一种基于Radon变换和Snake模型的声呐图像目标分割方法

文档序号:39472674发布日期:2024-09-24 20:17阅读:来源:国知局

技术特征:

1.一种基于radon变换和snake模型的声呐图像目标分割方法,其特征在于,所述方法具体包括以下步骤:

2.根据权利要求1所述的一种基于radon变换和snake模型的声呐图像目标分割方法,其特征在于,所述步骤一的具体过程为:

3.根据权利要求1所述的一种基于radon变换和snake模型的声呐图像目标分割方法,其特征在于,所述步骤二的具体过程为:

4.根据权利要求3所述的一种基于radon变换和snake模型的声呐图像目标分割方法,其特征在于,所述n个投影角度是均匀分布在[0,π)范围内的,且第i个投影角度其中,i=1,2,3,…,n。

5.根据权利要求4所述的一种基于radon变换和snake模型的声呐图像目标分割方法,其特征在于,所述图像f中第i列的各个像素点灰度值沿直线ρ=xcosθi+ysinθi方向求积分,得到图像f中第i列的各个像素点灰度值在第i个投影角度上的投影值;具体为:

6.根据权利要求1所述的一种基于radon变换和snake模型的声呐图像目标分割方法,其特征在于,所述步骤三中,根据步骤二确定出的目标区域图像获取初始的目标轮廓采用的是手动选取和手动添加插值点的方式。

7.根据权利要求5所述的一种基于radon变换和snake模型的声呐图像目标分割方法,其特征在于,所述通过最小化snake模型的能量函数来对初始的目标轮廓进行处理,获得最终的目标轮廓;具体为:

8.根据权利要求7所述的一种基于radon变换和snake模型的声呐图像目标分割方法,其特征在于,所述图像的能量场p(v(s))为:

9.根据权利要求8所述的一种基于radon变换和snake模型的声呐图像目标分割方法,其特征在于,所述对各个轮廓点的位置进行更新得到更新后的轮廓点位置具体为:

10.根据权利要求9所述的一种基于radon变换和snake模型的声呐图像目标分割方法,其特征在于,所述对最终的各个轮廓点连线内的区域进行处理是指形态学处理,形态学处理后,获得最终的目标轮廓。


技术总结
一种基于Radon变换和Snake模型的声呐图像目标分割方法,它属于声呐图像分割技术领域。本发明解决了现有声呐图像分割方法存在分割结果的准确性差、分割效率低以及训练数据需求量大的问题。本发明首先对声呐图像进行Radon变换,将声呐图像目标的前景目标区域和背景区域实现分离;再引入Snake模型,通过能量最小化过程获取目标的精确轮廓边界并分割;最后采用形态学处理来进一步优化分割结果。实现了声呐图像目标分割的完整性,且分割后目标边缘保持能力较好,有效地提高了分割的准确性、效率和稳定性。同时分割过程不需要使用依赖于大量训练数据的深度学习模型。本发明方法可以应用于声呐图像目标分割。

技术研发人员:刘光宇,王帅,杨燕婷,周维云,杨春丽
受保护的技术使用者:大理大学
技术研发日:
技术公布日:2024/9/23
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1