基于超像素聚类的侧扫声呐图像分割算法

摘要：

针对传统超像素分割对声呐图像存在抗噪性能较差、分割后区域难以准确合并等问题,提出一种以超像素聚类方式实现侧扫声呐图像分割的方法.采用快速双边滤波对待分割的侧扫声呐图像进行降噪处理,以降低后续分割的困难.对降噪后的侧扫声呐图像提取亮度特征和纹理特征,计算两者相似性,并进行加权融合,以融合后的相似性作为像素与聚类中心间的距离度量准则,从而生成超像素.基于亮度特征对超像素进行显著性检测,标记显著性超像素,并基于最大流-最小割方法对超像素进行聚类.计算类内显著性超像素占比,将其与预设阈值进行比较,将大于阈值的标记为前景类,反之则为背景类,以得到最终的分割结果.实验结果表明,与模糊局部信息C均值算法和简单线性迭代聚类算法相比,该算法的分割准确率较高、过分割和欠分割率较低.

关键词：超像素分割、聚类、侧扫声呐图像、最大流-最小割、显著性

所属期刊栏目：44

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金41306089;江苏省自然科学基金BK20130240;中央高校基本科研业务费专项资金2017B43114

在线出版日期：2018-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：219-225,232