專利名稱：高斯勢與空間直方圖融合的自適應(yīng)圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)字圖像處理技術(shù)領(lǐng)域，具體涉及一種運行速度快、適用于各種實時應(yīng)用場合的高斯勢與空間直方圖融合的自適應(yīng)圖像分割方法。
背景技術(shù)：
在圖像處理理論中，圖像分割、特征提取與目標(biāo)識別構(gòu)成了由低層到高層的三大任務(wù)，目標(biāo)識別與特征提取都以圖像分割作為基礎(chǔ)，圖像分割的好壞將直接影響到后續(xù)的特征提取和目標(biāo)識別。圖像分割是將圖像中有意義的特征或區(qū)域提取出來的過程，這些特征可以是圖像的原始特征，如像素的灰度值、物體輪廓、顏色、反射特征和紋理等，也可以是空間頻譜等，如直方圖特征。圖像分割的目的是把圖像劃分成若干互不相交的區(qū)域，使各區(qū)域具有一致性，而相鄰區(qū)域間的屬性特征有明顯的差另O，較為正式的定義如下設(shè)/^'為圖像像素的集合，W是選定的區(qū)域特征一致性準(zhǔn)則，則對圖像分割是將/^'劃分成若干子集CT1，毛，…，Λ)，并且要滿足下面5個條件(I)
F = ;⑵對所有的 i·和 J·，I ，尤 n lj=0 ； (3)對i=l，2，…，/7，有TP(Zi)=TRUE ； (4)
Pixi U J7.)= FALSE, i關(guān)J;(5)對i=l，2，…，/7，尤是連通區(qū)域。上述條件說明，圖像分割應(yīng)將圖像中的每個像素都分到合適的區(qū)域中，分割后的各個區(qū)域不能相互重疊，每個區(qū)域都有獨特的屬性特征，同一區(qū)域中的像素具有一致性，因此分割的實質(zhì)就是建立空域像素與滿足一定一致性區(qū)域之間對應(yīng)關(guān)系的過程，其結(jié)果表示為圖像的邊緣或區(qū)域。圖像分割的應(yīng)用非常廣泛，幾乎出現(xiàn)在有關(guān)圖像處理的所有領(lǐng)域，并涉及各種類型。圖像分割作為前沿學(xué)科充滿了挑戰(zhàn)，吸引了眾多學(xué)者從事這一領(lǐng)域研究。圖像分割又是計算機視覺領(lǐng)域的一個經(jīng)典難題，盡管人們在圖像分割方面已取得了大量的研究成果，但目前尚無通用的分割理論提出，現(xiàn)已提出的方法大多數(shù)都是針對具體問題。正是由于圖像分割的不確定性及分割任務(wù)的重要性，人們至今仍在不斷地研究探索新的分割理論與方法。傳統(tǒng)的圖像分割方法包括基于區(qū)域的，基于邊緣的和兩者結(jié)合的圖像分割方法。但是這些傳統(tǒng)的分割方法由于各種原因已不能滿足實際應(yīng)用對圖像分割的要求。近年來，人們對傳統(tǒng)的分割方法進(jìn)行了改進(jìn)，提出了改進(jìn)的閾值法、改進(jìn)的聚類分割方法、改進(jìn)的區(qū)域分割方法等等；另一方面，隨著各學(xué)科許多新理論和新方法的提出，人們也提出了許多結(jié)合一些特定理論、方法和工具的圖像分割技術(shù)。即每當(dāng)有新的數(shù)學(xué)工具或方法提出來，人們就嘗試著將其用于圖像分割，因而提出了不少基于特定理論的分割方法。如基于數(shù)學(xué)形態(tài)學(xué)的圖像分割方法、基于模糊理論的圖像分割方法、基于神經(jīng)網(wǎng)絡(luò)的圖像分割方法、基于支持向量機的圖像分割方法、基于圖論的圖像分割方法、基于免疫算法的圖像分割方法、基于偏微分方程的圖像分割方法、基于小波分析和變換的分割方法，基于分形理論的圖像分割方法等等。雖然以上圖像分割方法針對具體圖像分割都有較好的分割表現(xiàn)，但是仍然存在許多問題，例如像基于偏微分方程的分割方法等一般計算復(fù)雜度較高，難以實時應(yīng)用，像聚類的分割方法需要過多人的干預(yù)等。概括起來仍存在如下的一些主要問題①以上不同方法是針對具體某一類型的圖像而言具有較好的分割效果，由于圖像的多樣性，一旦用于其它類型的圖像分割效果較差，甚至出現(xiàn)錯誤的分割，總之，通用性不強。②已有的這些方法都是針對具體圖像分割問題，沒有任何一種分割方法能夠適用于所有的圖像，由于各種方法對圖像的處理都帶有一定的針對性和局限性，用戶需要花費大量的時間和精力挑選適合于當(dāng)前應(yīng)用圖像特點的方法，即使如此，分割性能有時也不能滿足用戶的要求，并且有些分割方法的穩(wěn)定性較差。③由于圖像分割的復(fù)雜性，即使使用新型的分割方法，圖像分割質(zhì)量不高，而且在這些分割方法中，許多方法計算復(fù)雜度高，難以實時應(yīng)用。閾值分割方法因其簡單、計算量小、性能較穩(wěn)定而成為圖像分割中應(yīng)用最廣泛的分割技術(shù)，其關(guān)鍵是如何選取閾值以獲得最佳分割效果。大多數(shù)閾值分割法是基于圖像的一維灰度直方圖來選取最佳閾值，這些方法包含了單閾值分割和多閾值分割。但多閾值分割研究較少，在實際應(yīng)用中經(jīng)常遇到的是多閾值分割，即使在單一目標(biāo)情況下，由于目標(biāo)或者背景的復(fù)雜性，在直方圖中也可能出現(xiàn)多峰情況。而多閾值分割問題可轉(zhuǎn)化為一系列單閾值分割問題來解決，但這需要在全灰度范圍內(nèi)搜索一個最佳門限組合，耗時較多，難于實際應(yīng)用，為簡化計算，可利用遺傳、粒子等進(jìn)化方法來搜索最佳閾值，提高處理速度。但這些優(yōu)化方法一般都使用概率型優(yōu)化， 搜索的結(jié)果有時差強人意，且有些優(yōu)化方法需要設(shè)置參數(shù)，參數(shù)設(shè)置不當(dāng)會嚴(yán)重影響分割結(jié)果。裴繼紅、謝維信撰寫的《勢函數(shù)聚類自適應(yīng)多閾值圖像分割》(計算機學(xué)報.1999，22(7) : 758-762)的文章提出了采用一種基于勢函數(shù)聚類的多閾值圖像分割方法，通過對圖像的直方圖定義勢函數(shù)以及計算剩余勢函數(shù)來快速、有效地尋找最優(yōu)閾值，且這種方法具有速度快，但也存在一些不足，如在勢的劃分過程中存在勢的誤劃分，即受衰減半徑參數(shù)的影響，在勢的劃分過程中會出現(xiàn)一些不應(yīng)該劃分出的勢，采用的勢劃分函數(shù)擬合效果不佳、自適應(yīng)性不強等。所以每種圖像分割方法通常適用于一定場合，分割效果受輸入圖像統(tǒng)計分布和方法參數(shù)選擇影響較大，通用性較差，因此根據(jù)輸入圖像局部區(qū)域或全部區(qū)域信息分布自適應(yīng)選擇方法參數(shù)是圖像分割方法的重要研究內(nèi)容。在文獻(xiàn)=Bir B, John Μ,Sungkee L. Closed-Ioop adaptive image segmentation [A]· IEEE Computer SocietyConference on Computer Vision and Pattern Recognition [C]. IEEE Press, 1991:734 - 735，指出了自適應(yīng)分割的難點主要在于分割過程的控制參數(shù)數(shù)目多；參數(shù)之間相互關(guān)聯(lián)且難于數(shù)學(xué)建模；分割效果隨著不同圖像的變化而變化。

發(fā)明內(nèi)容
針對以上分割問題及難點，本發(fā)明的目的在于提供一種快速、自適應(yīng)性強、抗噪性強、分割性能好、普適性較好的高斯勢與空間直方圖融合的自適應(yīng)圖像分割方法。本發(fā)明的目的是這樣實現(xiàn)的
首先，利用高斯模板和8-鄰域中值濾波模板對原圖像進(jìn)行濾波得到兩幅圖像，用這兩幅圖像創(chuàng)建二維空間直方圖和一維空間直方圖，這些空間直方圖克服了傳統(tǒng)一維直方圖丟失空間信息的缺點，使得分割更準(zhǔn)確，而且具有較強的抗噪性，也使得該方法的穩(wěn)定性增強；然后，基于一維空間直方圖利用高斯勢“平滑”與“保持”的良好特性構(gòu)建高斯勢直方圖，這種高斯勢直方圖能更好地體現(xiàn)圖像特征信息以便準(zhǔn)確捕捉直方圖上的峰點，并且基于二維空間直方圖構(gòu)建二維Otsu準(zhǔn)分法，這種準(zhǔn)分法能夠更為準(zhǔn)確分割單峰圖像；其次，利用高斯勢擬合函數(shù)良好的“擬合”特性自動獲取高斯勢直方圖上的峰點；再次，對于峰點數(shù)為I的圖像，可以采用二維OtSU準(zhǔn)分法對圖像進(jìn)行分割，對于峰點數(shù)大于I的圖像采用高斯勢擬合技術(shù)求取閾值。本發(fā)明的高斯勢與空間直方圖融合的自適應(yīng)圖像分割方法，具體步驟如下
步驟I)輸入大小為和灰度級為0，I,…，L的待分割圖像/(H) (II彡7彡Ai);
權(quán)利要求
1.一種高斯勢與空間直方圖融合的自適應(yīng)圖像分割方法，其特征在于首先，利用高斯模板和8鄰域中值濾波模板對原圖像進(jìn)行濾波得到兩幅圖像，用這兩幅圖像創(chuàng)建二維空間直方圖和一維空間直方圖；然后，基于一維空間直方圖利用高斯勢“平滑”與“保持”的良好特性構(gòu)建高斯勢直方圖，保證直方圖體現(xiàn)圖像特征信息以便準(zhǔn)確捕捉直方圖上的峰點， 基于二維空間直方圖構(gòu)建二維Otsu準(zhǔn)分法，這種準(zhǔn)分法能夠更為準(zhǔn)確分割單峰圖像；其次，利用高斯勢擬合函數(shù)良好的“擬合”特性自動獲取高斯勢直方圖上的峰點；再次，對于峰點數(shù)為I的圖像，可以采用二維Otsu準(zhǔn)分法對圖像進(jìn)行分割，對于峰點數(shù)大于I的圖像采用高斯勢擬合技術(shù)求取閾值；具體步驟如下步驟I)輸入大小為iOOV和灰度級為0，I,…，L的待分割圖像/Cr，_F) (I I彡7彡Ai);步驟2)利用式⑴高斯函數(shù)創(chuàng)建3X3高斯濾波模板，使用模板 I I I"
2.根據(jù)權(quán)利要求I所述的高斯勢與空間直方圖融合的自適應(yīng)圖像分割方法，其特征在于步驟10)中判斷偽峰主要有兩個依據(jù)第一、當(dāng)最高峰4位于[4，250]之間,在左=^±5時；或者在&〈4，在左=Xi + 5時；或者在&>250，在左=&-5時；判斷/^〈 p(k)是否成立；第二、判斷
3.根據(jù)權(quán)利要求I所述的高斯勢與空間直方圖融合的自適應(yīng)圖像分割方法，其特征在于步驟14)中所述的采用二維Otsu準(zhǔn)分法獲取單閾值的具體步驟為步驟(I. I)用S(H)和zCr，_F)創(chuàng)建二維空間直方圖，將二維空間直方圖分成四個矩形區(qū)域，沿著主對角線的區(qū)域為區(qū)域I和2，代表目標(biāo)或背景，沿著副對角線的區(qū)域3和4表示邊緣點及噪聲；步驟(I. 2)計算二維Otsu法的類間方差跡
4.根據(jù)權(quán)利要求I所述的高斯勢與空間直方圖融合的自適應(yīng)圖像分割方法，其特征在于步驟14)中所述的采用高斯勢擬合法獲得多閾值的具體步驟為步驟(2. I)依據(jù)Z值的大小，對Z按升序排序，按Z排序的位置，對&和A進(jìn)行排序； 步驟(2. 2)通過Uw和召獲得巧，其中左=1，2，…，C-,步驟(2. 3)確定C-I個圖像分割閾值(，T2,…，Tc_”其中7；=4 ;步驟(2. 4)由方程^(i,)- Fk+liQ =0求解出厶。
全文摘要
本發(fā)明涉及數(shù)字圖像處理技術(shù)領(lǐng)域，具體涉及一種運行速度快、適用于各種實時應(yīng)用場合的高斯勢與空間直方圖融合的自適應(yīng)圖像分割方法，首先，利用高斯模板和8-鄰域中值濾波模板對原圖像進(jìn)行濾波得到兩幅圖像，用這兩幅圖像創(chuàng)建二維空間直方圖和一維空間直方圖；然后，基于一維空間直方圖利用高斯勢“平滑”與“保持”的良好特性構(gòu)建高斯勢直方圖，基于二維空間直方圖構(gòu)建二維Otsu準(zhǔn)分法；其次，利用高斯勢擬合函數(shù)良好的“擬合”特性自動獲取高斯勢直方圖上的峰點；再次，對于峰點數(shù)為1的圖像，可以采用二維Otsu準(zhǔn)分法對圖像進(jìn)行分割，對于峰點數(shù)大于1的圖像采用高斯勢擬合技術(shù)求取閾值。本發(fā)明方法具有較強的自適應(yīng)性。
文檔編號G06T7/00GK102930538SQ20121041085
公開日2013年2月13日 申請日期2012年10月25日 優(yōu)先權(quán)日2012年10月25日
發(fā)明者張新明, 黨留群, 牟占生, 于紅斌, 尚江麗, 鄭延斌 申請人:河南師范大學(xué)