声呐技术在海洋开发领域起的作用越加重要,越来越多的科研人员投身此方向的研究。声呐图像处理是其中一项关键的技术,其过程一般可分为:声呐图像的滤波去噪、声呐图像分割、声呐图像的特征提取和目标识别。其中如何准确地将声呐图像分割己经成为声呐图像处理领域中的重要研究内容之一。海底声呐图像根据其本身特点一般可以分为目标亮区(简称亮区)、目标暗区(简称暗区)以及海底混响区(简称混响区)。其中亮区与暗区一般为人们所关心研究的区域,混响区一般为复杂海底环境形成的背景区。声呐图像分割的目的就是将目标亮区、暗区完整准确地与复杂海底混响分割开。本文就声呐图像的分割方法进行了研究,研究的内容主要如下:首先,本文简单介绍了一些常用的对图像进行滤波去噪的方法,并使用维纳滤波来抑制声呐图像所含的噪声。维纳滤波的核心思想是均方误差最小准则,它属于一种传统线性滤波的方法。它可以在取得较好滤波效果的同时,较为完整的保持图像的细节和边缘信息。其次,本论文采用基于直方图的THC(Tsallis-Havrda-Charva’t)熵分割方法对声呐图像进行分割。THC熵以香农熵为基础,在其概念上进行了扩展,引入了代表系统不可拓展程度的参数,具有非可加性。它考虑了两个子系统之间的相互作用,更具有普适性且更为有效。本文将THC熵图像分割方法由经典的基于一维直方图、二维直方图拓展到了基于三维直方图,进一步利用了图像的局部空间灰度信息,但同时导致了运算量成指数的迅速增加。然后,由于基于三维直方图的THC熵图像分割方法的运算量十分庞大、耗时较长,为降低其运算量节省程序运行时间,本文采用遗传算法对基于三维直方图的THC熵声呐图像分割方法进行优化。最后,本文分别采用不同特征构建二维、三维直方图,并用基于不同特征的直方图THC熵图像分割方法对声呐图像进行分割。讨论了不同的特征构建的直方图应用于直方图THC熵图像分割时,对分割效果的影响。