【摘要】 微信 。本发明提供的是一种基于分层MRF的声呐图像自适应分割方法。包括如下步骤：(1)用块方式的k－均值聚类算法确定声呐图像的初始三类分割；(2)基于空间邻域MRF的三类分割；(3)基于分层MRF的三类分割。本发明根据声呐设备接收目标区反射回的放大信号常常引起接收器的饱和，而导致属于目标区的灰度值都较大这一特点，提出了一个简单的正比例函数来描述目标区的分布。同时根据各向异性的二阶邻域系统模型建立新的声呐图像三类分割MRF模型参数，并将分层MRF理论应用到声呐图像三类分割中，提高了复杂海底声呐图像中目标的实时探测效率，并为后续水下目标的识别精度提供了更好的前提条件。 【专利类型】发明申请 【申请人】哈尔滨工程大学 【申请人类型】学校 【申请人地址】150001黑龙江省哈尔滨市南岗区南通大街145号1号楼哈尔滨工程大学科技处知识产权办公室 【申请人地区】中国 【申请人城市】哈尔滨市 【申请人区县】南岗区 【申请号】CN200810064436.1 【申请日】2008-05-05 【申请年份】2008 【公开公告号】CN101286229A 【公开公告日】2008-10-15 【公开公告年份】2008 【授权公告号】CN101286229B 【授权公告日】2010-06-02 【授权公告年份】2010.0 【IPC分类号】G06T5/00 【发明人】叶秀芬; 王兴梅; 张哲会; 方超 【主权项内容】1、一种基于分层MRF的声呐图像自适应分割方法，其特征是： 包括如下步骤： (1)用块方式的k-均值聚类算法确定声呐图像的初始三类分割； (2)基于空间邻域MRF的三类分割：①根据声呐图像初始分割结果以及各 分布函数的最大似然估计确定噪声参数；②采用各向异性的二阶邻域系统模型， 建立三类分割的MRF模型参数β1，β2，……，β12，根据同一种邻域结构中各类别所 占比例列出参数方程，并用最小二乘法确定模型参数；③根据后验概率最大更 新图像信息，并用迭代条件估计算法优化噪声参数和模型参数，得到参数收敛 后的三类分割结果； (3)基于分层MRF的三类分割：用分层MRF模型将声呐图像分为L+1层， 同时考虑空间邻域的作用和层次间的相互作用，模型参数为β1，……，β12，β13，其 中，β13为层次间的相互作用，噪声参数不变，通过最大似然分割得到最顶层的 三类分割信息，通过上层对下层的信息传递过程，并在每个层面上应用迭代条 件估计算法，形成一个由粗到细的MRF链的分割过程，最终在最底层得到比步 骤(2)精确的三类分割结果。 【当前权利人】哈尔滨工程大学 【当前专利权人地址】黑龙江省哈尔滨市南岗区南通大街145号1号楼哈尔滨工程大学科技处知识产权办公室 【专利权人类型】公立 【统一社会信用代码】12100000424006211L 【被引证次数】19 【被自引次数】8.0 【被他引次数】11.0 【家族引证次数】4.0 【家族被引证次数】19

未经允许不得转载：http://www.zhongzhencnc.com/1780127367.html