第2章　图像预处理

2.1　引言

图像预处理是对于图像分析与图像理解而言的一种前期处理过程。它是特征提取和识别的基础，其根本目的是去除或削弱原始图像中的无用信息［1］。预处理结果的好坏将直接影响后续特征提取和检测识别的效果。

目前，由于水声环境恶劣、水下地形复杂、背景噪声严重等影响，成像声呐采集的声呐图像质量不高，表现出对比度差、边缘恶化、目标形状畸变等问题。另外针对水下小目标而言，其本身体积较小，仅占10～30像素不等，有时甚至更小，导致目标很容易被大量噪声淹没；且受传感器本身的系统噪声干扰，使得图像的信噪比降低，给水下目标检测和识别带来了很大困难。现阶段，任何成像声呐系统的性能都受到背景噪声的限制，了解背景噪声的形成和统计特性是非常有必要的。

背景噪声可以分为三类：混响、环境噪声和随机噪声。混响是主动声呐工作中特有的干扰形式，是海洋中大量无规则散射体对主动声呐的入射信号产生的散射波信号在接收点叠加而成的，是限制主动声呐对近距离目标检测的主要因素［2］。海洋噪声是环境噪声的主要来源，它是由大量无规则因素叠加在一起产生的［3］。随机噪声主要是指成像声呐在采集目标图像的过程中，受水中悬浮物的影响而在图像中形成的大量不需要的较亮斑点。

针对背景噪声对图像质量的较大影响，研究背景抑制（Background Suppression）技术，剔除杂波、提高图像的信噪比，是后续高级别处理的重要基础。目前，由于传统滤波方法在处理脉冲噪声、白噪声和非平稳过程信号时存在一定的局限性，现代滤波方法逐渐兴起，主要有基于数学形态学的滤波、基于神经网络的滤波、基于偏微分方程的滤波，以及基于小波变换的滤波等。本章将对这些方法原理进行梳理，并对滤波性能进行比较，在分析水声呐图像统计特性的基础上，介绍几种适用于声呐图像预处理的新方法。