本文首先采用了一种自适应阈值小波去噪的方式对图像进行了去噪处理，这种方法与传统滤波方法相比有更广的适用范围和相对较好的处理效果。接着对传统空域图像增强算法进行了简要介绍，分别分析了利弊，然后探讨并采用了一种基于分段线性拉伸的分段灰度变换方法，该方法较传统增强算法而言，在对图中目标细节、边缘的处理有更好的效果，尽可能的避免了细节的丢失和边缘的模糊，从而为后续目标检测提供更好的基础。最后本文采用了基于变分水平集图像分割方法中的Chan-Vese模型对目标进行提取。在经过一系列的预处理之后，原本较为模糊的声纳图像变得逐渐清晰起来，这个时候用该方法将其提取出来，就可以使用户更直观的看到所需目标，方便后续的识别处理。 HM000068
关键词：声纳；自适应阈值；分段拉伸；分段灰度；水平集；迭代
第四章 改进图像增强方法
4.1 分段线性拉伸
水下声纳图像在获取的时候，由于水下环境十分复杂，噪声、水的污染度、还有水中颗粒数量等等，会对声纳探测图像造成严重影响，整幅图像亮度偏暗或者过度偏亮，亮度范围不足或其它因素造成的对比度不足，视觉效果十分不理想。图像增强的目的是突出图像中需要的信息，增大图像中不同物体特征之间的差别，一方面可以改善人眼对原始图像的视觉效果，以便于进一步处理或分析；另一方面，在计算机自动识别中可以使原始图像信息转换成便于机器感知，理解和分析的形式，提高处理和分析的质量。
4.2 原理及方法
将图像灰度区间分成两段乃至多段，分别作灰度变换称之为分段灰度变换。图4-1是分三段进行灰度变换的示意图。分段灰度变换发的优点是可以根据用户的需求，拉伸特征目标的灰度细节，相对抑制不感兴趣的背景和灰度级。分段变换发的区间边界可以通过键盘交互式输入的方法来确定，因此是一种比较灵活的方法，而且由于硬件实现较简单，在声纳图像增强中得到了广泛应用。 查看完整请+Q:351916072获取

图4.1 分三段灰度变换
分段灰度变换遵循以下规则：
              (4.1)

(a)本文算法增强过后直方图(b)直方图均衡化后的直方图
目录
摘   要    I
Abstract    II
第一章 绪论    1
1.1  水下声纳图像目标检测背景和意义    1
1.2  水下声纳图像目标检测主要方法和研究进展    1
1.2.1 声纳图像分割技术    1
1.2.2 轮廓提取技术    2
1.3  本文的研究内容和章节安排    3
第二章 自适应小波去噪方法    4
2.1 研究现状    4
2.2 去噪原则    5
2.3 阈值函数的选择    6
2.4 基于小波变换的自适应模糊阈值法原理    7
2.4.1 自适应模糊阈值去噪算法    7
2.4.2 自适应模糊阈值去噪的模型及仿真实现    8
第三章 空域图像增强    10
3.1背景知识    10
3.2基本灰度变换    10
3.2.1图像反转    10
3.2.2对数变换    10
3.2.3幂次变换    11
3.2.4分段线性变换函数    11
3.3直方图处理    12
3.3.1直方图均衡化    12
3.3.2直方图规定化    12
3.3.3局部增强    12
3.4平滑空间滤波器    13
3.5图像锐化    15
3.6 图像模糊机理及解决办法    15
3.7 微分法    15
3.8 高通滤波    16
第四章 改进图像增强方法    17
4.1 分段线性拉伸    17
4.2 原理及方法    17
4.3 分段点的选取    18
4.4 分段灰度变换方法    19
4.5 拉伸系数选取    19
4.6 实验效果图    20
第五章 基于变分水平集C-V模型的图像分割    22
5.1 图像分割概况    22
5.2 水平集    22
5.3 变分水平集方法的基本原理    24
5.4 水平集方法的数值计算    26
5.5 水平集函数的初始化问题    28
5.6 基于变分水平集的Chan-Vese模型    29
5.7 单水平集C-V模型的数值解    30
5.8 C-V分割结果    31
第六章 总结与展望    33
致谢    34
参考文献    35
附录 英文翻译    38
原文链接：http://www.jxszl.com/dzxx/dzkxyjs/560.html