【技术实现步骤摘要】
本专利技术属于图像处理
，更进一步涉及图像分割
的一种基于Renyi交叉熵与高斯分布的图像阈值分割方法。
技术介绍
图像分割是基于机器视觉的图像处理任务中的一个关键环节，它是实现图像目标特征抽取、识别、检测及图像分析与理解的基础。在众多的图像分割方法中，由于阈值分割方法的简洁有效及易于实现性而成为科学研究及应用实践中得到广泛采用的分割技术。阈值分割技术可分为参数法和非参数法。由于非参数法在进行图像分割时仅需设计一准则函数而少有大量参数的估计从而带来计算时间的减少，而且有效性从理论和实践方面都能得到较好验证，因此这类方法的研究和应用在实践中都极为活跃。著名的非参数法有如最大类间方差法（也称为Otsu法）、最大熵（ME）法、最小交叉熵（MCE）法、Renyi熵法等。图像是一个复杂的物理系统，到目前为止还没有一种普适的分割方法适用于所有的图像分割任务，所以面对不同的分割任务（如对NDT图像的分割），研究和提出切实有效的分割方法在目前而言仍然是一个极具挑战的工作。
技术实现思路
本专利技术的目的在于为应对复杂的图像分割任务而提出一种基于Renyi交叉熵与高斯分布的图像阈值分割方法。本专利技术通过以下技术方案来实现上述目的:基于Renyi交叉熵与高斯分布的图像阈值分割方法，包括如下步骤：（1）初始化Renyi交叉熵指数α（α>0且α≠1）；（2）读取待分割的灰度图像，并将其存入一个二维图像数组I中；（3）遍历图像数组I，计算得到图像最大灰度级数L及灰度级集合G={0, 1, …, L
【技术保护点】
基于Renyi交叉熵与高斯分布的图像灰度直方图阈值分割方法，其特征在于，包括如下步骤：（1）初始化Renyi交叉熵指数α（α>0且α≠1）；（2）读取待分割的灰度图像，并将其存入一个二维图像数组I中；（3）遍历图像数组I，计算得到图像最大灰度级数L及灰度级集合G={0, 1, …, L}，计算归一化的灰度直方图H（H={h0, h1, …, hL}）；（4）假定t为分割阈值，t将图像像素分为归属于两个不同类的灰度级集合C0与C1，C0={0, 1, 2, …, t}，C0={t+1, t+2, …, L}；（5）用H做为图像灰度级的概率密度函数估计，则可以用以下公式计算出关于C0与C1的先验概率P0及P1、灰度级均值M0与M1；公式一：；公式二：；公式三：；公式四：；（6）为了用高斯分布拟合图像灰度级概率分布，用以下公式计算关于C0与C1的类方差S0与S1；公式五：；公式六：；（7）用以下公式计算图像每个灰度级i 关于C0与C1的类概率与；公式七：；公式八：；（8）用公式九计算图像灰度级i 用高斯拟合得到的归一化后验概率；公式九：；（9）基于以上假设，定义图像关于Renyi交叉熵...
【技术特征摘要】
1.基于Renyi交叉熵与高斯分布的图像灰度直方图阈值分割方法，其特征在于，包括如下步骤：（1）初始化Renyi交叉熵指数α（α>0且α≠1）...
【专利技术属性】
技术研发人员：聂方彦，张平凤，李建奇，罗佑新，
申请(专利权)人：湖南文理学院，
类型：发明
国别省市：湖南;43
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。