專利名稱：用于目標圖像分割的全局閾值分割方法
技術領域：
本發明屬于圖像處理和目標檢測技術領域，具體涉及圖像處理分析系統(如目標檢測系統、目標識別系統、文本圖像檢測系統、醫學圖像分析系統)中用于目標檢測、目標定位等的閾值分割方法。
背景技術：
近年來，目標檢測成為科研和商業領域的研究熱點，如小目標自動跟蹤、車輛跟蹤、行人跟蹤、人臉檢測、文字檢測、飛機檢測等領域。閾值分割技術是目標檢測系統中的一種重要技術，其基本原理是假設目標的灰度和背景灰度不一致，通過合適的閾值分割，將目標與背景分離，極大地降低了背景干擾，為后續的識別跟蹤提供了良好的圖像條件。此外，閾值分割技術還廣泛應用于遙感圖像處理、目標識別、文字圖像處理、醫學圖像處理、場景分析等許多領域。
幾十年來，人們發展了很多種閾值分割技術。一般可以分成兩大類，一類是全局閾值分割技術。顧名思義，其是指對圖像全局使用相同的閾值。另一類是局部閾值分割技術，即圖像的閾值隨著局部區域的灰度變化而改變。相比后者，全局閾值技術更容易實現，計算更加快速，應用更加廣泛。全局閾值技術的主要難點在于最優閾值的計算，人們在尋找最優閾值的計算方法上所做的努力從來沒有停止過。日本東京大學信息科學系教授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。由于認識到一維方法的缺陷，一維方法無法區分灰度直方圖相同，空間分布不同的圖像。人們研究很多種利用空間相關性的閾值分割方法。美國坦普爾大學電子工程系教授 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。武漢華中科技大學模式識別與人工智倉泛石開究所 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)提出了基于部分結構相似性的方法。目前在全局閾值分割方法研究中，如何克服低對比度和噪聲干擾，如何有效利用空間信息是研究的熱點和難點。法國濱海大學教授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星遙感圖像中經常失效，因為衛星遙感圖像中的目標特征不具備紋理一致性。因此，假設目標具有相似紋理的閾值分割方法就不能適應。Haifeng Lu指出，許多閾值分割方法假設目標的灰度空間分布滿足高斯混合模型，但這一假設不并不符合許多實際情況。現有的全局閾值分割方法的適應面很窄，許多方法只對滿足某些條件的圖像有效，大部分方法在面對背景復雜、光照不均勻的圖像時都會失效。因此現有的全局閾值分割方法無法解決小目標的分割定位問題，也無法解決衛星遙感圖像的閾值分割問題。因此，設計一種能夠抗復雜背景干擾、光照干擾，適用于小目標的分割和定位、衛星遙感圖像和各類普通圖像的自動全局閾值分割方法具有廣泛的實際應用前景和潛在的商業價值。
發明內容
(一 )要解決的技術問題本發明所要解決的技術問題是現有的用于目標圖像分割的全局閾值分割方法擾干擾能力差，不能適應于小目標的分割和定位、衛星遙感圖像的閾值分割的問題。(二)技術方案為解決上述技術問題，本發明提出一種用于目標圖像分割的全局閾值分割方法，包括如下步驟SI、在總閾值區間內連續改變閾值，得到與閾值對應的目標窗口集合上的0階類點數P(0，t)的最大值所對應的閾值tmax，得到以該閾值tmax為端點的一個優化閾值區間，其中P (0，t)表示與閾值t對應的閾值圖像的目標窗口集合上0階類點的數目，其中0階類點表示環繞指標等于0的像素點，環繞指標定義為在閾值圖像的前景像素點的3X3像素的鄰域內，除該前景像素點之外的其他所有前景像素點的個數除以2再取整后的值；S2、在所述優化閾值區間上計算光滑性算子SD(3，t)曲線的極值點，若其超過2個，則只保留最大的兩個SD (3，t)值所對應的極值點t31、t32，其中D(k，t)表示光滑性算子，并且滿足
權利要求
1.一種用于目標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、在總閾值區間內連續改變閾值，得到與閾值對應的目標窗口集合上的O階類點數P (O, t)的最大值所對應的閾值tmax，得到以該閾值tmax為端點的一個優化閾值區間，其中p(0，t)表示與閾值t對應的閾值圖像的目標窗口集合上O階類點的數目，其中O階類點表示環繞指標等于O的像素點，環繞指標定義為在閾值圖像的前景像素點的3X3像素的鄰域內，除該前景像素點之外的其他所有前景像素點的個數除以2再取整后的值； 52、在所述優化閾值區間上計算光滑性算子SD(3，t)曲線的極值點，若其超過2個，則只保留最大的兩個SD (3，t)值所對應的極值點〖31、〖32，其中0(1^，t)表示光滑性算子，并且滿足
2.如權利要求I所述的用于目標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、根據給定的閾值，生成所述目標圖像的閾值圖像； 步驟S12、根據給定的目標尺度，在所述閾值圖像上形成目標窗口集合； 步驟S13、計算閾值圖像的所述目標窗口集合中O階類點的數目。
3.如權利要求2所述的用于目標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、緊密排布的網格陣列，并且使該網格陣列的每個網格的尺度相同，且不大于給定的目標尺度； 5122、將所述網格陣列的每個網絡作為一個窗口，對所有的窗口進行移動和篩選，得到覆蓋目標的多個目標窗口； 5123、基于所述篩選得到的多個目標窗口，對于聚集在一起的窗口，去除聚集區域周邊位置的窗口，保留聚集區域中心位置的窗口。
4.如權利要求3所述的用于目標圖像分割的全局閾值分割方法，其特征在于，在步驟S121中，使網格的尺度小于給定的目標尺度的1/2，以提高目標窗口的采樣精度。
5.如權利要求3所述的用于目標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，計算每個窗口的前景的幾何中心，并將該窗口平行移動，使該窗口的中心移動到該前景幾何中心。
然后，計算移動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在一定范圍內的窗口。
6.如權利要求5所述的用于目標圖像分割的全局閾值分割方法，其特征在于，.O.05 ^ r ^ O. 3。
7.如權利要求5所述的用于目標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.如權利要求3所述的用于目標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的一個窗口，或者相互之間距離較近的多個窗口歸為一個窗口群；并且，對于每一個窗口群，只保留一個窗口。
9.如權利要求8所述的用于目標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，計算所有窗口之間的距離； 接著，任選一個窗口作為第一窗口 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，對于其中的任意一個窗口 Wi,M，假設當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，建立一個新的窗口群Cn+1，將該窗口 Wi歸為該新窗口群(；+1。
對所有窗口均歸類為窗口群之后，對于每一個窗口群，僅保留前景面積最大的窗口。
10.如權利要求I所述的用于目標圖像分割的全局閾值分割方法，其特征在于，所述步驟S2中對于256階灰度圖像計算極值點的步驟包括 步驟S21 :輸入曲線數組a，將曲線數組a的值域歸一化到
，定義域為
； 步驟S22 :在
范圍內，對曲線數組做5個像素點的平均值濾波； 步驟S23:將
等分成26個區間，前25個區間的間隔是10，最后一個是5; 步驟S24:求出26個區間內的極大值點Pi，i = 0，-,25 ； 步驟S25 :對每一個極大值點Pi，建立一個左區間[Pi-IO, Pi]，一個右區間[Pi，Pi+10]，限制左區間的起點彡0，右區間的終點彡255 ； 步驟S26 :計算左區間的極大值點Pitl和右區間的極大值點ρη，計算左區間的極小值像素點Pi2和右區間的極小值像素點Pi2 ; 步驟S27 :若Pi滿足下列5個條件中任意一個,則極值點Pi被過濾掉 ①a [Pi] < O. 5 ； ②Pi0幸Pi; ③Pn幸Pi;④a [pj-a [pi2] < O. 15 ；⑤alipj-alipis] < O. 15。
全文摘要
本發明公開了一種用于目標圖像分割的全局閾值分割方法，包括在總閾值區間內連續改變閾值，得到與閾值對應的目標窗口集合上的0階類點數的最大值所對應的閾值，得到以該閾值為端點的一個優化閾值區間，其中0階類點表示環繞指標等于0的像素點，環繞指標定義為在閾值圖像的前景像素點的3×3像素的鄰域內，除該前景像素點之外的其他所有前景像素點的個數除以2再取整后的值；在所述優化閾值區間上計算光滑性算子SD(3，t)曲線的極值點，若其超過2個，則只保留最大的兩個SD(3，t)值所對應的極值點t31、t32；計算完整性算子SN(2，t31)和SN(2，t32)，將其中較大的值所對應的閾值作為最優閾值，并輸出該最優閾值對應的閾值圖像。
文檔編號G06T7/00GK102819841SQ20121026656
公開日2012年12月12日 申請日期2012年7月30日 優先權日2012年7月30日
發明者陳雪云, 劉成林, 向世明, 潘春洪 申請人:中國科學院自動化研究所