一种基于二代小波变换的抗噪Otsu图像分割方法技术

本发明专利技术属于图像处理领域，尤其涉及一种基于二代小波变换的抗噪Otsu图像分割方法，通过对待分割图像进行db1二代小波整数变换，在小波域中对目标与背景的噪声进行抑制后再计算最大类间方差。本发明专利技术是一种抗噪性强、分割效果好的图像分割方法，而且二代小波方法有利于硬件实现，便于算法应用于噪声干扰严重及实时性要求较高的系统，具有重要的研究价值和广阔应用前景。

【技术实现步骤摘要】
一种基于二代小波变换的抗噪Otsu图像分割方法
本专利技术属于图像处理领域，尤其涉及一种基于二代小波变换的抗噪Otsu图像分割方法。
技术介绍
图像分割是图像信息处理的基本技术，也是图像理解与模式识别的前提，图像分割有着广泛的应用。在处理医学图像中，图像分割对于人们身体中发生病变的器官的三维显示或者对病变位置的确定与分析都起着有效地辅导作用；在路面交通图像的分析应用中，可用图像分割技术从监控或航拍等模糊复杂背景中分出要提取的目标车辆；遥感图像分割在军事领域的应用也非常广泛，如战略战术的侦查、军事海洋领域的测绘等，高分辨率的遥感图像分割数据可以为自然灾况的监测与评估、地图的绘制与更新、森林资源及环境的监测与管理等，因此，图像的分割都起着至关重要的作用。在众多的分割方法中，阈值分割是最为简单有效的图像分割方法之一，其关键在于阈值的选取，常用的几种经典阈值分割方法主要有Otsu算法、信息最大熵算法、最小交叉熵算法等，比如，文献1：乔万波，曹银杰的《一种改进的灰度图像二值化方法》，文献2：丁晓峰，何凯霖的《基于最大类间方差的改进图像分割算法》。一维最大类间方差法，以其因计算简单、实时性高、鲁棒性强等优点而被广泛使用。但是一维Otsu法未考虑像素间的空间相关性，故当图像包含噪声时，一维Otsu法的分割效果不佳。因为图像中难免存在噪声干扰，对此，提出了二维Otsu快速递推法，该方法在提高运算效率的同时考虑了像素的灰度信息和其邻域的空间相关性，改善了一维Otsu法的抗噪性。为进一步提高算法的抗噪性，文献3：景晓军,蔡安妮,孙景鳌的《一种基于二维最大类间方差的图像分割算法》在灰度级-领域平均灰度级基础上，提出了一种二维最大类间方差的图像分割算法，该算法能更好地对含噪图像进行分割。二维Otsu法虽然提高了算法的抗噪能力，但当噪声干扰严重时，它们的分割效果仍不够理想。中国专利CN201610510826.1一种基于最小二乘法曲线拟合的图像快速分割方法，提出了利用最小二乘法曲线拟合的图像分割算法，但是该方法在噪声干扰严重时，存在图像分割不理想的问题。中国专利CN201510903464.8基于二代小波整数变换的图像增强方法及图像增强系统，介绍了经过二代小波整数变换对图像进行处理，能够很好的将目标从背景中分割出来，具有很好的抗噪性能。
技术实现思路
本专利技术要解决的技术问题是提供一种基于二代小波变换的抗噪Otsu图像分割方法，能将目标图像从背景中分割出来，具有很好的抗噪声性能。为解决上述技术问题，本专利技术一种基于二代小波变换的抗噪Otsu图像分割方法，包括如下步骤：步骤S1：对待分割图像进行db1二代小波整数变换单层分解，得到一个整数低频子带ca和三个高频子带(ch、cv、cd)的分解系数；步骤S2：将低频子带ca中负数变为0构成新的低频子带ca1，并对ca1进行3×3均值滤波后取整构成ca2；步骤S3：求ca2的系数最大值M，在[0，M]区间计算ca2的类间方差使用Otsu算法得到分割阈值T；步骤S4：对ca2的系数大于T的改为最大值M，ca2的系数小于T的改为0，更改后形成新的低频子带ca3；步骤S5：将三个高频子带(ch、cv、cd)的分解系数全部更改为0，构成新的高频子带(ch1、cv1、cd1)；步骤S6：利用db1二代小波整数重构ca3、ch1、cv1和cd1，构成分割后的图像W。作为本专利技术的优化方案，在步骤S3中，使得类间方差最大的值为Otsu算法的分割阈值T。作为本专利技术的优化方案，分割阈值T的范围为[0，M]。本专利技术具有积极的效果：本专利技术克服了一维Otsu法难以分割出满意的结果，而二维Otsu法虽然改善了算法的抗噪性，但与一维Otsu法相比效果不大，而且还大大增加运算时间的问题。对含不同噪声类型及不同噪声强度的图像均能取得较好的分割效果，具备较强的抗噪性和抗噪顽健性；客观上从量化指标上对专利技术的分割效果和抗噪声进行了验证。定性和定量分析充分说明了本专利技术是一种抗噪性强、分割效果好的图像分割方法，而且二代小波方法有利于硬件实现，便于算法应用于噪声干扰严重及实时性要求较高的系统，具有重要的研究价值和广阔应用前景。附图说明下面结合附图和具体实施方式对本专利技术作进一步详细的说明。图1为本专利技术db1二代小波整数变换的运算框图；图2(a)为标准Lena灰度图像，图2(b)为低照度红外图像，图2(c)为遥感图像；图3(a)为加高斯噪声的标准Lena灰度图像，图3(b)为加高斯噪声的低照度红外图像，图3(c)为加高斯噪声的遥感图像；图4(a)为加高斯噪声的标准Lena灰度图像经经典Otsu算法图像分割的结果，图4(b)为加高斯噪声的低照度红外图像经经典Otsu算法图像分割的结果，图4(c)为加高斯噪声的遥感图像经经典Otsu算法图像分割的结果；图5(a)为加高斯噪声的标准Lena灰度图像经文献1的算法图像分割的结果，图5(b)为加高斯噪声的低照度红外图像经文献1的算法图像分割的结果，图5(c)为加高斯噪声的遥感图像经文献1的算法图像分割的结果；图6(a)为加高斯噪声的标准Lena灰度图像经文献2的算法图像分割的结果，图6(b)为加高斯噪声的低照度红外图像经文献2的算法图像分割的结果，图6(c)为加高斯噪声的遥感图像经文献2的算法图像分割的结果；图7(a)为加高斯噪声的标准Lena灰度图像经文献3的算法图像分割的结果，图7(b)为加高斯噪声的低照度红外图像经文献3的算法图像分割的结果，图7(c)为加高斯噪声的遥感图像经文献3的算法图像分割的结果；图8(a)为加高斯噪声的标准Lena灰度图像经本专利技术的方法图像分割的结果，图8(b)为加高斯噪声的低照度红外图像经本专利技术的方法图像分割的结果，图8(c)为加高斯噪声的遥感图像经本专利技术的方法图像分割的结果；图9(a)为带椒盐噪声的lena图，图9(b)为带乘性噪声的lena图，图9(c)为带泊松噪声的lena图；图10(a)为带椒盐噪声的lena图经经典Otsu算法图像分割的结果，图10(b)为带乘性噪声的lena图经经典Otsu算法图像分割的结果，图10(c)为带泊松噪声的lena图经经典Otsu算法图像分割的结果；图11(a)为带椒盐噪声的lena图经文献1算法图像分割的结果，图11(b)为带乘性噪声的lena图经文献1算法图像分割的结果，图11(c)为带泊松噪声的lena图经文献1算法图像分割的结果；图12(a)为带椒盐噪声的lena图经文献2算法图像分割的结果，图12(b)为带乘性噪声的lena图经文献2算法图像分割的结果，图12(c)为带泊松噪声的lena图经文献2算法图像分割的结果；图13(a)为带椒盐噪声的lena图经文献3算法图像分割的结果，图13(b)为带乘性噪声的lena图经文献3算法图像分割的结果，图13(c)为带泊松噪声的lena图经文献3算法图像分割的结果；图14(a)为带椒盐噪声的lena图经本专利技术进行图像分割结果，图14(b)为带乘性噪声的lena图经本专利技术进行图像分割结果，图14(c)为带泊松噪声的lena图经本专利技术进行图像分割结果。具体实施方式如图1所示，本专利技术公开了一种基于二代小波变换的抗噪Otsu图像分割方法，包括如下步骤：步骤S1：对待分割图像进行db本文档来自技高网...

【技术保护点】
一种基于二代小波变换的抗噪Otsu图像分割方法，其特征在于：包括如下步骤：步骤S1：对待分割图像进行db1二代小波整数变换单层分解，得到一个整数低频子带ca和三个高频子带(ch、cv、cd)的分解系数；步骤S2：将低频子带ca中负数变为0构成新的低频子带ca1，并对ca1进行3×3均值滤波后取整构成ca2；步骤S3：求ca2的系数最大值M，在[0，M]区间计算ca2的类间方差

【技术特征摘要】
1.一种基于二代小波变换的抗噪Otsu图像分割方法，其特征在于：包括如下步骤：步骤S1：对待分割图像进行db1二代小波整数变换单层分解，得到一个整数低频子带ca和三个高频子带(ch、cv、cd)的分解系数；步骤S2：将低频子带ca中负数变为0构成新的低频子带ca1，并对ca1进行3×3均值滤波后取整构成ca2；步骤S3：求ca2的系数最大值M，在[0，M]区间计算ca2的类间方差使用Otsu算法得到分割阈值T；步骤S4：对ca2的系数大于T的改为最大值M，ca2的系数小于T的改为0，...

【专利技术属性】
技术研发人员：王海峰，章怡，范鑫，彭建业，潘瑜，薛勇，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：江苏,32