基于Masi熵测度的灰度图像阈值分割方法技术

本发明专利技术公开了一种基于Masi熵测度的灰度图像阈值分割方法，该方法针对传统阈值化技术面对种类繁多的复杂图像实施分割时准确性和普适性不高的问题，提出基于信息论中Masi原理的阈值化方法，该方法普适性较强、分割精确、计算耗时少；利用本发明专利技术对图像进行处理后，得到的分割图像区域内部均匀，轮廓边界准确；通过调整熵指数使本发明专利技术具有更好的普适性，同时本发明专利技术的计算效率也很高，适用于实时性要求高的图像处理任务。

Gray level image threshold segmentation method based on Masi entropy measure

The invention discloses a thresholding method for grey image segmentation based on Masi entropy, the method for the traditional threshold segmentation technology facing the implementation of complex image a wide variety of accuracy and universality is not high, the thresholding method Masi information theory based on the principle of the universality of the strong, accurate segmentation and less time consuming; the invention of the image processing, image segmentation has uniform internal contour, accurate; by adjusting the entropy index of the invention has better universality, and the computational efficiency of the invention rate is also very high, suitable for image processing tasks in realtime.

【技术实现步骤摘要】

本专利技术涉及灰度图像处理
，具体涉及一种基于Masi熵测度的灰度图像阈值分割方法。
技术介绍
图像分割是图像处理中最为基本，但又是最为困难和最具挑战性的问题之一。图像分割的目的是把图像分成互不重叠的多个区域，各区域内部目标同质，从而为实现图像的后续处理奠定基础。因图像成像过程中受多种因素影响，其复杂性也致使用于分割的方法不能普适于不同的分割任务，因此研究新的方法用于实践中的特定分割任务也成为研究人员在图像处理工作中必须努力的方向之一。在工业环境中，特别是在工业流水线上，对图像处理任务的完成一般需要较高的实时性，因此在多种图像分割技术中，有着很高实时性能、而且也具有较高分割精确性的直方图阈值分割技术成为图像分割领域中相当流行的技术之一。基于信息论中熵概念的方法是图像阈值化技术中得到最为广泛应用的阈值化方法之一。因熵方法有着坚实的物理学背景，且在图像分割中也有着很高的效能故其得到了研究人员和工业实践的极度青睐，因此基于熵概念的方法或改进方案在研究或应用中纷呈叠出。最为经典的熵方法有Kapur等人基于Shannon熵提出的最大熵方法，Sahoo等人基于Rényi熵提出的最大Rényi熵方法以及Portes de Albuquerque等人基于Tsallis熵提出的最大Tsallis熵方法。在这些熵方法的基础上，为了进一步提高方法性能，其改进方案也不断被学者提出。Shannon熵方法和Rényi熵方法在图像阈值化过程中，能够处理图像中存在的可加信息，Tsallis熵方法能够处理图像中可能存在的非可加信息，然而其中的任何一种方法都不能同时处理两种不同性质的信息内容，因此这也是这类方法的一个不足。近年学者M. Masi提出一种新的熵测度（参见文献[1]M. Masi,“A step beyond Tsallis and Rényi entropies,”Physics Letters A, Volume 338, Issues 3-5, 2 May 2005, PP.217-224.）用于度量物理系统的信息量，在本文中把该熵测度简称为“Masi熵测度”，该测度相较于传统的Shannon熵测度、Rényi熵测度和Tsallis熵测度具有更好的性能表现。图像是一复杂的物理系统，在分割过程中，其内在信息的度量方式也影响着分割性能。基于此，应用Masi提出的熵测度，本专利技术提出一种新的阈值化方法用以提高图像分割性能。
技术实现思路
针对上述传统熵方法在图像分割方面的不足，本专利技术的目的在于提出一种应对复杂的图像分割任务的基于Masi熵测度的灰度图像阈值分割方法，该方法不仅能提高图像分割质量，而且计算效率也非常高，尤其适用于图像实时处理。本专利技术的构思：输入待分割图像并求取其归一化的灰度级直方图，构建分割前后图像Masi熵测度表达式，通过在灰度级范围内求取使该表达式获得最大值的灰度级值，然后用该灰度级值对图像实施阈值分割并输出分割图像。用于构建图像Masi熵测度的物理熵方程为：其中r表示Masi熵测度的熵指数，这里r>0且r≠1，从该式可以看出当r→1时，Masi熵测度收敛于经典Shannon熵测度。对于统计独立的两物理系统A和B，Masi熵测度具有如下性质：本专利技术应用Masi熵测度，在图像灰度级直方图空间构建阈值化前后图像的Masi熵，并通过在灰度级范围内最大化Masi熵测度获取最佳分割阈值，从而实现图像分割。基于上述专利技术构思，本专利技术采用以下技术方案：一种基于Masi熵测度的灰度图像直方图阈值分割方法，其特征在于，包括如下操作步骤：（1）设置Masi熵测度的熵指数r的值，r>0且r≠1；（2）输入待分割的灰度图像，并将其存入一个大小为M×N的二维图像数组I中；（3）遍历图像数组I，用公式L-1=max（I）计算得到图像最大灰度级值L-1,构建图像灰度级集合G={0, 1, …, L-1本文档来自技高网...

【技术保护点】
基于Masi熵测度的灰度图像阈值分割方法，其特征在于，包括如下操作步骤：（1）设置Masi熵测度的熵指数r的值，r>0且r≠1；（2）输入待分割的灰度图像，并将其存入一个大小为M×N的二维图像数组I中；（3）遍历图像数组I，用公式L‑1=max（I）计算得到图像最大灰度级值L‑1,构建图像灰度级集合G={0, 1, …, L‑1}，通过公式hi=ni/(M×N)计算得到归一化的灰度直方图H（H={h0, h1, …, hL‑1}），这里ni表示待分割图像内灰度级为i的像素数；（4）假定t为图像I的分割阈值，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‑1}；（5）用公式、计算得到关于C0与C1的先验概率P0及P1，P0+P1=1；（6）通过以下公式定义关于图像灰度级类C0与C1的Masi熵S0和S1：；；（7）阈值化前后图像总的Masi熵定义为S=S0+S1，即，此式即为图像阈值化准则函数；（8）在G={0, 1, …, L‑1}范围内求取图像总的Masi熵S的最大灰度级t*，，t*即最优分割阈值；（9）假设用f(x,y)表示原始图像I坐标(x,y)处的像素灰度值，s(x,y)表示分割后图像坐标(x,y)处的像素灰度值，则求得最佳分割阈值t*后，s(x,y)用下式求得：；（10）输出分割后的图像。...

【技术特征摘要】
1.基于Masi熵测度的灰度图像阈值分割方法，其特征在于，包括如下操作步骤：（1）设置Masi熵测度的熵指数r的值，r>0且r≠1；（2）输入待分割的灰度图像，并将...

【专利技术属性】
技术研发人员：聂方彦，张平凤，李建奇，罗佑新，潘梅森，
申请(专利权)人：湖南文理学院，
类型：发明
国别省市：湖南;43