專利名稱：一種灰度圖像的二維Renyi熵閾值分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理與機(jī)器視覺技術(shù)領(lǐng)域，具體涉及一種灰度圖像的二維Renyi熵閾值分割方法，主要應(yīng)用于機(jī)器人的視覺處理。
背景技術(shù)：
機(jī)器人技術(shù)的發(fā)展是一個國家高科技水平和工業(yè)自動化程度的重要標(biāo)志和體現(xiàn)。機(jī)器人在當(dāng)前生產(chǎn)生活中的應(yīng)用越來越廣泛，正在替代人發(fā)揮著日益重要的作用。其中，機(jī)器人視覺被認(rèn)為是機(jī)器人最重要的感知部分。機(jī)器人視覺是模擬人類視覺在機(jī)器人上的體現(xiàn)，借助于先進(jìn)的計算機(jī)和處理器，通過數(shù)字技術(shù)分析數(shù)字化圖像技術(shù)，實(shí)現(xiàn)對客觀世界的景物和物體進(jìn)行形態(tài)和運(yùn)動的識別，因此圖像分割成為不可回避的問題。圖像分割用于將目標(biāo)和其周圍的場景分離開來，以便進(jìn)行目標(biāo)識別或場景分析，對進(jìn)一步提取目標(biāo)特征以及其他高層處理都是非常重要的。圖像分割是圖像處理和分析中的重要環(huán)節(jié)，也是機(jī)器人視覺處理中的一個經(jīng)典難題。 在機(jī)器人視覺處理過程中，識別事物的快速性和準(zhǔn)確性是其核心問題，其中一個關(guān)鍵點(diǎn)是能否從受到噪聲污染的圖像中獲取主要信息以及如何識別圖像局部空間信息。在眾多圖像分割方法中，基于圖像灰度值的閾值分割方法是一種簡單有效的方法。Sahoo等提出的二維Renyi熵閾值分割方法是一種經(jīng)典的二維直方圖閾值分割技術(shù)，它利用像素的灰度值分布及其鄰域的平均灰度值分布所構(gòu)成的二維直方圖進(jìn)行閾值分割，取得了很好的分割效果。但該方法存在著以下兩個重要缺點(diǎn)首先，它所采用的二維直方圖建立在鄰域窗口灰度均值的基礎(chǔ)上，如果圖像中某像素點(diǎn)的鄰域窗口受椒鹽噪聲污染，其鄰域窗口灰度均值會有較大的變化，這會給二維直方圖帶來較大的失真，從而影響最終的圖像分割效果。其次，對二維Renyi熵目標(biāo)函數(shù)進(jìn)行優(yōu)化時，二維直方圖的引入使搜索空間從一維擴(kuò)展到二維，如果使用傳統(tǒng)的窮舉搜索策略，計算量巨大，使其實(shí)用性有一定的局限性。

發(fā)明內(nèi)容
針對上述問題，本發(fā)明提供了一種新的灰度圖像的二維Renyi熵閾值分割方法，可以增強(qiáng)抗椒鹽噪聲的魯棒性，以達(dá)到是閾值分割結(jié)果更加穩(wěn)定并提高閾值分割效率的目的。本發(fā)明采用的技術(shù)方案是包含如下步驟
(1)對輸入原圖像I進(jìn)行中值濾波，得到中值濾波后圖像I—tned；
(2)基于原圖像I和中值濾波后圖像Ijned,構(gòu)造灰度中值二維直方 (3)對得到的二維直方圖使用引入慣性權(quán)重遞增策略的粒子群方法進(jìn)行優(yōu)化，得到最佳閾值和最優(yōu)分割點(diǎn)；
(4)根據(jù)所得最佳閾值和最優(yōu)分割點(diǎn)對圖像進(jìn)行分割。本發(fā)明弓丨入圖像濾波中對椒鹽噪聲有較好魯棒性的中值濾波技術(shù)，使用鄰域窗口灰度中值來代替?zhèn)鹘y(tǒng)方法中的窗口灰度均值，并結(jié)合原圖像，構(gòu)造出一種新的二維直方圖。使用慣性權(quán)重遞增的粒子群方法對目標(biāo)函數(shù)進(jìn)行優(yōu)化，得到最佳閾值和最佳分割點(diǎn)，從而在有噪聲的情況下進(jìn)行有效快速分割，加快了收斂速度，提高了分割效率，保證了實(shí)際場合下機(jī)器視覺處理的需要。下面結(jié)合附圖和具體實(shí)施方式
對本發(fā)明作進(jìn)一步說明。


圖I為本發(fā)明的流程 圖2為原圖像/和加30%的椒鹽噪聲的圖像，其中圖2 (a)為原圖像J ;圖2 (b)為加30%的椒鹽噪聲的圖像；
圖3為本發(fā)明方法構(gòu)造的灰度中值二維直方 圖4為圖2中30%椒鹽噪聲下原圖像/的分割結(jié)果比對圖，其中圖4(a)為本發(fā)明方法處理圖；圖4(b)為傳統(tǒng)二維Renyi法處理圖。
具體實(shí)施例方式下文結(jié)合附圖，以實(shí)例的方式對本發(fā)明的具體實(shí)施方式
作詳細(xì)說明，本發(fā)明所述方法包含但不限于所舉實(shí)例。步驟一、對輸入原圖像/進(jìn)行中值濾波，得到中值濾波后的圖像
參見圖I并以圖2(a)為例，設(shè)待分割的原圖像/分辨率為iOOV，f {x,y)為/中坐標(biāo)值為C ，_F)的像素點(diǎn)的灰度值，則設(shè)原圖像/可記為[/Cr，_F) I ^ =1, 2，…，M, y = I,2，…，AG。令匕,，/為中心坐標(biāo)W)、大小為OrXar的窗口(古2r+l, r = I, 2,...),覓median iWx’j’^表示對窗口內(nèi)所有像素點(diǎn)的灰度值。按照常規(guī)方法中的取中值操作。gCrV) = median{Wx-y-,d) , gCr，_F)表示窗口 〃 的中值。由 gCrV)代替原圖像/中坐標(biāo)值為Cr’，y)處的灰度值/ Cr’，,)，從而得到中值濾波后圖像I—膨￠/記為kw) I z’=l，2，…，M, y ’= I, 2，…，AG。步驟二 基于原圖像/和步驟一中得到的圖像乙膨汄構(gòu)造灰度中值二維直方圖 改進(jìn)的基于鄰域窗口灰度中值的二維直方圖計算如下
pQn,n) 二 Probif、x,y) = m, g(x,y) =/ );其中》，n ^ G, G 為圖像中所有像素點(diǎn)灰度值的集合，G = {0，I, 2， ，Z-1},通常 Z 取 256。Prob{f{x,y) = m, g (x, y)=n)表示/Cr,_F) = m, g{x,y) = n的聯(lián)合概率。對圖2 (a)使用上述公式構(gòu)造新的中值二維直方圖bO，/ ) m, n G G\ ,如圖
3所示。分析該圖可以發(fā)現(xiàn)，像素點(diǎn)主要集中于對角線附近，由圖像處理的常識知識可知這是因?yàn)猷徲蚧叶戎兄祵D像中的紋理細(xì)節(jié)和噪聲不敏感的緣故。步驟三對步驟二得到的中值二維直方圖使用引入慣性權(quán)重遞增策略的粒子群方法進(jìn)行優(yōu)化，得到最佳閾值參數(shù)U在步驟二得到的如圖3所示的中值二維直方圖的基礎(chǔ)上，定義待分割原圖像/的背景和目標(biāo)區(qū)域的Renyi熵如下
1 f iff
權(quán)利要求
1.一種灰度圖像的二維Renyi熵閾值分割方法，其特征是包含如下步驟 (1)對輸入原圖像I進(jìn)行中值濾波，得到中值濾波后圖像I—tned； (2)基于原圖像I和中值濾波后圖像Ijned,構(gòu)造灰度中值二維直方圖； (3)對得到的二維直方圖使用引入慣性權(quán)重遞增策略的粒子群方法進(jìn)行優(yōu)化，得到最佳閾值和最優(yōu)分割點(diǎn)； (4)根據(jù)所得最佳閾值和最優(yōu)分割點(diǎn)對圖像進(jìn)行分割。
2.根據(jù)權(quán)利要求I所述的一種灰度圖像的二維Renyi熵閾值分割方法，其特征是 步驟(I)中，設(shè)原圖像/分辨率為IXAr,/ {x,y)為/中坐標(biāo)值為Ct，_f)的像素點(diǎn)的灰度值，則原圖像/記為[/(U) I X =1，2，…，M, y = I, 2，…，#]，令/^為中心坐標(biāo)(1'，7')、大小為<3^7的窗口(<^二2/^1，r = I, 2，.. .= median {Wx-r/f),g{x,y)表示窗口 Wx,’r”d的中值表示對窗口 Wx,’r”d內(nèi)所有像素點(diǎn)的灰度值，由^)代替原圖像/中坐標(biāo)值為Cr',)處的灰度值/ Cr',)得到中值濾波后圖像為I =1，2，…，M, y ' = I, 2，…，AG。
3.根據(jù)權(quán)利要求2所述的一種灰度圖像的二維Renyi熵閾值分割方法，其特征是 步驟(2)中，使用公式= Prob{f{x,y)構(gòu)造中值二維直方圖[pQn,n) | m, nG G] , G = {0, I, 2，…，Z-l} ,Z 取 256,/￥0辦(/(1，_7) = m, g (x, y) =/ )表示=m, g{x,y) = n的聯(lián)合概率。
4.根據(jù)權(quán)利要求3所述的一種灰度圖像的二維Renyi熵閾值分割方法，其特征是 步驟(3)中，定義基于二維Renyi熵的圖像閾值分割目標(biāo)函數(shù)+設(shè) s 維空間 f 中有 V 個粒子 A.，i = 1，2，A反復(fù)迭代，在每次迭代中，粒子通過跟蹤個體極值和全局極值更新自己的狀態(tài)，完成對目標(biāo)函數(shù)的優(yōu)化，求得最佳閾值匕 其中Wa (4 S、為原圖像/背景和目標(biāo)區(qū)域的Renyi熵之和，H/ (t，s)為原圖像I背景的Renyi熵，Hf (t，s)為目標(biāo)區(qū)域的Renyi熵，((，s)為二維直方圖的閾值，A為原圖像/背景的下標(biāo)，C為目標(biāo)區(qū)域的下標(biāo)，a為熵指數(shù)。
全文摘要
本發(fā)明公開一種灰度圖像的二維Renyi熵閾值分割方法，包含對輸入原圖像I進(jìn)行中值濾波，得到中值濾波后圖像I_med，基于原圖像I和中值濾波后圖像I_med，構(gòu)造灰度中值二維直方圖，對得到的二維直方圖使用引入慣性權(quán)重遞增策略的粒子群方法進(jìn)行優(yōu)化，得到最佳閾值和最優(yōu)分割點(diǎn)，根據(jù)所得最佳閾值和最優(yōu)分割點(diǎn)對圖像進(jìn)行分割；本發(fā)明引入圖像濾波中對椒鹽噪聲有較好魯棒性的中值濾波技術(shù)，使用鄰域窗口灰度中值來代替?zhèn)鹘y(tǒng)方法中的窗口灰度均值，并結(jié)合原圖像構(gòu)造出新的二維直方圖；使用慣性權(quán)重遞增的粒子群方法對目標(biāo)函數(shù)進(jìn)行優(yōu)化，從而在有噪聲的情況下進(jìn)行有效快速分割，加快了收斂速度，提高了分割效率。
文檔編號G06T7/00GK102831604SQ201210267480
公開日2012年12月19日 申請日期2012年7月30日 優(yōu)先權(quán)日2012年7月30日
發(fā)明者顧曉清, 倪彤光, 汪巍, 李玉, 孫玉強(qiáng), 候振杰, 馬正華 申請人:常州大學(xué)