第1章 绪论 1
1.1研究背景 1
1.2侧扫声呐成像 2
1.3侧扫声呐图像目标分割 6
1.4本书的章节安排 11
参考文献 13
第2章 侧扫声呐图像的自适应灰度增强 17
2.1引言 17
2.2 Curvelet变换理论 19
2.3侧扫声呐图像自适应增强 23
2.4实验结果与分析 28
2.5本章小结 37
参考文献 37
第3章 散射模型与侧扫声呐图像的统计特性 40
3.1引言 40
3.2声呐成像的散射模型与瑞利分布 41
3.3其他概率分布模型 45
3.4概率分布模型拟合比较 48
3.5本章小结 54
参考文献 55
第4章 基于改进Canny算子的声呐图像边缘检测 57
4.1引言 57
4.2边缘检测与Canny算子 58
4.3 NSCT变换及其优势 62
4.4基于瑞利统计模型的NSCT域降斑 70
4.5基于类间方差最大的自适应双阈值确定 73
4.6改进Canny算子的声呐图像边缘检测方法的步骤 74
4.7实验结果与分析 75
4.8本章小结 80
参考文献 80
第5章 统计模型与边缘信息结合的变分水平集侧扫声呐图像分割 83
5.1引言 83
5.2活动轮廓模型与水平集方法 85
5.3统计模型与边缘信息结合的变分水平集声呐图像分割 96
5.4实验结果与分析 104
5.5本章小结 111
参考文献 112
第6章 基于非局部均值降斑和边缘约束RSF主动轮廓模型的侧扫声呐图像分割 118
6.1引言 118
6.2背景技术 122
6.3基于非局部均值降斑和边缘约束RSF模型的分割方法 126
6.4实验结果与分析 130
6.5本章小结 145
参考文献 145