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(duì)圖像數(shù)據(jù)進(jìn)行分析處理的重要步驟,而閾值分割以其極致簡(jiǎn)潔和高效實(shí)用的特性而長(zhǎng)期成為圖像分割的一個(gè)應(yīng)用和研究熱點(diǎn)。閾值分割采用簡(jiǎn)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(wú)損檢測(cè)、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(guò)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(jì)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(jì)算時(shí)間復(fù)雜度隨之增長(zhǎng)而成為妨礙實(shí)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(duì)上述問題進(jìn)行研究,取得的主要成果總結(jié)如下:
　　1)對(duì)Otsu方法最佳閾值的必要條件進(jìn)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(xiàn)通過(guò)實(shí)驗(yàn)指出,Otsu方法在對(duì)方差差異較大的兩類數(shù)據(jù)

3、進(jìn)行分類時(shí),其分割閾值偏向方差較大的一類。論文通過(guò)對(duì)Otsu算法的閾值求解過(guò)程進(jìn)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(kuò)展到二維。通過(guò)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(shí)現(xiàn)過(guò)程中采用基于累積數(shù)組的快速計(jì)算方法,并結(jié)合自適應(yīng)的粒子群算法實(shí)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(jìn)算法在合成和真實(shí)圖像上進(jìn)行比較實(shí)驗(yàn),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(lì)強(qiáng)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(jìn)的蛙跳算法實(shí)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(qiáng)。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(qiáng)度的灰度-梯度

5、激勵(lì)強(qiáng)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(shí)間復(fù)雜度降低到常數(shù)時(shí)間。提出一種基于極坐標(biāo)模糊跳躍策略的改進(jìn)蛙跳算法實(shí)現(xiàn)參數(shù)優(yōu)化。合成圖

6、片和真實(shí)圖像上與相關(guān)方法的比較實(shí)驗(yàn)證明了本文方法抗噪能力強(qiáng),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(jí)閾值算法,并在量子遺傳算法中加入混沌擾動(dòng),實(shí)現(xiàn)多級(jí)閾值快速分割。
　　圖像信息同時(shí)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)?？紤]到Arimoto熵對(duì)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(shí)并不能滿足實(shí)際應(yīng)用需求。因此,本文提出一種基于Arimoto模糊熵的多級(jí)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(jì)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(dòng),幫助其擺脫局部極值,并將改進(jìn)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(shí)現(xiàn)圖像閾值分割。在真實(shí)圖像上與相關(guān)閾值化方法進(jìn)行測(cè)試實(shí)驗(yàn),從主觀視覺效果和客觀評(píng)價(jià)指標(biāo)兩方面進(jìn)行比較,結(jié)果表明,本文方法總體上優(yōu)于對(duì)比方法,是一種有效的閾值化方法。
　　4)針對(duì)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(jì)了一種快速算法將二維模糊熵的計(jì)算時(shí)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(shí)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(lái)應(yīng)對(duì)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?cái)U(kuò)展到二維情形。同時(shí),為了克服將一維模糊熵?cái)U(kuò)展到二維所帶來(lái)的巨大計(jì)算負(fù)荷,提出一種二維模糊Tsallis熵的快速算法,將其計(jì)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(shí)現(xiàn)典型紅外人體圖像的分割。綜合在標(biāo)準(zhǔn)圖像庫(kù)和自拍紅外圖片上的測(cè)試實(shí)驗(yàn),通過(guò)視覺效果檢查和分割結(jié)果絕對(duì)誤差的定量分析,并對(duì)算法的實(shí)時(shí)性進(jìn)行時(shí)間復(fù)雜度分析和CPU運(yùn)行時(shí)間比較,證明本文方法比對(duì)比方法分割效果更好,實(shí)時(shí)