一种灰度图像的二维Renyi熵阈值分割方法技术

本发明专利技术公开一种灰度图像的二维Renyi熵阈值分割方法，包含对输入原图像I进行中值滤波，得到中值滤波后图像I_med，基于原图像I和中值滤波后图像I_med，构造灰度中值二维直方图，对得到的二维直方图使用引入惯性权重递增策略的粒子群方法进行优化，得到最佳阈值和最优分割点，根据所得最佳阈值和最优分割点对图像进行分割；本发明专利技术引入图像滤波中对椒盐噪声有较好鲁棒性的中值滤波技术，使用邻域窗口灰度中值来代替传统方法中的窗口灰度均值，并结合原图像构造出新的二维直方图；使用惯性权重递增的粒子群方法对目标函数进行优化，从而在有噪声的情况下进行有效快速分割，加快了收敛速度，提高了分割效率。

【技术实现步骤摘要】

本专利技术涉及图像处理与机器视觉
，具体涉及，主要应用于机器人的视觉处理。
技术介绍
机器人技术的发展是一个国家高科技水平和工业自动化程度的重要标志和体现。机器人在当前生产生活中的应用越来越广泛，正在替代人发挥着日益重要的作用。其中，机器人视觉被认为是机器人最重要的感知部分。机器人视觉是模拟人类视觉在机器人上的体现，借助于先进的计算机和处理器，通过数字技术分析数字化图像技术，实现对客观世界的景物和物体进行形态和运动的识别，因此图像分割成为不可回避的问题。图像分割用于将目标和其周围的场景分离开来，以便进行目标识别或场景分析，对进一步提取目标特征以及其他高层处理都是非常重要的。图像分割是图像处理和分析中的重要环节，也是机器人视觉处理中的一个经典难题。 在机器人视觉处理过程中，识别事物的快速性和准确性是其核心问题，其中一个关键点是能否从受到噪声污染的图像中获取主要信息以及如何识别图像局部空间信息。在众多图像分割方法中，基于图像灰度值的阈值分割方法是一种简单有效的方法。Sahoo等提出的二维Renyi熵阈值分割方法是一种经典的二维直方图阈值分割技术，它利用像素的灰度值分布及其邻域的平均灰度值分布所构成的二维直方图进行阈值分割，取得了很好的分割效果。但该方法存在着以下两个重要缺点首先，它所采用的二维直方图建立在邻域窗口灰度均值的基础上，如果图像中某像素点的邻域窗口受椒盐噪声污染，其邻域窗口灰度均值会有较大的变化，这会给二维直方图带来较大的失真，从而影响最终的图像分割效果。其次，对二维Renyi熵目标函数进行优化时，二维直方图的引入使搜索空间从一维扩展到二维，如果使用传统的穷举搜索策略，计算量巨大，使其实用性有一定的局限性。
技术实现思路
针对上述问题，本专利技术提供了一种新的灰度图像的二维Renyi熵阈值分割方法，可以增强抗椒盐噪声的鲁棒性，以达到是阈值分割结果更加稳定并提高阈值分割效率的目的。本专利技术采用的技术方案是包含如下步骤 (1)对输入原图像I进行中值滤波，得到中值滤波后图像I—tned； (2)基于原图像I和中值滤波后图像Ijned,构造灰度中值二维直方 (3)对得到的二维直方图使用引入惯性权重递增策略的粒子群方法进行优化，得到最佳阈值和最优分割点； (4)根据所得最佳阈值和最优分割点对图像进行分割。本专利技术弓丨入图像滤波中对椒盐噪声有较好鲁棒性的中值滤波技术，使用邻域窗口灰度中值来代替传统方法中的窗口灰度均值，并结合原图像，构造出一种新的二维直方图。使用惯性权重递增的粒子群方法对目标函数进行优化，得到最佳阈值和最佳分割点，从而在有噪声的情况下进行有效快速分割，加快了收敛速度，提高了分割效率，保证了实际场合下机器视觉处理的需要。下面结合附图和具体实施方式对本专利技术作进一步说明。附图说明图I为本专利技术的流程 图2为原图像/和加30%的椒盐噪声的图像，其中图2 (a)为原图像J ;图2 (b)为加30%的椒盐噪声的图像； 图3为本专利技术方法构造的灰度中值二维直方 图4为图2中30%椒盐噪声下原图像/的分割结果比对图，其中图4(a)为本专利技术方法处理图；图4(b)为传统二维Renyi法处理图。具体实施例方式下文结合附图，以实例的方式对本专利技术的具体实施方式作详细说明，本专利技术所述方法包含但不限于所举实例。步骤一、对输入原图像/进行中值滤波，得到中值滤波后的图像 参见图I并以图2(a)为例，设待分割的原图像/分辨率为iOOV，f {x,y)为/中坐标值为C ，_F)的像素点的灰度值，则设原图像/可记为[/Cr，_F) I ^ =1, 2，…，M, y = I,2，…，AG。令匕,，/为中心坐标W)、大小为OrXar的窗口(古2r+l, r = I, 2,...),觅median iWx’j’^表示对窗口内所有像素点的灰度值。按照常规方法中的取中值操作。gCrV) = median{Wx-y-,d) , gCr，_F)表示窗口 〃 的中值。由 gCrV)代替原图像/中坐标值为Cr’，y)处的灰度值/ Cr’，,)，从而得到中值滤波后图像I—膨￠/记为kw) I z’=l，2，…，M, y ’= I, 2，…，AG。步骤二 基于原图像/和步骤一中得到的图像乙膨汄构造灰度中值二维直方图 改进的基于邻域窗口灰度中值的二维直方图计算如下 pQn,n) 二 Probif、x,y) = m, g(x,y) =/ );其中》，n ^ G, G 为图像中所有像素点灰度值的集合，G = {0，I, 2， ，Z-1},通常 Z 取 256。Prob{f{x,y) = m, g (x, y)=n)表示/Cr,_F) = m, g{x,y) = n的联合概率。对图2 (a)使用上述公式构造新的中值二维直方图bO，/ ) m, n G G\ ,如图3所示。分析该图可以发现，像素点主要集中于对角线附近，由图像处理的常识知识可知这是因为邻域灰度中值对图像中的纹理细节和噪声不敏感的缘故。步骤三对步骤二得到的中值二维直方图使用引入惯性权重递增策略的粒子群方法进行优化，得到最佳阈值参数U在步骤二得到的如图3所示的中值二维直方图的基础上，定义待分割原图像/的背景和目标区域的Renyi熵如下 1 f iff本文档来自技高网...

【技术保护点】
一种灰度图像的二维Renyi熵阈值分割方法，其特征是包含如下步骤：（1）对输入原图像I进行中值滤波，得到中值滤波后图像I_med；（2）基于原图像I和中值滤波后图像I_med，构造灰度中值二维直方图；（3）对得到的二维直方图使用引入惯性权重递增策略的粒子群方法进行优化，得到最佳阈值和最优分割点；（4）根据所得最佳阈值和最优分割点对图像进行分割。

【技术特征摘要】
1.一种灰度图像的二维Renyi熵阈值分割方法，其特征是包含如下步骤 (1)对输入原图像I进行中值滤波，得到中值滤波后图像I—tned； (2)基于原图像I和中值滤波后图像Ijned,构造灰度中值二维直方图； (3)对得到的二维直方图使用引入惯性权重递增策略的粒子群方法进行优化，得到最佳阈值和最优分割点； (4)根据所得最佳阈值和最优分割点对图像进行分割。2.根据权利要求I所述的一种灰度图像的二维Renyi熵阈值分割方法，其特征是 步骤(I)中，设原图像/分辨率为IXAr,/ {x,y)为/中坐标值为Ct，_f)的像素点的灰度值，则原图像/记为[/(U) I X =1，2，…，M, y = I, 2，…，#]，令/^为中心坐标(1'，7')、大小为<3^7的窗口(<^二2/^1，r = I, 2，.. .= median {Wx-r/f),g{x,y)表示窗口 Wx,’r”d的中值表示对窗口 Wx,’r”d内所有像素点的灰度值，由^)代替原图像/中坐标值为Cr',)处的灰度值/ Cr',)得到中值滤波后图像为I ...

【专利技术属性】
技术研发人员：顾晓清，倪彤光，汪巍，李玉，孙玉强，候振杰，马正华，
申请(专利权)人：常州大学，
类型：发明
国别省市：