【技术实现步骤摘要】
本专利技术涉及图像分割的实现,尤其涉及到一种阈值化分割算法的实现。
技术介绍
图像分割是图像处理向图像分析过渡的重要步骤。其中阈值化分割算法以其简单、高效、便于理解等特性在图像预处理中得到了广泛研究与应用。数字图像复杂、多样,大量图像的目标与背景在亮度、颜色、纹理等特征上差异较小,目标与背景分界不明显,并且含有噪声,这类图像的阈值选取是图像分割研究中的重点和难点,阈值化算法的设计需要结合图像的多种特征信息进行。现有的图像分割方法中,基于信息熵建立阈值化准则函数是一类重要方法,除准则函数的选用,图像特征信息的合理选取是准确计算阈值的关键。其中,应用相邻像素间存在的灰度关联性建立共生矩阵,应用图像灰度、均值、中值、梯度等空间相关性建立共生矩阵的这两类方法。在阈值选取中能够取得良好的效果,但是分割结果受特征信息获取质量的影响大,而且过多特征量的选用会增加运算的维数。另外,当图像受噪声影响大时,仅应用均值或中值提高抗噪性能效果不明显。对于目标与背景特征差异小的低对比度且含噪声图像分割,如何根据图像情况准确选取特征信息,提高抗噪声性能,并且降低运算维数,是阈值化方法研究的重点。
技术实现思路
本专利技术要解决的技术问题在于,针对现有技术的上述缺陷,提出一种适用于低对比度含噪声图像的阈值化方法及装置,处理效果较佳。本专利技术解决其技术问题所采用的技术方案是:提供一种适用于低对比度含噪声图像的阈值化方法,其包括:基于最小方差滤波思想,自适应地获取像素点邻域均值;结合灰度与均值信息建立非对称共生矩阵;应用二维直线型Arimoto熵作为阈值选取方法;通过均匀性测度函数指导Ar ...
【技术保护点】
一种适用于低对比度含噪声图像的阈值化方法,其特征在于,包括:基于最小方差滤波思想,自适应地获取像素点邻域均值;结合灰度与均值信息建立非对称共生矩阵;应用二维直线型Arimoto熵作为阈值选取方法;通过均匀性测度函数指导Arimoto熵中参数的选取。
【技术特征摘要】
1.一种适用于低对比度含噪声图像的阈值化方法,其特征在于,包括:基于最小方差滤波思想,自适应地获取像素点邻域均值;结合灰度与均值信息建立非对称共生矩阵;应用二维直线型Arimoto熵作为阈值选取方法;通过均匀性测度函数指导Arimoto熵中参数的选取。2.根据权利要求1所述的阈值化方法,其特征在于:所述的基于最小方差滤波思想,自适应地获取像素点邻域均值的过程是指应用九种不同形状的模板,对每一像素点进行最小方差滤波,选取方差最小值对应的均值。3.根据权利要求2所述的阈值化方法,其特征在于:这九种模板包括一个方形模板、四个屋形模板和四个六边形模板。4.根据权利要求1所述的阈值化方法,其特征在于:所述的结合灰度与均值信息建立非对称共生矩阵的过程是指对每一像素点,将灰度与均值信息融合,构造二维非对称共生矩阵。5.根据权利要求4所述的阈值化方法,其特征在于:构造二维非对称共生矩阵的实现包括:对于M×N大小的灰度图像G=[0,1,L,L-1],则在一个(L-1)×(L-1)大小的正方形区域上定义灰度-均值二维共生矩阵,c(i,j)是灰度f(x,y)和均值二元组(i,j)出现的频次,简记为cij,二元组发生的频率:6.根据权利要求1所述的阈值化方法,其特征在于:所述应用二维直线型Arimoto熵作为阈值选取方法的过程是指建立二维直线型Arimoto熵阈值函数,作为阈值化准则函数,并应用快速递推算法简化运算过程,降低运算维数。7.根据权利要求6所述的阈值化方法,其特征在于:所述快速递推算法的公式为:定义二维联合幂概率分布式为:最佳阈值向量(s*(α),t*(α))的递推过程如下:P0(0,0)=p00 s=0, P 0 ( s - 1 , s ) = P 0 ( s - 1 , s - 1 ) + Σ i + j = 2 s - 1 p i j , s > 0 , ]]> P 0 ( s , s ) = P 0 ( s - 1 , s ) + Σ i + j = 2 s p i j , s > 0 , ]]> F ‾ α ( 0 , 0 ) = ( p 00 ) α , s = 0 , ]]> F ‾ α ( s - 1 , s ) = F ‾ α ( s - 1 , s - 1 ) + Σ i + j = 2 s - 1 ( p i j ) α , s > 0 , ]]> F ‾ α ( s , s ) = F ‾ α ( s - 1 , ...
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。