專利名稱：用于目標(biāo)圖像分割的全局閾值分割方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理和目標(biāo)檢測(cè)技術(shù)領(lǐng)域，具體涉及圖像處理分析系統(tǒng)(如目標(biāo)檢測(cè)系統(tǒng)、目標(biāo)識(shí)別系統(tǒng)、文本圖像檢測(cè)系統(tǒng)、醫(yī)學(xué)圖像分析系統(tǒng))中用于目標(biāo)檢測(cè)、目標(biāo)定位等的閾值分割方法。
背景技術(shù)：
近年來(lái)，目標(biāo)檢測(cè)成為科研和商業(yè)領(lǐng)域的研究熱點(diǎn)，如小目標(biāo)自動(dòng)跟蹤、車(chē)輛跟蹤、行人跟蹤、人臉檢測(cè)、文字檢測(cè)、飛機(jī)檢測(cè)等領(lǐng)域。閾值分割技術(shù)是目標(biāo)檢測(cè)系統(tǒng)中的一種重要技術(shù)，其基本原理是假設(shè)目標(biāo)的灰度和背景灰度不一致，通過(guò)合適的閾值分割，將目標(biāo)與背景分離，極大地降低了背景干擾，為后續(xù)的識(shí)別跟蹤提供了良好的圖像條件。此外，閾值分割技術(shù)還廣泛應(yīng)用于遙感圖像處理、目標(biāo)識(shí)別、文字圖像處理、醫(yī)學(xué)圖像處理、場(chǎng)景分析等許多領(lǐng)域。

幾十年來(lái)，人們發(fā)展了很多種閾值分割技術(shù)。一般可以分成兩大類，一類是全局閾值分割技術(shù)。顧名思義，其是指對(duì)圖像全局使用相同的閾值。另一類是局部閾值分割技術(shù)，即圖像的閾值隨著局部區(qū)域的灰度變化而改變。相比后者，全局閾值技術(shù)更容易實(shí)現(xiàn)，計(jì)算更加快速，應(yīng)用更加廣泛。全局閾值技術(shù)的主要難點(diǎn)在于最優(yōu)閾值的計(jì)算，人們?cè)趯ふ易顑?yōu)閾值的計(jì)算方法上所做的努力從來(lái)沒(méi)有停止過(guò)。日本東京大學(xué)信息科學(xué)系教授Otsu (N. Otsu, uK threshold selectionmethod from grey level histogram”， IEEE Transactions on Systems, Man, andCybernetics (1979) 62-66)首先提出了基于最大化類內(nèi)方差和的方法。其后人們研究了很多種基于灰度直方圖的閾值分割方法，包括最大熵方法、最小誤差方法、最大梯度方法，等等。由于認(rèn)識(shí)到一維方法的缺陷，一維方法無(wú)法區(qū)分灰度直方圖相同，空間分布不同的圖像。人們研究很多種利用空間相關(guān)性的閾值分割方法。美國(guó)坦普爾大學(xué)電子工程系教授 Abutaleb(A. S. Abutaleb, “Automatic thresholding of gray-level pictures usingtwo-dimensional entropies”，Pattern Recognition 47 (1989) 22-32)提出了基于二維灰度直方圖、二維Reny i熵、二維T s a 11 i s熵的方法。武漢華中科技大學(xué)模式識(shí)別與人工智倉(cāng)泛石開(kāi)究所 Haifeng Lu (Haifeng Lu, T. -x Zhang, L. -x Yan, “Threshold Selectionusing Partial Structural Similarity，，， International Journal of Digital ContentTechnology and its Applications 5 (2011) 397-407)提出了基于部分結(jié)構(gòu)相似性的方法。目前在全局閾值分割方法研究中，如何克服低對(duì)比度和噪聲干擾，如何有效利用空間信息是研究的熱點(diǎn)和難點(diǎn)。法國(guó)濱海大學(xué)教授Rekik(A. Rekik, M. Zribi, A. B. Hamida, and M. Benjelloun,“An Optimal Unsupervised Satellite image Segmentation Approach Based on PearsonSystem and k-Means Clustering Algorithm Initialization，，， International Journalof Information and Communication Engineering 5 (2009) 38-45)指出，許多全局閾值分割方法在處理衛(wèi)星遙感圖像中經(jīng)常失效，因?yàn)樾l(wèi)星遙感圖像中的目標(biāo)特征不具備紋理一致性。因此，假設(shè)目標(biāo)具有相似紋理的閾值分割方法就不能適應(yīng)。Haifeng Lu指出，許多閾值分割方法假設(shè)目標(biāo)的灰度空間分布滿足高斯混合模型，但這一假設(shè)不并不符合許多實(shí)際情況。現(xiàn)有的全局閾值分割方法的適應(yīng)面很窄，許多方法只對(duì)滿足某些條件的圖像有效，大部分方法在面對(duì)背景復(fù)雜、光照不均勻的圖像時(shí)都會(huì)失效。因此現(xiàn)有的全局閾值分割方法無(wú)法解決小目標(biāo)的分割定位問(wèn)題，也無(wú)法解決衛(wèi)星遙感圖像的閾值分割問(wèn)題。因此，設(shè)計(jì)一種能夠抗復(fù)雜背景干擾、光照干擾，適用于小目標(biāo)的分割和定位、衛(wèi)星遙感圖像和各類普通圖像的自動(dòng)全局閾值分割方法具有廣泛的實(shí)際應(yīng)用前景和潛在的商業(yè)價(jià)值。

發(fā)明內(nèi)容
(一 )要解決的技術(shù)問(wèn)題本發(fā)明所要解決的技術(shù)問(wèn)題是現(xiàn)有的用于目標(biāo)圖像分割的全局閾值分割方法擾干擾能力差，不能適應(yīng)于小目標(biāo)的分割和定位、衛(wèi)星遙感圖像的閾值分割的問(wèn)題。(二)技術(shù)方案為解決上述技術(shù)問(wèn)題，本發(fā)明提出一種用于目標(biāo)圖像分割的全局閾值分割方法，包括如下步驟SI、在總閾值區(qū)間內(nèi)連續(xù)改變閾值，得到與閾值對(duì)應(yīng)的目標(biāo)窗口集合上的0階類點(diǎn)數(shù)P(0，t)的最大值所對(duì)應(yīng)的閾值tmax，得到以該閾值tmax為端點(diǎn)的一個(gè)優(yōu)化閾值區(qū)間，其中P (0，t)表示與閾值t對(duì)應(yīng)的閾值圖像的目標(biāo)窗口集合上0階類點(diǎn)的數(shù)目，其中0階類點(diǎn)表示環(huán)繞指標(biāo)等于0的像素點(diǎn)，環(huán)繞指標(biāo)定義為在閾值圖像的前景像素點(diǎn)的3X3像素的鄰域內(nèi)，除該前景像素點(diǎn)之外的其他所有前景像素點(diǎn)的個(gè)數(shù)除以2再取整后的值；S2、在所述優(yōu)化閾值區(qū)間上計(jì)算光滑性算子SD(3，t)曲線的極值點(diǎn)，若其超過(guò)2個(gè)，則只保留最大的兩個(gè)SD (3，t)值所對(duì)應(yīng)的極值點(diǎn)t31、t32，其中D(k，t)表示光滑性算子，并且滿足
權(quán)利要求
1.一種用于目標(biāo)圖像分割的全局閾值分割方法，其特征在于，包括如下步驟 51、在總閾值區(qū)間內(nèi)連續(xù)改變閾值，得到與閾值對(duì)應(yīng)的目標(biāo)窗口集合上的O階類點(diǎn)數(shù)P (O, t)的最大值所對(duì)應(yīng)的閾值tmax，得到以該閾值tmax為端點(diǎn)的一個(gè)優(yōu)化閾值區(qū)間，其中p(0，t)表示與閾值t對(duì)應(yīng)的閾值圖像的目標(biāo)窗口集合上O階類點(diǎn)的數(shù)目，其中O階類點(diǎn)表示環(huán)繞指標(biāo)等于O的像素點(diǎn)，環(huán)繞指標(biāo)定義為在閾值圖像的前景像素點(diǎn)的3X3像素的鄰域內(nèi)，除該前景像素點(diǎn)之外的其他所有前景像素點(diǎn)的個(gè)數(shù)除以2再取整后的值； 52、在所述優(yōu)化閾值區(qū)間上計(jì)算光滑性算子SD(3，t)曲線的極值點(diǎn)，若其超過(guò)2個(gè)，則只保留最大的兩個(gè)SD (3，t)值所對(duì)應(yīng)的極值點(diǎn)〖31、〖32，其中0(1^，t)表示光滑性算子，并且滿足
2.如權(quán)利要求I所述的用于目標(biāo)圖像分割的全局閾值分割方法，其特征在于，所述步驟SI包括 步驟S11、根據(jù)給定的閾值，生成所述目標(biāo)圖像的閾值圖像； 步驟S12、根據(jù)給定的目標(biāo)尺度，在所述閾值圖像上形成目標(biāo)窗口集合； 步驟S13、計(jì)算閾值圖像的所述目標(biāo)窗口集合中O階類點(diǎn)的數(shù)目。
3.如權(quán)利要求2所述的用于目標(biāo)圖像分割的全局閾值分割方法，其特征在于，所述步驟S12包括 5121、將閾值圖像分割成縱橫方向上均勻、緊密排布的網(wǎng)格陣列，并且使該網(wǎng)格陣列的每個(gè)網(wǎng)格的尺度相同，且不大于給定的目標(biāo)尺度； 5122、將所述網(wǎng)格陣列的每個(gè)網(wǎng)絡(luò)作為一個(gè)窗口，對(duì)所有的窗口進(jìn)行移動(dòng)和篩選，得到覆蓋目標(biāo)的多個(gè)目標(biāo)窗口； 5123、基于所述篩選得到的多個(gè)目標(biāo)窗口，對(duì)于聚集在一起的窗口，去除聚集區(qū)域周邊位置的窗口，保留聚集區(qū)域中心位置的窗口。
4.如權(quán)利要求3所述的用于目標(biāo)圖像分割的全局閾值分割方法，其特征在于，在步驟S121中，使網(wǎng)格的尺度小于給定的目標(biāo)尺度的1/2，以提高目標(biāo)窗口的采樣精度。
5.如權(quán)利要求3所述的用于目標(biāo)圖像分割的全局閾值分割方法，其特征在于，步驟S122包括 首先，計(jì)算每個(gè)窗口的前景的幾何中心，并將該窗口平行移動(dòng)，使該窗口的中心移動(dòng)到該前景幾何中心。
然后，計(jì)算移動(dòng)后的窗口的前景面積占窗口總面積的比例r，篩選出該比例r在一定范圍內(nèi)的窗口。
6.如權(quán)利要求5所述的用于目標(biāo)圖像分割的全局閾值分割方法，其特征在于，.O.05 ^ r ^ O. 3。
7.如權(quán)利要求5所述的用于目標(biāo)圖像分割的全局閾值分割方法，其特征在于，所述步驟S122還包括排除前景灰度和背景灰度差別較小的窗口。
8.如權(quán)利要求3所述的用于目標(biāo)圖像分割的全局閾值分割方法，其特征在于，所述步驟S123包括 將與其他窗口距離較遠(yuǎn)的一個(gè)窗口，或者相互之間距離較近的多個(gè)窗口歸為一個(gè)窗口群；并且，對(duì)于每一個(gè)窗口群，只保留一個(gè)窗口。
9.如權(quán)利要求8所述的用于目標(biāo)圖像分割的全局閾值分割方法，其特征在于，所述步驟S123包括 首先，計(jì)算所有窗口之間的距離； 接著，任選一個(gè)窗口作為第一窗口 W1,建立第一窗口群C1,并將窗口 W1歸類為第一窗口群C1O然后，依次選擇第二至第M窗口，即窗口 W2 WM，對(duì)于其中的任意一個(gè)窗口 Wi,M，假設(shè)當(dāng)前已建立的窗品群為C1 Cn，η彡N，若第i窗口 Wi到第j窗口群Cj的最小距離小于窗品群中的窗口間的最大距離dw，I ^ j ^ n，并且第i窗口 Wi到第j窗口群的中心距離小于窗口到窗口群中心之間的距離的最大距離dc，則將窗口 Wi歸為窗口群Cj ；否則，建立一個(gè)新的窗口群Cn+1，將該窗口 Wi歸為該新窗口群(；+1。
對(duì)所有窗口均歸類為窗口群之后，對(duì)于每一個(gè)窗口群，僅保留前景面積最大的窗口。
10.如權(quán)利要求I所述的用于目標(biāo)圖像分割的全局閾值分割方法，其特征在于，所述步驟S2中對(duì)于256階灰度圖像計(jì)算極值點(diǎn)的步驟包括 步驟S21 :輸入曲線數(shù)組a，將曲線數(shù)組a的值域歸一化到
，定義域?yàn)?br> ； 步驟S22 :在
范圍內(nèi)，對(duì)曲線數(shù)組做5個(gè)像素點(diǎn)的平均值濾波； 步驟S23:將
等分成26個(gè)區(qū)間，前25個(gè)區(qū)間的間隔是10，最后一個(gè)是5; 步驟S24:求出26個(gè)區(qū)間內(nèi)的極大值點(diǎn)Pi，i = 0，-,25 ； 步驟S25 :對(duì)每一個(gè)極大值點(diǎn)Pi，建立一個(gè)左區(qū)間[Pi-IO, Pi]，一個(gè)右區(qū)間[Pi，Pi+10]，限制左區(qū)間的起點(diǎn)彡0，右區(qū)間的終點(diǎn)彡255 ； 步驟S26 :計(jì)算左區(qū)間的極大值點(diǎn)Pitl和右區(qū)間的極大值點(diǎn)ρη，計(jì)算左區(qū)間的極小值像素點(diǎn)Pi2和右區(qū)間的極小值像素點(diǎn)Pi2 ; 步驟S27 :若Pi滿足下列5個(gè)條件中任意一個(gè),則極值點(diǎn)Pi被過(guò)濾掉 ①a [Pi] < O. 5 ； ②Pi0幸Pi; ③Pn幸Pi;④a [pj-a [pi2] < O. 15 ；⑤alipj-alipis] < O. 15。
全文摘要
本發(fā)明公開(kāi)了一種用于目標(biāo)圖像分割的全局閾值分割方法，包括在總閾值區(qū)間內(nèi)連續(xù)改變閾值，得到與閾值對(duì)應(yīng)的目標(biāo)窗口集合上的0階類點(diǎn)數(shù)的最大值所對(duì)應(yīng)的閾值，得到以該閾值為端點(diǎn)的一個(gè)優(yōu)化閾值區(qū)間，其中0階類點(diǎn)表示環(huán)繞指標(biāo)等于0的像素點(diǎn)，環(huán)繞指標(biāo)定義為在閾值圖像的前景像素點(diǎn)的3×3像素的鄰域內(nèi)，除該前景像素點(diǎn)之外的其他所有前景像素點(diǎn)的個(gè)數(shù)除以2再取整后的值；在所述優(yōu)化閾值區(qū)間上計(jì)算光滑性算子SD(3，t)曲線的極值點(diǎn)，若其超過(guò)2個(gè)，則只保留最大的兩個(gè)SD(3，t)值所對(duì)應(yīng)的極值點(diǎn)t31、t32；計(jì)算完整性算子SN(2，t31)和SN(2，t32)，將其中較大的值所對(duì)應(yīng)的閾值作為最優(yōu)閾值，并輸出該最優(yōu)閾值對(duì)應(yīng)的閾值圖像。
文檔編號(hào)G06T7/00GK102819841SQ20121026656
公開(kāi)日2012年12月12日 申請(qǐng)日期2012年7月30日 優(yōu)先權(quán)日2012年7月30日
發(fā)明者陳雪云, 劉成林, 向世明, 潘春洪 申請(qǐng)人:中國(guó)科學(xué)院自動(dòng)化研究所