Page 241 - 应用声学2019年第4期
P. 241

第 38 卷 第 4 期                 王梁等: 基于超椭圆拟合的水下小目标分类                                           701


                 通过分析图 4,可以看出在提取目标阴影边界                         是,目标阴影边界提取的好坏直接影响边界坐标集
             之前,需要预处理图像。首先,利用无监督马尔科                            的准确度,此坐标集为超椭圆曲线的拟合提供了重
             夫分割算法      [13]  将图像分割若干个区域,得到感兴                  要的数据基础,因此,阴影边界的提取成为目标识别
             趣的目标阴影区域。然后,使用中值滤波、形态学                            过程中最重要的一步。
             滤波、形态学重建等方法去除噪声和伪影对阴影区                                第二步,经过 MATLAB 软件仿真,圆柱体、球
             域的影响。最后,根据边界追踪算法                [14]  检测目标阴       体和圆台三类目标的超椭圆曲线拟合过程如图5∼7
             影边界,提取描述边界信息的坐标集。值得注意的                            所示。














                              (a) ε=1.7460                             (b) ε=1.7218                            (c) ε=1.6907













                              (d) ε=1.5948                             (e) ε=1.6158                             (f) ε=1.6776
                                                      图 5  圆柱体目标
                                                  Fig. 5 Cylindrical target














                              (a) ε=1.7100                             (b) ε=1.6863                             (c) ε=1.4283













                              (d) ε=1.3604                             (e) ε=1.2317                             (f) ε=1.0716
                                                       图 6  球体目标
                                                    Fig. 6 Sphere target
   236   237   238   239   240   241   242   243   244   245   246