基于超像素聚类的侧扫声呐图像分割算法

来源：计算机工程杂志2018年第6期北京时间：

作者：盛蕴霞,霍冠英,刘静

单位：1.河海大学 物联网工程学院,江苏 常州213022;2.常州市传感网与环境感知重点实验室,江苏 常州 213022

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

基金资助：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)。