基于顯著過渡區(qū)域的圖像分割方法
【專利摘要】本發(fā)明涉及一種基于顯著過渡區(qū)域的圖像分割方法，其特征在于包括如下步驟：步驟S01：讀取待分割圖像；步驟S02：提取圖像的過度區(qū)域；步驟S03：篩選出顯著過渡區(qū)域；步驟S04：確定分割閾值、執(zhí)行閾值分割、獲得二值化分割結(jié)果；步驟S05：執(zhí)行目標(biāo)區(qū)域篩選、獲得最終分割結(jié)果。本發(fā)明在分析現(xiàn)有的圖像分割技術(shù)缺陷的基礎(chǔ)上，提出了一種新的基于顯著過渡區(qū)域的圖像分割算法。新算法基本克服了全局閾值分割的缺陷，較大幅度地提升了分割效果，還具有簡單、易實現(xiàn)、實時性好、穩(wěn)定性好的特點。
【專利說明】基于顯著過渡區(qū)域的圖像分割方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，主要應(yīng)用于對圖像中的目標(biāo)進行提取，為目標(biāo)識別等提供依據(jù)。
【背景技術(shù)】
[0002]圖像分割是圖像處理中利用圖像特征進行目標(biāo)提取的技術(shù)。它是圖像分析與理解的關(guān)鍵預(yù)處理步驟。圖像分割技術(shù)已經(jīng)廣泛應(yīng)用于生物醫(yī)學(xué)圖像分析、目標(biāo)識別等領(lǐng)域。圖像分割算法大致可以分為三類:基于邊界的方法、基于區(qū)域的方法以及混合型方法。
[0003]基于邊界的圖像分割算法著重考察圖像局部特征的變化，通過尋找目標(biāo)與背景之間的過渡地帶(邊界或邊緣)將目標(biāo)從背景中分離出來。這類方法的典型代表是邊緣檢測算子和圖割方法。邊緣檢測算子在檢測邊緣時，容易出現(xiàn)邊緣斷裂或者不必要的背景或目標(biāo)內(nèi)部繁雜邊緣問題，給目標(biāo)識別帶來困難。近年來，圖割方法獲得了研究者廣泛的關(guān)注。這類方法把圖像看作無向圖，把圖像分割問題轉(zhuǎn)化為圖劃分問題。典型的圖割算法包括標(biāo)準(zhǔn)割(Normalized cut)和等周割(Isoperimetric cut)。標(biāo)準(zhǔn)割通常僅對具有高對比度、簡單背景的單目標(biāo)圖像分割效果較好。等周割的分割效果往往好于標(biāo)準(zhǔn)割，但其對具有低對比度或多目標(biāo)的圖像分割效果欠佳。
[0004]基于區(qū)域的分割算法著重考察圖像區(qū)域的均勻性，包括區(qū)域生長、區(qū)域分裂合并、聚類以及閾值分割。其中，閾值分割因其簡單、實時性好的特點而被廣泛應(yīng)用。閾值分割算法可以簡單地分為全局閾值和局部自適應(yīng)閾值分割兩類。前者先選定一個灰度作為全局閾值，然后根據(jù)該閾值結(jié)合像素點灰度將圖像分成目標(biāo)和背景兩類，實現(xiàn)分割。全局閾值分割無法處理目標(biāo)和背景存在灰度重疊的圖像，因為目標(biāo)的完整分割勢必會造成具有重疊灰度的背景像素被誤分成目標(biāo)。局部自適應(yīng)閾值分割算法根據(jù)像素點局部鄰域內(nèi)容自適應(yīng)地確定分割閾值，一定程度上減輕了上述問題，但其效果仍然欠佳。
[0005]混合型分割方法旨在同時利用邊界和區(qū)域信息來實現(xiàn)目標(biāo)的準(zhǔn)確分割。比如，2010年，Chen等提出了一種雙閾值圖像二值化分割方法。此方法綜合利用了邊緣檢測、區(qū)域生長和閾值分割技術(shù)來實現(xiàn)圖像分割。其分割效果的好壞嚴(yán)重依賴于Canny算子的邊緣檢測結(jié)果。而Canny算子容易檢測出繁雜而無用的目標(biāo)和背景區(qū)域內(nèi)部邊緣，造成分割效果的急速下降。基于過渡區(qū)域的閾值分割算法先利用具有類邊緣結(jié)構(gòu)的圖像過渡區(qū)域確定一個分割閾值，進而執(zhí)行全局閾值分割，屬于一類簡單的混合型圖像分割技術(shù)。這類方法本質(zhì)上仍然屬于全局閾值分割范疇，保留了全局閾值分割的上述缺陷。

【發(fā)明內(nèi)容】

[0006]為了減輕上述方法在圖像分割過程中存在的缺陷，本發(fā)明從定義過渡區(qū)域的顯著性出發(fā)，提出一種基于顯著過渡區(qū)域的圖像分割新方法，改善了圖像分割的準(zhǔn)確性和魯棒性。
[0007]本發(fā)明采用以下方案實現(xiàn):一種基于顯著過渡區(qū)域的圖像分割方法，其特征在于包括如下步驟:
[0008]步驟SOl:讀取待分割圖像；
[0009]步驟S02:提取圖像的過渡區(qū)域；
[0010]步驟S03:篩選出顯著過渡區(qū)域；
[0011]步驟S04:確定分割閾值、執(zhí)行閾值分割、獲得二值化分割結(jié)果；
[0012]步驟S05:執(zhí)行目標(biāo)區(qū)域篩選、獲得最終分割結(jié)果。
[0013]在本發(fā)明一實施例中，所述步驟S02中的提取圖像過渡區(qū)域的具體過程如下:
[0014]步驟S021:選定鄰域窗口大小m,根據(jù)式⑴計算每個像素點Pi,」對應(yīng)的mXm鄰域窗口 Ω的灰度方差，其中f(x，y)代表窗口 Ω內(nèi)像素點px，y的灰度，}:代表窗口 Ω的灰度均值:.?;
【權(quán)利要求】
1.一種基于顯著過渡區(qū)域的圖像分割方法，其特征在于包括如下步驟: 步驟SOl:讀取待分割圖像； 步驟S02:提取圖像的過渡區(qū)域； 步驟S03:篩選出顯著過渡區(qū)域； 步驟S04:確定分割閾值、執(zhí)行閾值分割、獲得二值化分割結(jié)果； 步驟S05:執(zhí)行目標(biāo)區(qū)域篩選、獲得最終分割結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于顯著過渡區(qū)域的圖像分割方法，其特征在于:所述步驟S02中的提取圖像過渡區(qū)域的具體過程如下: 步驟S021:選定鄰域窗口大小m,根據(jù)式(I)計算每個像素點Pi,」對應(yīng)的mXm鄰域窗口 Ω的灰度方差，其中f(x，y)代表窗口 Ω內(nèi)像素點px，y的灰度，7代表窗口 Ω的灰度均值:
3.根據(jù)權(quán)利要求2所述的基于顯著過渡區(qū)域的圖像分割方法，其特征在于:所述步驟S02中的篩選出顯著過渡區(qū)域的具體過程如下: 步驟S031:把二值圖像TR中像素點映射為圖中的節(jié)點，計算8連通結(jié)構(gòu)下過渡區(qū)域像素點構(gòu)成的所有連通分量中每個連通分量包含的像素點個數(shù)； 步驟S032:將擁有最多像素點的過渡區(qū)域連通分量視為顯著過渡區(qū)域，其形式化描述為一個二值矩陣STR，其中I和O分別代表顯著過渡區(qū)域像素點和其余像素點。
4.根據(jù)權(quán)利要求3所述的基于顯著過渡區(qū)域的圖像分割方法，其特征在于:所述步驟S04中確定分割閾值，執(zhí)行閾值分割的過程分為兩個大的步驟，其一是確定候選閾值區(qū)間，其二是從候選閾值區(qū)間中確定出分割閾值，執(zhí)行閾值分割； 所述確定候選閾值區(qū)間的過程如下: 步驟S0411:計算過渡區(qū)域像素點的灰度均值Tm; 步驟S0412:確定候選閾值區(qū)間R為:
R=Lt1 t2] H [O 255] (3)
t^V0.2Χ σ (4)
t2=Tm+0.2 X σ (5)其中，σ代表整幅圖像的灰度標(biāo)準(zhǔn)差； 所述確定分割閾值、執(zhí)行閾值分割的過程如下: 步驟S0421:從候選閾值區(qū)間中任意選定一個灰度t，根據(jù)下式求其對應(yīng)的閾值分割結(jié)果Bt ；
5.根據(jù)權(quán)利要求4所述的基于顯著過渡區(qū)域的圖像分割方法，其特征在于:所述步驟S05中執(zhí)行目標(biāo)區(qū)域篩選，獲得最終分割結(jié)果的具體過程如下: 步驟S051:計算Bw中目標(biāo)像素點和背景像素點個數(shù)，如果目標(biāo)像素個數(shù)大于背景像素個數(shù)，則對Bw執(zhí)行與Bt相同的翻轉(zhuǎn)操作，以保證Bw中I和O分別代表真實的目標(biāo)像素和背景像素； 步驟S052:計算8連通結(jié)構(gòu)下每個目標(biāo)連通分量與顯著過渡區(qū)域交疊的像素點個數(shù)，如果個數(shù)為0，則將該目標(biāo)連通分量變?yōu)楸尘?，從分割結(jié)果中予以剔除； 步驟S053:執(zhí)行完上述剔除操作后的Bw即為最終的分割結(jié)果。
6.根據(jù)權(quán)利要求1所述的基于顯著過渡區(qū)域的圖像分割方法，其特征在于:還包括采用錯分類誤差ME (Misclassification Error)來評價分割后圖像的質(zhì)量。
【文檔編號】G06T7/00GK103729851SQ201410004334
【公開日】2014年4月16日 申請日期:2014年1月4日 優(yōu)先權(quán)日:2014年1月4日
【發(fā)明者】李佐勇, 劉偉霞 申請人:閩江學(xué)院