專利名稱：高斯勢與空間直方圖融合的自適應圖像分割方法
技術領域：
本發明涉及數字圖像處理技術領域，具體涉及一種運行速度快、適用于各種實時應用場合的高斯勢與空間直方圖融合的自適應圖像分割方法。
背景技術：
在圖像處理理論中，圖像分割、特征提取與目標識別構成了由低層到高層的三大任務，目標識別與特征提取都以圖像分割作為基礎，圖像分割的好壞將直接影響到后續的特征提取和目標識別。圖像分割是將圖像中有意義的特征或區域提取出來的過程，這些特征可以是圖像的原始特征，如像素的灰度值、物體輪廓、顏色、反射特征和紋理等，也可以是空間頻譜等，如直方圖特征。圖像分割的目的是把圖像劃分成若干互不相交的區域，使各區域具有一致性，而相鄰區域間的屬性特征有明顯的差另O，較為正式的定義如下設/^'為圖像像素的集合，W是選定的區域特征一致性準則，則對圖像分割是將/^'劃分成若干子集CT1，毛，…，Λ)，并且要滿足下面5個條件(I)
F = ;⑵對所有的 i·和 J·，I ，尤 n lj=0 ； (3)對i=l，2，…，/7，有TP(Zi)=TRUE ； (4)
Pixi U J7.)= FALSE, i關J;(5)對i=l，2，…，/7，尤是連通區域。上述條件說明，圖像分割應將圖像中的每個像素都分到合適的區域中，分割后的各個區域不能相互重疊，每個區域都有獨特的屬性特征，同一區域中的像素具有一致性，因此分割的實質就是建立空域像素與滿足一定一致性區域之間對應關系的過程，其結果表示為圖像的邊緣或區域。圖像分割的應用非常廣泛，幾乎出現在有關圖像處理的所有領域，并涉及各種類型。圖像分割作為前沿學科充滿了挑戰，吸引了眾多學者從事這一領域研究。圖像分割又是計算機視覺領域的一個經典難題，盡管人們在圖像分割方面已取得了大量的研究成果，但目前尚無通用的分割理論提出，現已提出的方法大多數都是針對具體問題。正是由于圖像分割的不確定性及分割任務的重要性，人們至今仍在不斷地研究探索新的分割理論與方法。傳統的圖像分割方法包括基于區域的，基于邊緣的和兩者結合的圖像分割方法。但是這些傳統的分割方法由于各種原因已不能滿足實際應用對圖像分割的要求。近年來，人們對傳統的分割方法進行了改進，提出了改進的閾值法、改進的聚類分割方法、改進的區域分割方法等等；另一方面，隨著各學科許多新理論和新方法的提出，人們也提出了許多結合一些特定理論、方法和工具的圖像分割技術。即每當有新的數學工具或方法提出來，人們就嘗試著將其用于圖像分割，因而提出了不少基于特定理論的分割方法。如基于數學形態學的圖像分割方法、基于模糊理論的圖像分割方法、基于神經網絡的圖像分割方法、基于支持向量機的圖像分割方法、基于圖論的圖像分割方法、基于免疫算法的圖像分割方法、基于偏微分方程的圖像分割方法、基于小波分析和變換的分割方法，基于分形理論的圖像分割方法等等。雖然以上圖像分割方法針對具體圖像分割都有較好的分割表現，但是仍然存在許多問題，例如像基于偏微分方程的分割方法等一般計算復雜度較高，難以實時應用，像聚類的分割方法需要過多人的干預等。概括起來仍存在如下的一些主要問題①以上不同方法是針對具體某一類型的圖像而言具有較好的分割效果，由于圖像的多樣性，一旦用于其它類型的圖像分割效果較差，甚至出現錯誤的分割，總之，通用性不強。②已有的這些方法都是針對具體圖像分割問題，沒有任何一種分割方法能夠適用于所有的圖像，由于各種方法對圖像的處理都帶有一定的針對性和局限性，用戶需要花費大量的時間和精力挑選適合于當前應用圖像特點的方法，即使如此，分割性能有時也不能滿足用戶的要求，并且有些分割方法的穩定性較差。③由于圖像分割的復雜性，即使使用新型的分割方法，圖像分割質量不高，而且在這些分割方法中，許多方法計算復雜度高，難以實時應用。閾值分割方法因其簡單、計算量小、性能較穩定而成為圖像分割中應用最廣泛的分割技術，其關鍵是如何選取閾值以獲得最佳分割效果。大多數閾值分割法是基于圖像的一維灰度直方圖來選取最佳閾值，這些方法包含了單閾值分割和多閾值分割。但多閾值分割研究較少，在實際應用中經常遇到的是多閾值分割，即使在單一目標情況下，由于目標或者背景的復雜性，在直方圖中也可能出現多峰情況。而多閾值分割問題可轉化為一系列單閾值分割問題來解決，但這需要在全灰度范圍內搜索一個最佳門限組合，耗時較多，難于實際應用，為簡化計算，可利用遺傳、粒子等進化方法來搜索最佳閾值，提高處理速度。但這些優化方法一般都使用概率型優化， 搜索的結果有時差強人意，且有些優化方法需要設置參數，參數設置不當會嚴重影響分割結果。裴繼紅、謝維信撰寫的《勢函數聚類自適應多閾值圖像分割》(計算機學報.1999，22(7) : 758-762)的文章提出了采用一種基于勢函數聚類的多閾值圖像分割方法，通過對圖像的直方圖定義勢函數以及計算剩余勢函數來快速、有效地尋找最優閾值，且這種方法具有速度快，但也存在一些不足，如在勢的劃分過程中存在勢的誤劃分，即受衰減半徑參數的影響，在勢的劃分過程中會出現一些不應該劃分出的勢，采用的勢劃分函數擬合效果不佳、自適應性不強等。所以每種圖像分割方法通常適用于一定場合，分割效果受輸入圖像統計分布和方法參數選擇影響較大，通用性較差，因此根據輸入圖像局部區域或全部區域信息分布自適應選擇方法參數是圖像分割方法的重要研究內容。在文獻=Bir B, John Μ,Sungkee L. Closed-Ioop adaptive image segmentation [A]· IEEE Computer SocietyConference on Computer Vision and Pattern Recognition [C]. IEEE Press, 1991:734 - 735，指出了自適應分割的難點主要在于分割過程的控制參數數目多；參數之間相互關聯且難于數學建模；分割效果隨著不同圖像的變化而變化。

發明內容
針對以上分割問題及難點，本發明的目的在于提供一種快速、自適應性強、抗噪性強、分割性能好、普適性較好的高斯勢與空間直方圖融合的自適應圖像分割方法。本發明的目的是這樣實現的
首先，利用高斯模板和8-鄰域中值濾波模板對原圖像進行濾波得到兩幅圖像，用這兩幅圖像創建二維空間直方圖和一維空間直方圖，這些空間直方圖克服了傳統一維直方圖丟失空間信息的缺點，使得分割更準確，而且具有較強的抗噪性，也使得該方法的穩定性增強；然后，基于一維空間直方圖利用高斯勢“平滑”與“保持”的良好特性構建高斯勢直方圖，這種高斯勢直方圖能更好地體現圖像特征信息以便準確捕捉直方圖上的峰點，并且基于二維空間直方圖構建二維Otsu準分法，這種準分法能夠更為準確分割單峰圖像；其次，利用高斯勢擬合函數良好的“擬合”特性自動獲取高斯勢直方圖上的峰點；再次，對于峰點數為I的圖像，可以采用二維OtSU準分法對圖像進行分割，對于峰點數大于I的圖像采用高斯勢擬合技術求取閾值。本發明的高斯勢與空間直方圖融合的自適應圖像分割方法，具體步驟如下
步驟I)輸入大小為和灰度級為0，I,…，L的待分割圖像/(H) (II彡7彡Ai);
權利要求
1.一種高斯勢與空間直方圖融合的自適應圖像分割方法，其特征在于首先，利用高斯模板和8鄰域中值濾波模板對原圖像進行濾波得到兩幅圖像，用這兩幅圖像創建二維空間直方圖和一維空間直方圖；然后，基于一維空間直方圖利用高斯勢“平滑”與“保持”的良好特性構建高斯勢直方圖，保證直方圖體現圖像特征信息以便準確捕捉直方圖上的峰點， 基于二維空間直方圖構建二維Otsu準分法，這種準分法能夠更為準確分割單峰圖像；其次，利用高斯勢擬合函數良好的“擬合”特性自動獲取高斯勢直方圖上的峰點；再次，對于峰點數為I的圖像，可以采用二維Otsu準分法對圖像進行分割，對于峰點數大于I的圖像采用高斯勢擬合技術求取閾值；具體步驟如下步驟I)輸入大小為iOOV和灰度級為0，I,…，L的待分割圖像/Cr，_F) (I I彡7彡Ai);步驟2)利用式⑴高斯函數創建3X3高斯濾波模板，使用模板 I I I"
2.根據權利要求I所述的高斯勢與空間直方圖融合的自適應圖像分割方法，其特征在于步驟10)中判斷偽峰主要有兩個依據第一、當最高峰4位于[4，250]之間,在左=^±5時；或者在&〈4，在左=Xi + 5時；或者在&>250，在左=&-5時；判斷/^〈 p(k)是否成立；第二、判斷
3.根據權利要求I所述的高斯勢與空間直方圖融合的自適應圖像分割方法，其特征在于步驟14)中所述的采用二維Otsu準分法獲取單閾值的具體步驟為步驟(I. I)用S(H)和zCr，_F)創建二維空間直方圖，將二維空間直方圖分成四個矩形區域，沿著主對角線的區域為區域I和2，代表目標或背景，沿著副對角線的區域3和4表示邊緣點及噪聲；步驟(I. 2)計算二維Otsu法的類間方差跡
4.根據權利要求I所述的高斯勢與空間直方圖融合的自適應圖像分割方法，其特征在于步驟14)中所述的采用高斯勢擬合法獲得多閾值的具體步驟為步驟(2. I)依據Z值的大小，對Z按升序排序，按Z排序的位置，對&和A進行排序； 步驟(2. 2)通過Uw和召獲得巧，其中左=1，2，…，C-,步驟(2. 3)確定C-I個圖像分割閾值(，T2,…，Tc_”其中7；=4 ;步驟(2. 4)由方程^(i,)- Fk+liQ =0求解出厶。
全文摘要
本發明涉及數字圖像處理技術領域，具體涉及一種運行速度快、適用于各種實時應用場合的高斯勢與空間直方圖融合的自適應圖像分割方法，首先，利用高斯模板和8-鄰域中值濾波模板對原圖像進行濾波得到兩幅圖像，用這兩幅圖像創建二維空間直方圖和一維空間直方圖；然后，基于一維空間直方圖利用高斯勢“平滑”與“保持”的良好特性構建高斯勢直方圖，基于二維空間直方圖構建二維Otsu準分法；其次，利用高斯勢擬合函數良好的“擬合”特性自動獲取高斯勢直方圖上的峰點；再次，對于峰點數為1的圖像，可以采用二維Otsu準分法對圖像進行分割，對于峰點數大于1的圖像采用高斯勢擬合技術求取閾值。本發明方法具有較強的自適應性。
文檔編號G06T7/00GK102930538SQ20121041085
公開日2013年2月13日 申請日期2012年10月25日 優先權日2012年10月25日
發明者張新明, 黨留群, 牟占生, 于紅斌, 尚江麗, 鄭延斌 申請人:河南師范大學