摘要

摘要：為了抑制背景噪聲，提高目標識別準確率，該文提出一種基於形狀特徵的水聲影象小目標識別方法。對含有目標的水聲影象進行非區域性均值去噪處理後，使用OTSU演算法自適應選取閾值對去噪影象進行二值化分割，結合形態學處理獲得分割後的目標區域；提取目標區域的矩形度、圓形度、幾何不變矩等各項形狀引數，將目標的特徵向量輸入隨機森林分類器實現對目標形狀的識別。在模擬和實測資料集上分別進行了實驗，結果表明，該方法對水聲影象中的目標具有較高的識別率，可以實現不同高斯噪聲背景下的目標識別，相較於其他方法在識別率上有一定提高。
關鍵詞：水聲影象；OTSU演算法；形狀特徵；不變矩；目標識別

定義

1.非區域性均值去噪
充分利用影象中的冗餘資訊，在去除影象噪聲的同時能夠最大程度地保持影象的細節特徵，抑制背景，突出目標。
使用miniSAR圖片進行去斑處理，效果和增強GammaMap相似，略好一些，經過調參更優一些，可以考慮以此為改進創新寫論文。
肉眼看上去可讀性更強，但是草地紋路被消除了。
2.OTSU演算法
OTSU演算法使用聚類思想自動選取閾值，通過計算方差尋找一個合適的灰度級把影象灰度分成兩個部分， 使得它們之間的灰度值差異最大。
差異:類間方差來衡量
3.隨機森林
做傳統演算法的研究，必須掌窩這些傳統的分類器
SVM，隨機森林，稀疏表示分類器等。