水下声纳图像的处理与识别是近年来声纳信号处理领域内研究的一个热点和难点。随着一些成像声纳系统的研制成功，目标的识别不仅仅停留在一维回波的处理上，各国学者及工程技术人员将着眼点放在了成像声纳系统。本文主要围绕水下声纳图像的目标识别，将图像处理技术和模式识别技术应用于声纳图像中，完成了整个识别过程的算法研究，包括图像识别前的去噪、图像增强、图像边缘检测，目标的探测和识别。 HM000044
本文首先对水下声纳图像的预处理中的两个重点问题--图像的去噪和图像增强进行了细致而深入地研究。对于去噪，采用了三种去噪方法，即均值滤波法、中值滤波法和小波去噪，并对这三种去噪方法进行了对比研究。仿真结果表明上述三种方法在对水下声纳图像进行去噪时，效果较好的是中值滤波和小波变换去噪，基于小波变换的去噪不仅可以去噪而且可以很好的保留图像的细节信息，去噪后图像的信噪比高。对于图像增强，采用了三种方法，即直方图均衡化、拉普拉斯掩膜增强和小波增强。仿真结果表明小波增强对声纳图像有较好的增强效果，增强后图像的对比度提高。查看完整请+Q:351916072获取
对于图像的边缘检测，本文采用了数学形态学和Sobel边缘检测算子相结合的方法，利用数学形态学中的腐蚀去除“斑点”噪声，用Sobel算子提取边缘，使背景区域与目标区域分离以利于下一步的处理。
在识别器的设计上采用了BP神经网络，研究了BP神经网络在声纳目标识别中的应用，通过计算出目标物体的弧度进行模式比较识别。对图像进行识别算法验证结果的分析证明本文算法是有效的。
关键词：水下声纳图像；小波去噪；小波增强；边缘检测；BP神经网络识别
2.2.1图像去噪处理
图像去（Image De-noising）是图像预处理研究的一个永恒的课题。图像在获取和传输的过程中，会受到噪声的干扰，去噪的目的就是尽可能保持原始信号特征的同时，去除信号中的噪声。根据滤波所在空间的不同，图像去噪可分为基于空间域和基于变换域的两种去噪方法。基于空间域的去噪方法是较早出现的经典的图像去噪技术之一，空间滤波器又分为平滑线性滤波器和非线性统计排序滤波器。平滑线性滤波器又称为均值滤波器，第二种非线性统计排序滤波器包括：中值滤波器、最大值和最小值滤波器等，其中最常用的是中值滤波器，去除脉冲噪声效果非常好。基于变换域的去噪方法比如傅里叶变换（Fourier Transforn）去噪算法以及各种小波变换多分辨率分析算法。本文使用了空间域两种方法及变换域中小波变换去噪，并对三种方法的去噪效果进行了比较和总结。
二维中值滤波的窗口形状和尺寸对滤波效果影响较大，不同的图像内容和不同的应用要求，往往采用不同的窗口形状和尺寸。常见的二维中值滤波窗口形状有线状、方形、圆形、十字形和圆环形等，其中心点一般位于被处理点上，窗口尺寸一般先用3再取5逐点增大，直到其滤波效果满意为止。一般来说，为了更全面地保护图像的边缘并有效的消除噪声，经常采用全方位窗口选择方法，且窗口的大小以不超过图像中最小有效物体的尺寸为宜。
中值滤波可以消除孤立的噪声点，又可以让图像产生较少的模糊。同时中值滤波不需要做乘除运算，所以它具有处理速度快的优点。但是，由于中值滤波的输出像素是由邻域图像的中间值决定的，所以对极限像素值（与周围像素灰度值差别较大的像素）不如均值滤波敏。
摘要 I
ABSTRACT II
第1章 绪论 1
1.1课题研究背景及意义 1
1.1.1课题研究背景 1
1.1.2课题研究意义 1
1.2模式识别概述 2
1.2.1基本概念 2
1.2.2模式识别系统 2
1.2.3模式识别的主要方法 3
1.3图像处理与识别概述 5
1.4目标识别技术的发展与现状 6
1.5本文的工作 7
第2章 水下声纳图像的预处理 9
2.1图像预处理概述 9
2.2图像空间域预处理 9
2.2.1图像去噪处理 9
2.2.2图像增强处理 13
2.3图像变换域预处理 17
2.3.1小波变换概述 17
2.3.2小波变换的定义 17
2.3.3小波的的发展及应用 18
2.3.4小波变换在图像去噪上的应用 20
2.3.5小波分析用于图像增强 24
第3章 图像的特征提取 26
3.1数学形态学基本理论 26
3.1.1膨胀和腐蚀 26
3.1.2膨胀和腐蚀的组合运算 27
3.2图像边缘检测 27
3.2.1边缘检测概述 27
3.2.2几种边缘检测算子介绍 28
3.2.3几种边缘检测算子的性能比较 30
第4章 利用神经网络进行目标识别 32
4.1图像识别概述 32
4.2人工神经网络发展概况 32
4.3神经网络的结构及类型 33
4.4神经元的学习算法 34
4.5神经网络的应用 34
4.6 BP网络 35
4.7识别方案设计 38
4.7.1识别原理 38
4.7.2 实验结果 38
第5章 总结与展望 41
5.1声纳图像处理与识别总结 41
5.2声纳图像处理与识别技术展望 41
参考文献 42
致谢 45
附录 英文资料翻译47
任务书 70 查看完整请+Q:351916072获取
网友评论