本发明专利技术涉及一种基于灰度空间相关的最大类间方差图像分割算法，属于数字图像处理技术领域。本发明专利技术包括步骤首先在Matlab中输入一幅待分割的图像，再使用各像素的灰度值与其邻域内相似像素的数目来构建灰度空间相关GLSC直方图；然后用GLSC直方图计算该图像的最大类间方差，得到图像的最大类间方差函数，其中应用积分图的思想降低计算复杂度；再用穷举法计算当最大类间方差函数取最大值时的解；最后根据所得的解，将图像的像素重新分配，重建图像即得到分割结果。本发明专利技术在分割目标和背景边界模糊的图像具有很好的效果，且运行时间远快于二维最大类间方差方法。
【技术实现步骤摘要】
本专利技术设及，属于数字图像 处理
技术介绍
-般来说，图像分割方法可W分成四类：阔值分割、基于边界的分割、基于区域的 分割和混合的分割技术。在W上的分割技术中阔值分割是最简单和有效的一种分割方法。 它是在待处理图像中选择一个能够辨别图像背景和目标的阔值进行判别，若低于该阔值就 作为图像的背景，高于该阔值则作为图像的目标。 在过去的几十年中，国内外学者提出了大量的阔值选取方法，如基于最大类间方 差的tsu法）、基于各种滴、基于模糊集等多种类型的阔值选取方法。其中化SU阔值化方法 是一种全局的自动非参数无监督的阔值选取方法，它是基于类间方差为最大的测度准则。 1D-化SU方法由于仅考虑了图像的灰度分布信息，在图像质量较好和背景稳定的情况下，分 割效果较好。但是当图像的信噪比较低及目标和背景界限模糊等因素影响时，分割效果较 差，甚至产生错误的分割。对此，刘建庄1993年提出了利用像素灰度和邻域平均灰度所构 建成的二维直方图，再用化SU的阔值方法来寻找阔值进行改进。而景晓军等人又加入了邻 域灰度的中值作为特征，提出了 =维化SU图像分割方法。二维、立维最大类间方差方法利 用忽略远离主对角线区域（噪声多分布于此）的信息该一原理对去噪有比较明显的效果。 但针对图像质量较好和背景较稳定的图像，由于忽略了副对角线上的分布概率，可能会导 致信息丢失。并且由于将一维捜索空间扩大到二维甚至=维，其运算复杂度会呈指数增长， 从而可能会限制其运用。 使用多维直方图来嵌入像素间空间信息的分割方法，使得方法复杂度增加。为解 决该一问题，许多研究学者提出了一些新的构建直方图的思想。Xiao提出了灰度空间相 关（gray-levelspatialcorrelation,GLSC)直方图，即使用各像素的灰度值与其邻域内 相似像素的数目所创建而成；并将该思想与滴阔值方法相结合来分割图像，得到了不错的 分割效果。Xiao于2011年在化SC直方图中嵌入了人类视觉非线性特征化umanvisual nonlinearitycharacteristics,HVNC)，并利用类型2模糊集的阔值方法来选择最佳阔值， 也得到了很好的分割效果。2013年Yimit引进了灰度和方向梯度来辨别像素的空间信息， 提出了灰度-方向梯度滴方法。2014年Xiao提出了灰度-梯度幅度直方图，并运用滴的阔 值方法寻找图像的最佳阔值。W上几种方法都是在构建直方图的时候嵌入不同空间信息， 来提高捜索阔值的性能；上述构建直方图后的方法大多是通过滴的阔值方法来寻找最佳阔 值。 直方图构建中仅仅运用梯度方向很难描述图像的边缘属性。灰度-幅度梯度直方 图更依赖于图像轮廓的提取；当轮廓模糊时，其区分边缘的能力较差。Xiao于2014年验证 了化SU的阔值方法比大多数滴的阔值方法对阔值分割有更好的效果。本专利技术方法将化SC 直方图与化SU方法相结合。提出了一种新的基于灰度空间相关最大类间方差的图像分割 方法。
技术实现思路
本专利技术提供了，针对二维最 大类间方差方法（2D-化SU)由于忽略了远离主对角线区域的信息可能会丢失不该丢失的 信息且消耗时间长，在分割目标和背景边界模糊的图像时导致效果不佳等问题。提出了一 种基于灰度空间相关最大类间方差的图像分割方法。该方法在分割目标和背景边界模糊的 图像具有很好的效果，且运行时间远快于二维最大类间方差方法。 本专利技术基于灰度空间相关的最大类间方差图像分割算法是该样实现的；首先在 Matlab中输入一幅待分割的图像，再使用各像素的灰度值与其邻域内相似像素的数目来构 建灰度空间相关GLSC直方图；然后用GLSC直方图计算该图像的最大类间方差，得到图像的 最大类间方差函数，其中应用积分图的思想降低计算复杂度；再用穷举法计算当最大类间 方差函数取最大值时的解；最后根据所得的解，将图像的像素重新分配，重建图像即得到分 害结果。 所述构建该图像的灰度空间相关化SC直方图的具体步骤如下：Stepl. 1、在Matl油中输入一幅待分割的图像，再计算待分割图像像素点 的灰度值；再计算位于某一像素点其相邻WNXN为窗口的相似像素的个数g(x，y); 其中，图像的窗口大小为QXR，即F= (f(x，y)|xG(l，2，...，Q}，yG(1，2，... ，时};其位于（X,y)处的灰度值为f(x,y)，g(x,y)为处在（X,y)处的像素相邻NXN相似像 素的个数，其中N取奇数，； 表示归类为相似像素的幅度值； St巧1.2、运用图像灰度值f(x，y)和St巧1. 1所得的g(x，y)来创建化SC直方图， 其计算公式为：[001引其中，kG{0，l，...，25リ，mG{l，2，...，NXN}，f化，m)表示统计整幅图像中，W像素灰度值k为中屯、的NXN邻域内，与其像素值相似数目为m的像素个数，SXR表示整幅 图像的像素总数。 所述用化SC直方图计算该图像的最大类间方差，得到图像的最大类间方差函数 的具体步骤如下； Step2. 1、设创建了化SC直方图的图像中的划分点为（s，t)，则将所获得的灰度 空间相关直方图划分成(：。、（：1、〔2、〔3四类；其中0。为（1，3)和（1，*)所构成的区域、（：1为 (s+l，L)和（t+l，M)所构成的区域、C2为（s+l，L)和（l，t)所构成的区域和为（1，S)和 (t+1，M)所构成的区域，L为255,M为NXN; St巧2. 2、由St巧2. 1所分成的C〇、Ci、C2和C3四类相关直方图，计算其不同的概率 密度函数分布，分别为《〇、《1、和W3;[001引其中，《。、《1、"2和《 3分别为C。、Cl、C2和C3的四类相关直方图概率；St巧2. 3、根据St巧2. 2所得的"。、《1、W2和W3计算C。、Cl、〔2和〔3四类相关直 方图的平均灰度值矢量为y。、Ui、^2和y3;[001引 y0= (y 01，y0j)T= (y w(s, t)/?0(s, t), yj0(s, t)/?0(s, t))T (i)[001 引 y1= (y …yu)T= (yu(s, t)/?i(s,t), y"(s，t)/?i(s, t))T 似 ]i2= 〇 2。]i2j)T= (yn(s, t)/?2(S，t), yJ2(S，t)/?2(S，t))T 做]i3= 〇3。]i3j)T=(yn(s,t)/?3(S,t),yJ'3(S，t)/?3(S,t))T(4)[002引其中，为所划分的C。类X轴方向的平均灰度值，yw为所划分的C。类Y轴方向 的平均灰度值，为所划分的Cl类X轴方向的平均灰度值，yU为所划分的Cl类Y轴方向 的平均灰度值，y21为所划分的C2类X轴方向的平均灰度值，y2j.为所划分的C2类Y轴方向 的平均灰度值，y31为所划分的C3类X轴方向的平均灰度值，y为所划分的C3类Y轴方向 其中，i为化SC直方图X轴的坐标，j为化SC直方图Y轴的坐标；Pu为像素点为（i，j)位置的概率； St巧2. 4、计算整个GLSC直方图总的平均灰度值矢量得Ut;庚中，为化SC直方图X轴方向的平均灰度值， yTJ为化SC直方图Y轴方向的平均灰度值，i为化SC直方图X轴的坐标，j为化SC直方图Y轴的坐本文档来自技高网...
【技术保护点】
一种基于灰度空间相关的最大类间方差图像分割算法，其特征在于：首先在Matlab中输入一幅待分割的图像，再使用各像素的灰度值与其邻域内相似像素的数目来构建灰度空间相关GLSC直方图；然后用GLSC直方图计算该图像的最大类间方差，得到图像的最大类间方差函数，其中应用积分图的思想降低计算复杂度；再用穷举法计算当最大类间方差函数取最大值时的解；最后根据所得的解，将图像的像素重新分配，重建图像即得到分割结果。
【技术特征摘要】
【专利技术属性】
技术研发人员：贺建峰，符增，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南;53
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。