一种基于PDE的自适应阈值分割签名图像二值处理方法技术

本发明专利技术公开了一种基于PDE的自适应阈值分割签名图像二值处理方法。步骤1：将给定签名图像进行去噪处理，得到光滑图像；步骤2：利用Gamma校正对去噪后的图像进行处理，增加图像对比度；步骤3：将步骤2的增加对比度的图像，再次利用自适应阈值快速分割算法，将图像变成二值图像；步骤4：将步骤3的二值图像分割为签名字体与背景，所述签名字体对应黑色区域，所述背景对应白色区域。本发明专利技术为了解决现有签名图像分割方法计算效率低，对带噪声的图像分割效果差，处理过程中的参数需要人工手动调节的问题。题。题。

【技术实现步骤摘要】
一种基于PDE的自适应阈值分割签名图像二值处理方法


[0001]本专利技术属于图像处理领域；具体涉及一种基于PDE的自适应阈值分割签名图像二值处理方法。

技术介绍

[0002]图像分割是计算机科学技术等领域中的一项基础性工作，分割的效果直接影响后期进行图像识别等任务的准确性。图像分割问题处理的难点在于其具有“病态”性质，很难获得唯一的分割结果，而图像中往往包含着极为丰富的信息，难以用统一的方法来提取特征。尽管针对某些特定的应用场合或特定类型的图像，人们提出过一些行之有效的图像分割算法。但至今为止仍没有一种通用的、可靠的自动分割算法。因此，深入研究图像分割方法具有非常重要的价值和意义。
[0003]近年来，基于PDE的图像分割方法得到长足发展。其中，与水平集方法结合的活动轮廓模型受到人们广泛关注。其主要思想是通过极小化一条闭合曲线的能量泛函来解决图像分割问题，首先给定一个初始轮廓曲线，在力的作用下曲线将不断运动，最终停止在目标边缘处。测地线活动轮廓模型(GAC)作为最基本的活动轮廓模型之一，将图像分割问题归结为极小化一个封闭曲线的能量泛函本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PDE的自适应阈值分割签名图像二值处理方法，其特征在于，所述签名图像分割过程的具体步骤为：步骤1：将给定签名图像进行去噪处理，得到光滑图像；步骤2：利用Gamma校正对去噪后的图像进行处理，增加图像对比度；步骤3：将步骤2的增加对比度的图像，再次利用自适应阈值快速分割算法，将图像变成二值图像；步骤4：将步骤3的二值图像分割为签名字体与背景，所述签名字体对应黑色区域，所述背景对应白色区域。2.根据权利要求1所述一种基于PDE的自适应阈值分割签名图像二值处理方法，其特征在于，所述步骤1具体为，步骤1.1：离散噪声图像f
i,j
＝f(i,j),其中i＝1,
…
,I,j＝1,
…
,J,N＝I
×
J＝size(f(x))；构造PDE滤波相对应的扩散方程的半隐数值格式；步骤1.2：根据步骤1.1中的数值格式，设置边界条件f
i,0
＝f
i,1
,f
i,J+1
＝f
i,J
,f
0,j
＝f
1,j
,f
I+1,j
＝f
i,j
；步骤1.3：根据步骤1.1中的半隐格式，高斯卷积作用于噪声图像上得到光滑图像f
σ
,并计算此f
σ
的梯度模|
▽
f
σ
|
i,j
；步骤1.4：根据步骤1.1中的半隐格式，计算噪声图像的梯度模|
▽
f|
i,j
；步骤1.5：利用步骤1.3和1.4中计算结果|
▽
f
σ
|
i,j
和|
▽
f|
i,j
,计算扩散方程的扩散系数步骤1.6：利用步骤1.1中的半隐格式，计算扩散系数矩阵C；步骤1.7：利用高斯
‑
赛德尔迭代过程求解步骤1.1中的半隐格式，得到光滑图像。3.根据权利要求1所述一种基于PDE的自适应阈值分割签名图像二值处理方法，其特征在于，所述步骤1.1中的PDE滤波相对应的扩散方程为在于，所述步骤1.1中的PDE滤波相对应的扩散方程为u(x,0)＝f(x),x∈Ω其中T＞0,f为噪声图像，K为调节参数，G
σ
为高斯函数：扩散方程的半隐数值格式为：其中τ为时间步长，p∈{(i+1,j),(i
‑
1,j),(i,j+1),(i,j
‑
1)},1)},
上述数值格式可改写为矩阵形式U
n+1
＝(E
‑
τA
n
)
‑1U
n
,其中,其中A
n
为表示扩散部分的对称稀疏矩阵，E为单位矩阵。4.根据权利要求1所述一种基于PDE的自适应阈值分割签名图像二值处理方法，其特征在于，步骤1.3中f
σ
＝G
σ
*f,其中*表示卷积算子，且所述步骤1.5中5.根据权利要求1所述一种基于PDE的自适应阈值分割签名...

【专利技术属性】
技术研发人员：郭志昌，姚文娟，陈佳奇，温莹，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：