灰度圖像閾值分割的自適應(yīng)和快速算法研究.pdf

1、圖像分割是對圖像數(shù)據(jù)進行分析處理的重要步驟,而閾值分割以其極致簡潔和高效實用的特性而長期成為圖像分割的一個應(yīng)用和研究熱點。閾值分割采用簡單的灰度輸入產(chǎn)生封閉且連通的邊界將圖像分割為互不交疊的區(qū)域,在文本圖像處理、工業(yè)無損檢測、醫(yī)學(xué)圖像處理、紅外圖像分析中等領(lǐng)域中得到廣泛應(yīng)用。然而,雖然經(jīng)過幾十年的發(fā)展,若干卓有成效的閾值分割方法被不斷提出,但閾值算法的自適應(yīng)性始終沒有得到很好的解決。另外,由于在算法設(shè)計中所考慮信息的增加和新技術(shù)手段的應(yīng)

2、用,使得閾值分割準(zhǔn)則的計算時間復(fù)雜度隨之增長而成為妨礙實踐應(yīng)用的瓶頸因素。本論文在分析總結(jié)現(xiàn)有方法和借鑒圖像領(lǐng)域涌現(xiàn)的新技術(shù)的基礎(chǔ)上對上述問題進行研究,取得的主要成果總結(jié)如下:
　　1)對Otsu方法最佳閾值的必要條件進行理論分析,指出其產(chǎn)生偏差的根本原因。在此基礎(chǔ)上提出一種適應(yīng)不同直方圖分布形態(tài)的閾值分割方法,該方法尤其適合直方圖分布形態(tài)類似的系列圖像分割。
　　大量文獻通過實驗指出,Otsu方法在對方差差異較大的兩類數(shù)據(jù)

3、進行分類時,其分割閾值偏向方差較大的一類。論文通過對Otsu算法的閾值求解過程進行理論分析,得出其取得最佳閾值的必要條件,從而指出Otsu方法及其衍生方法產(chǎn)生偏差的根本原因。在此基礎(chǔ)上,提出一種基于最小類內(nèi)指數(shù)方差的自適應(yīng)閾值方法,并將其擴展到二維。通過根據(jù)系列圖像的直方圖分布類型自適應(yīng)調(diào)節(jié)的指數(shù)參數(shù),提高算法的自適應(yīng)能力。在算法的實現(xiàn)過程中采用基于累積數(shù)組的快速計算方法,并結(jié)合自適應(yīng)的粒子群算法實現(xiàn)圖像閾值的快速選擇。與二維Otsu算

4、法及Otsu算法的兩種改進算法在合成和真實圖像上進行比較實驗,結(jié)果證明了本文方法分割閾值更為準(zhǔn)確,適應(yīng)能力更好。
　　2)構(gòu)建了一種基于韋伯定律的灰度-梯度激勵強度共生矩陣,在此基礎(chǔ)上提出一種抗噪性能良好的加權(quán)2維Renyi熵閾值算法,并結(jié)合二維熵的快速算法和改進的蛙跳算法實現(xiàn)圖像的閾值分割。
　　傳統(tǒng)的二維熵劃分方式忽略了噪聲和邊緣的影響而導(dǎo)致抗噪能力不強。本文基于韋伯定律,提出一種綜合考慮鄰域梯度主方向和強度的灰度-梯度

5、激勵強度共生矩陣(Gray level-Strength of Gradient Excitation Co-concurrence Matrix, GSGECM),并結(jié)合新的二維熵劃分方式提高閾值分割的抗噪能力,在此基礎(chǔ)上提出一種基于GSGECM的加權(quán)2維Renyi熵閾值分割算法。提出一種新的積分矩陣并行算法將基于GSGECM的2維Renyi熵的時間復(fù)雜度降低到常數(shù)時間。提出一種基于極坐標(biāo)模糊跳躍策略的改進蛙跳算法實現(xiàn)參數(shù)優(yōu)化。合成圖

6、片和真實圖像上與相關(guān)方法的比較實驗證明了本文方法抗噪能力強,分割結(jié)果的視覺效果更好。
　　3)考慮數(shù)字圖像信息的模糊性和非廣延性,提出一種基于模糊Arimioto熵的多級閾值算法,并在量子遺傳算法中加入混沌擾動,實現(xiàn)多級閾值快速分割。
　　圖像信息同時具有模糊性和非廣延性,而基于 Shannon熵的模糊熵僅適用于可加性系統(tǒng)。考慮到Arimoto熵對于圖像中廣泛存在的非可加性信息具有更好的描述能力,本文利用模糊隸屬度函數(shù)將圖像

7、直方圖轉(zhuǎn)換到模糊域,并定義圖像的模糊 Arimioto熵。另外,由于自然圖像的復(fù)雜性,用單閾值將圖像分割為目標(biāo)和背景兩部分有時并不能滿足實際應(yīng)用需求。因此,本文提出一種基于Arimoto模糊熵的多級閾值方法,將圖像分為背景區(qū),中間區(qū)和目標(biāo)區(qū),分別定義其Arimoto模糊熵,并推導(dǎo)出三子系統(tǒng)的Arimoto熵偽可加公式,據(jù)此計算圖像的模糊總熵。為提高量子遺傳算法(Quantum Generic Algrithm, QGA)的全局開拓能力,

8、在QGA中加入混沌擾動,幫助其擺脫局部極值,并將改進后的量子遺傳算法用于搜索最佳模糊隸屬度函數(shù)的參數(shù)組合,實現(xiàn)圖像閾值分割。在真實圖像上與相關(guān)閾值化方法進行測試實驗,從主觀視覺效果和客觀評價指標(biāo)兩方面進行比較,結(jié)果表明,本文方法總體上優(yōu)于對比方法,是一種有效的閾值化方法。
　　4)針對紅外圖像成像模糊、信噪比低的問題,提出一種基于二維模糊Tsallis熵的紅外人體目標(biāo)閾值分割方法,并設(shè)計了一種快速算法將二維模糊熵的計算時間復(fù)雜度從

9、O(L2)降低到O(L)。
　　受到紅外成像技術(shù)的限制,紅外傳感器一般分辨率較低,且成像模糊、信噪比低,因而現(xiàn)有的一維模糊熵方法和基于分明集的二維熵方法應(yīng)用到紅外人體目標(biāo)分割領(lǐng)域有時并不能取得好的結(jié)果。本文綜合考慮紅外圖像的模糊本質(zhì)和圖像中廣泛存在的非可加信息,首先基于概率劃分的原理,定義了一種模糊Tsallis熵;其次,為了充分利用圖像像素的空間信息來應(yīng)對噪聲問題,本文利用模糊關(guān)系理論,將二維直方圖映射到模糊域并產(chǎn)生相應(yīng)的模糊子

10、集,從而將所定義的模糊Tsallis熵擴展到二維情形。同時,為了克服將一維模糊熵擴展到二維所帶來的巨大計算負荷,提出一種二維模糊Tsallis熵的快速算法,將其計算復(fù)雜度從2O(L)降低到O(L)。最后,結(jié)合混沌量子遺傳算法,實現(xiàn)典型紅外人體圖像的分割。綜合在標(biāo)準(zhǔn)圖像庫和自拍紅外圖片上的測試實驗,通過視覺效果檢查和分割結(jié)果絕對誤差的定量分析,并對算法的實時性進行時間復(fù)雜度分析和CPU運行時間比較,證明本文方法比對比方法分割效果更好,實時