小波函数对测扫声纳图像滤波效果的 影响分析的背景 3 滤波效果定量分析比较研究 侧扫声纳图像的研究背景： 目前，侧扫声纳在大范围内海底目标的探测和定位、海底底质结构探测、海上石油勘探、航道疏浚、海洋环境监测、海洋渔业等多方面，起到了不可替代的作用。侧扫声纳图像判读的正确性和准确性对海洋工程的实施以及海洋测绘具有非常重要的作用。由于受复杂多变的海洋环境和系统不同设置等因素的限制，常常造成声纳图像斑点噪声强，目标轮廓模糊，辐射畸变和几何畸变严重等降质现象，严重时会遮盖和歪曲海底的真实地貌，误导图像判读。因此，对侧扫声纳图像进行去噪声处理十分必要，也可为图像的正确读判奠定基础。 小波函数对测扫声纳图像滤波效果的影响分析的背景 目前，针对声纳图像去噪算法的研究相对较少， 应用中大多是采用光学图像的处理方法，通过对比 以确定适合声纳图像去噪的方法。本文将小波变换 中的去噪处理方法应用到同一声纳图像进行处理， 将处理结果进行对比。经试验研究表明，小波变换 去噪处理对侧扫声纳图像有明显的增强效果，与 5x5的中值滤波相比，平滑指数性能稍差，但边缘 保持特性明显增强 滤波效果定量分析比较研究 1 评价指标选取 对图像的噪声进行分析，主要有如下指标平滑指数和边缘保持指数 。平滑指数(FI)是滤波处理后所有像元的均值M与其标准差SV的比值，它表征滤波器对各种图斑的平滑能力,FI 值越高，表示平滑作用越强，其计算公式:FI= M\SV 边缘保持指数(ESI)表示处理后滤波器对图斑水平与垂直向边缘的保持能力，其值越大，则保持能力越强，具体计算公式为: 式中， m为检验样本的数,GR1 和GR2砬分别为沿边界交界处左右上下互邻像元的灰度值 2 结果分析 本文选取试验的侧扫声纳图像如图1所示(此为左舷的局部数据)，图幅大小为750x8 912，声纳数据灰度为16位(即灰度值范围为[0，65535])。通过统计分析，获得图像的灰度直方图如图2所示，侧扫声纳图像的最小灰度值与最大灰度值分别为：0和65517；并且此声纳图像的灰度分布较为集中，主要集中在256个灰度阶上；经过统计分析，集中的灰度数目大于200000的灰度值为0257，3 084，3 341，3 598，3 855，4 112，4 369，其中灰度值为0时的数量最多，为352928。由图2中的直方图可以看出，灰度过于集中在低灰度值区域。 从表1中滤波图像的噪声参数值可以看出：所有的小波函数与中值滤函数对声纳图像均有一定的平滑作用；由均值可以看出，所有的小波函数都比原始图像有所增大，而5x5中值平滑滤波(效果如图3所示)将其均值进行了大大的降低，这是因为声纳图像灰度差较大，而且灰度偏向于低灰度级别，使得模板的中值也偏小，因此其均值降低的比较大；就标准差来说，各种算法滤波后的标准差数为1的双正交小波函数、Haar小波函数(效果如图4所示)的标准差较原始图像减小幅度较大。斑点噪声对图像最明显的影响就是图像具有较大的标准差，因此，滤波后标准差的减小正是对斑点噪声的去除引起的；就平滑指数来说，所有的小波函数与中值滤波对声纳图像都有适当的平滑作用，而中值滤波处理的效果最好，但也小波函数的平滑效果相差不大；由垂直、水平方向的边缘保持指数可以看出，小波函数明显较中值滤波处理边缘保持能力好，其中4阶Daubechies小波函数处理的效果最好。 鉴于对平滑指数和边缘保持指数的综合因素考虑，以及处理后图像的边缘保持能力与去噪声能力，选择上面的任意一种小波处理对侧扫声纳图像滤波处理都具有较好的效果，虽然平滑作用不如中值滤波处理，但边缘保持特性明显提高(图3、4)。由于侧扫声纳图像的灰度级少，变化趋势不明显，并且分布的极为不均匀，噪声图像多为随机斑点与条带噪声等特点，小波变换很是适合分析这种瞬应用到侧扫声纳图像中进行对比也说明了这一点。 结论 (1)本文试验的大部分方法对声纳图像均有较好的滤波效果，对于其中的斑点噪声与条带噪声有一定的抑制作用，可以有效地用于声纳图像平滑滤波。 (2)滤波后图像噪声均值变化较小，图像的噪声方差有明显下降。 (3)从表1的数据可以看出：中值滤波处理的平滑效果较好，而小波变换处理的边缘保持效果更突出。今后可以针对具体的应用目标，选取适当的滤波进行综合处理，从而得到更好的便于判读的声纳图像。 总之，小波函数对侧扫声纳图像