基于二次反锐化掩模的多特征侧扫声纳成像海底底质分类

摘要

提出了一种二次反锐化掩模算子(QUM),用于从图像中提取等比重的边缘和细节信息.把图像的平均边缘细节量((QUM))、平均纹理能量((TEM))和标准差(σ)相结合,构成本文的三维特征矢量((QUM),(TEM),σ),用于对侧扫声纳海底图像进行底质分类.利用该特征矢量((QUM),(TEM),σ)对泥、沙、石三种类型海底的150幅侧扫声纳图像进行分类实验,获得了最高96.7%、最低90.7%的识别率,而利用常用的灰阶共生矩阵方法的分类识别率为87.3%,表明本文方法能较好地用于海底底质分类.