一种图像阈值分割算法制造技术

本发明专利技术公开了一种图像阈值分割方法，所述方法包括：获取待分割图像中目标区域的先验概率和待分割图像中背景区域的先验概率；根据目标区域的先验概率、背景区域的先验概率以及预设的阈值选取函数，利用NBAS算法计算最佳阈值；以最佳阈值为边界，定义分割后的图像。本发明专利技术的优点在于：对背景复杂和噪声较强的图像分割效果较好。

An Image Threshold Segmentation Algorithm

【技术实现步骤摘要】
一种图像阈值分割算法
本专利技术涉及图像处理及模式识别领域，更具体涉及一种图像阈值分割算法。
技术介绍
图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像索赋予相同的编号。现有的图像分割算法对背景复杂和噪声较强的图像分割效果较差，且用于优化图像阈值分割函数的优化算法易陷入局部最优，而且算法寻优个体数多，设计复杂度高，导致计算量大。
技术实现思路
本专利技术所要解决的技术问题在于现有技术的图像分割算法对背景复杂和噪声较强的图像分割效果较差的问题。本专利技术是通过以下技术方案解决上述技术问题的：一种图像阈值分割方法，所述方法包括：步骤一：获取待分割图像中目标区域的先验概率和待分割图像中背景区域的先验概率；步骤二：根据目标区域的先验概率、背景区域的先验概率以及预设的阈值选取函数，利用NBAS算法计算最佳阈值；步骤三：以最佳阈值为边界，获取分割后的图像。优选的，所述步骤一，包括：利用公式计算待分割图像的联合概率，其中，(i,j)为像素点的灰度级i与该像素点的邻近像素点平均灰度级j组成的二元组；n(i,j)为二元组的个数；M待分割图像在横轴上的像素点的个数；N为待分割图像在纵轴上的像素点的个数；利用公式获取所述目标区域的先验概率，其中，O为目标区域，(t,s)为二维阈值向量；PO(t,s)为目标区域的先验概率；i为像素灰度级，j为邻域平均灰度级；利用公式获取所述背景区域的先验概率，其中，B为背景区域，PB(t,s)为背景区域的先验概率；L为待分割图像的灰度级数，j为邻域平均灰度级。优选的，所述步骤二包括：利用阈值选取函数S(t,s)＝Sk(O)K(B)+Sk(B)K(O)求取阈值，并将所求取的阈值中的最大值作为最优值；其中，k为可调参数，且k∈(0,1)；Sk(O)、K(B)、Sk(B)及K(O)为中间项；且，其中，PO为PO(t,s)的简写；其中PB为PB(t,s)的简写；利用公式获取最佳阈值向量，其中，(t*,s*)为最佳阈值向量；argmax{S(t,s)}表示当S(t,s)取最大值时，(t,s)的取值。优选的，所述利用NBAS算法计算最佳阈值，包括：步骤21)：利用公式计算对于天牛朝向的随机向量dir，其中，n表示搜索空间的维度，rand(n,1)表示n维(0,1)间的随机向量，norm()为归一化函数；步骤22)：利用公式计算主个体的左须二维坐标位置xl和右须二维坐标xr，其中，其中x为随机生成的当前主个体位置，且x＝(t,s)，d0为预设的常数；步骤23)：根据主个体的左须二维坐标位置xl以及右须二维坐标xr，利用公式，S(t,s)＝Sk(O)K(B)+Sk(B)K(O)分别计算左须的适应度值Sl＝S(xl)和右须的适应度值Sr＝S(xr)；步骤24)：利用公式x1＝x-step*dir*sign(Sl-Sr)更新当前主个体位置，其中x为当前主个体位置，x1为更新后的主个体位置，sign()为符号函数；步骤25)：根据所述更新后的主个体位置，利用阈值选取函数获取更新后的主个体函数值S1＝S(x1)步骤26)：利用公式计算二进制辅个体的左须速度项v′l和右须速度项v′r；步骤27)：利用公式分别计算左须的二进制位置坐标x′l，利用公式计算右须的二进制位置坐标x′r，其中，Sig()表示Sigmoid函数，rand()表示随机值；步骤28)：利用公式阈值选取函数分别计算左须的二进制函数值S′l＝S(x′l)和右须的二进制函数值S′r＝S(x′r)；步骤29)：根据左须的二进制函数值以及右须的二进制函数值，利用公式v1＝ω*v′+c1*step'*dir*sign(S′l-S′r)更新二进制辅个体的初始速度项，其中，v1为更新后的辅个体的速度项，v′为当前辅个体更新前的速度项；c1为预设的常数，ω为惯性因子，且ω＝ωmax-(ωmax-ωmin)*t/M，ωmin为惯性因子最小值，ωmax为惯性因子最大值，t为当前迭代次数，M为最大迭代次数；step′为辅个体的初始步长；步骤210)：利用公式更新辅个体的位置，利用公式S(t,s)＝Sk(O)K(B)+Sk(B)K(O)计算更新后辅个体的函数值S2＝S(x2)；步骤211)：对更新后的主个体位置x1的函数值S1和更新后的辅个体位置x2的函数值S2进行比较选择，选择较大值为当前最优函数值S，并得到对应于所述最优函数值的坐标x'作为主个体的当前坐标；判断当前次迭代对应的迭代次数是否大于或者等于最大迭代次数M；若是，将主个体的当前坐标x'作为最佳阈值向量(t*,s*)，将当前最优函数值S作为历史最优值Sbest；若否，利用公式step1＝step*eta更新主个体的步长，其中，step为当前主个体步长，eta为主个体步长迭代因子，step1为更新后的主个体步长；并利用公式step1'＝step'*eta'更新辅个体步长，其中，step'为当前辅个体步长，step1'为更新后的辅个体步长，eta'为辅个体步长迭代因子；返回执行步骤21)，直到达到最大迭代次数M为止。优选的，所述步骤三包括：利用公式获取其中，0表示灰度值为0，1表示灰度值为1，other表示其他。本专利技术还提供一种图像阈值分割装置，所述装置包括：第一获取模块，用于获取待分割图像中目标区域的先验概率和待分割图像中背景区域的先验概率；计算模块，用于根据目标区域的先验概率、背景区域的先验概率以及预设的阈值选取函数，利用NBAS算法计算最佳阈值；第二获取模块，用于以最佳阈值为边界，获取分割后的图像。优选的，所述第一获取模块，还用于：利用公式计算待分割图像的联合概率，其中，(i,j)为像素点的灰度级i与该像素点的邻近像素点平均灰度级j组成的二元组；n(i,j)为二元组的个数；M待分割图像在横轴上的像素点的个数；N为待分割图像在纵轴上的像素点的个数；利用公式获取所述目标区域的先验概率，其中，O为目标区域，(t,s)为二维阈值向量；PO(t,s)为目标区域的先验概率；i为像素灰度级，j为邻域平均灰度级；利用公式获取所述背景区域的先验概率，其中，B为背景区域，PB(t,s)为背景区域的先验概率；L为待分割图像的灰度级数，j为邻域平均灰度级。优选的，所述计算模块用于：利用阈值选取函数S(t,s)＝Sk(O)K(B)+Sk(B)K(O)求取阈值，并将所求取的阈值中的最大值作为最优值；其中，k为可调参数，且k∈(0,1)；Sk(O)、K(B)、Sk(B)及K(O)为中间项；且，其中，PO为PO(t,s)的简写；其中PB为PB(t,s)的简写；利用公式获取最佳阈值向量，其中，(t*,s*)为最佳阈值向量；argmax{S(t,s)}表示当S(t,s)取最大值时，(t,s)的取值。优选的，所述利用NBAS算法计算最佳阈值，包括：步骤21)：利用公式计算对于天牛朝向的随机向量dir，其中，n表示搜索空间的维度，rand(n,1)本文档来自技高网...

【技术保护点】
1.一种图像阈值分割方法，其特征在于，所述方法包括：步骤一：获取待分割图像中目标区域的先验概率和待分割图像中背景区域的先验概率；步骤二：根据目标区域的先验概率、背景区域的先验概率以及预设的阈值选取函数，利用NBAS算法计算最佳阈值；步骤三：以最佳阈值为边界，获取分割后的图像。

【技术特征摘要】
1.一种图像阈值分割方法，其特征在于，所述方法包括：步骤一：获取待分割图像中目标区域的先验概率和待分割图像中背景区域的先验概率；步骤二：根据目标区域的先验概率、背景区域的先验概率以及预设的阈值选取函数，利用NBAS算法计算最佳阈值；步骤三：以最佳阈值为边界，获取分割后的图像。2.根据权利要求1所述的图像阈值分割方法，其特征在于，所述步骤一，包括：利用公式计算待分割图像的联合概率，其中，(i,j)为像素点的灰度级i与该像素点的邻近像素点平均灰度级j组成的二元组；n(i,j)为二元组的个数；M待分割图像在横轴上的像素点的个数；N为待分割图像在纵轴上的像素点的个数；利用公式获取所述目标区域的先验概率，其中，O为目标区域，(t,s)为二维阈值向量；PO(t,s)为目标区域的先验概率；i为像素灰度级，j为邻域平均灰度级；利用公式获取所述背景区域的先验概率，其中，B为背景区域，PB(t,s)为背景区域的先验概率；L为待分割图像的灰度级数，j为邻域平均灰度级。3.根据权利要求2所述的图像阈值分割方法，其特征在于，所述步骤二包括：利用阈值选取函数S(t,s)＝Sk(O)K(B)+Sk(B)K(O)求取阈值，并将所求取的阈值中的最大值作为最优值；其中，k为可调参数，且k∈(0,1)；Sk(O)、K(B)、Sk(B)及K(O)为中间项；且，其中，PO为PO(t,s)的简写；其中PB为PB(t,s)的简写；利用公式获取最佳阈值向量，其中，(t*,s*)为最佳阈值向量；argmax{S(t,s)}表示当S(t,s)取最大值时，(t,s)的取值。4.根据权利要求3所述的图像阈值分割方法，其特征在于，所述利用NBAS算法计算最佳阈值，包括：步骤21)：利用公式计算对于天牛朝向的随机向量dir，其中，n表示搜索空间的维度，rand(n,1)表示n维(0,1)间的随机向量，norm()为归一化函数；步骤22)：利用公式计算主个体的左须二维坐标位置xl和右须二维坐标xr，其中，其中x为随机生成的当前主个体位置，且x＝(t,s)，d0为预设的常数；步骤23)：根据主个体的左须二维坐标位置xl以及右须二维坐标xr，利用公式，S(t,s)＝Sk(O)K(B)+Sk(B)K(O)分别计算左须的适应度值Sl＝S(xl)和右须的适应度值Sr＝S(xr)；步骤24)：利用公式x1＝x-step*dir*sign(Sl-Sr)更新当前主个体位置，其中x为当前主个体位置，x1为更新后的主个体位置，sign()为符号函数；步骤25)：根据所述更新后的主个体位置，利用阈值选取函数获取更新后的主个体函数值S1＝S(x1)步骤26)：利用公式计算二进制辅个体的左须速度项vl′和右须速度项vr′；步骤27)：利用公式分别计算左须的二进制位置坐标x′l，利用公式计算右须的二进制位置坐标x′r，其中，Sig()表示Sigmoid函数，rand()表示随机值；步骤28)：利用公式阈值选取函数分别计算左须的二进制函数值Sl′＝S(xl′)和右须的二进制函数值Sr′＝S(xr′)；步骤29)：根据左须的二进制函数值以及右须的二进制函数值，利用公式v1＝ω*v′+c1*step'*dir*sign(Sl′-Sr′)更新二进制辅个体的初始速度项，其中，v1为更新后的辅个体的速度项，v′为当前辅个体更新前的速度项；c1为预设的常数，ω为惯性因子，且ω＝ωmax-(ωmax-ωmin)*t/M，ωmin为惯性因子最小值，ωmax为惯性因子最大值，t为当前迭代次数，M为最大迭代次数；step′为辅个体的初始步长；步骤210)：利用公式更新辅个体的位置，利用公式S(t,s)＝Sk(O)K(B)+Sk(B)K(O)计算更新后辅个体的函数值S2＝S(x2)；步骤211)：对更新后的主个体位置x1的函数值S1和更新后的辅个体位置x2的函数值S2进行比较选择，选择较大值为当前最优函数值S，并得到对应于所述最优函数值的坐标x'作为主个体的当前坐标；判断当前次迭代对应的迭代次数是否大于或者等于最大迭代次数M；若是，将主个体的当前坐标x'作为最佳阈值向量(t*,s*)，将当前最优函数值S作为历史最优值Sbest；若否，利用公式step1＝step*eta更新主个体的步长，其中，step为当前主个体步长，eta为主个体步长迭代因子，step1为更新后的主个体步长；并利用公式step1'＝step'*eta'更新辅个体步长，其中，step'为当前辅个体步长，step1'为更新后的辅个体步长，eta'为辅个体步长迭代因子；返回执行步骤21)，直到达到最大迭代次数M为止。5.根据权利要求4所述的图像阈值分割方法，其特征在于，所述步骤三包括：利用公式获取其中，0表示灰度值为0，1表示灰度值为1，other表示其他。6.一种图像阈值分割装...

【专利技术属性】
技术研发人员：霍星，李召良，陈劲松，唐荣林，邵堃，张飞，贺占武，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34