基于Beta‑Gamma散度的灰度图像阈值分割方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106340029A(43)申请公布日2017.01.18(21)申请号201610706964.7(22)申请日2016.08.23(71)申请人湖南文理学院地址415000湖南省常德市洞庭大道3150号湖南文理学院计算机学院(72)发明人聂方彦张平凤(74)专利代理机构常德市源友专利代理事务所43208代理人江妹(51)Int.Cl.G06T7/136(2017.01)权利要求书2页说明书6页附图2页(54)发明名称基于Beta-Gamma散度的灰度图像阈值分割方法(57)摘要本发明公开了一种基于Beta-Gamma散度的灰度图像阈值分割方法，包括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Beta-Gamma散度表达式，通过在图像灰度级范围内求取使该表达式获得最小值的灰度级值，然后用该灰度级值对图像实施阈值分割并输出分割图像等步骤。本发明提升了图像分割质量，分割图像边缘轮廓精确，纹理细节清晰，增强了方法的普适性，适用于实时性要求高的图像处理任务。CN106340029ACN106340029A权利要求书1/2页1.基于Beta-Gamma散度的灰度图像阈值分割方法，其特征在于操作步骤如下：（1）读取待分割的灰度图像，并将其存入一个大小为M×N的二维图像数组I中；（2）遍历图像数组I，计算得到图像最大灰度级L-1及灰度级集合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，L-1表示图像内最大灰度级数；（3）假定t为分割阈值，则阈值化时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，其中C0={0,1,2,…,t}，C1={t+1,t+2,…,L-1}；（4）用H做为图像灰度级的概率密度函数估计，基于公式一计算关于C0与C1的先验概率P0及P1：公式一：，；（5）基于公式二计算关于C0与C1的灰度均值m0与m1：公式二：，；（6）根据Beta-Gamma散度原理，通过公式三和公式四定义关于图像灰度级类C0与C1的Beta-Gamma散度D0(t)和D1(t)：公式三：，公式四：；（7）图像阈值化准则函数，也即阈值化前后图像总的Beta-Gamma散度用公式五定义：公式五：；（8）在G={0,1,…,L-1}范围内搜索使公式六获得最小值的灰度级t*，t*即最优分割阈值：公式六：；（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)可用公式七计算得到：公式七：；（10）输出分割后的图像。2.根据权利要求1所述的基于Beta-Gamma散度的灰度图像阈值方法，其特征在于，γ>02CN106340029A权利要求书2/2页且γ≠1。3CN106340029A说明书1/6页基于Beta-Gamma散度的灰度图像阈值分割方法技术领域[0001]本发明涉及机器视觉中的图像分割领域，具体是指一种基于灰度图像直方图信息的Beta-Gamma散度实现对基于机器视觉的无损检测、红外视频监控等图像快速、准确地阈值分割方法。背景技术[0002]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。[0003]在很多图像处理应用场景中，如基于机器视觉的产品质量检测、基于机器视觉的安全监测，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。在苛刻的工作环境下，如工业流水线上的工件质量无损检测、产品表面缺陷检测，或安全监测中的红外成像目标检测等，这些场景得到的成像图像往往会受到噪声、不均匀光照等很多因素的干扰，因此成像质量一般较差，因此如何选取最佳分割阈值成为分割的关键。针对这一问题，国内外学者进行了广泛的研究，提出了很多种分割方法。[0004]基于信息论中熵概念（如Shannon熵、交叉熵、Tsallis交叉熵等）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。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。其中基于