基于超廣延熵的灰度圖像閾值分割方法技術

本發明專利技術公開了一種基于超廣延熵測度的灰度圖像直方圖閾值分割方法，采用具有堅實物理學背景的超廣延熵測度做為圖像閾值分割的準則函數，使本發明專利技術與其它方法相比具有更加明確的物理學意義；應用能更好表征物理系統內部信息量的超廣延熵測度做為圖像閾值化準則函數，計算得到的最佳閾值能更好的反映圖像像素內部信息量的分布，進一步提高灰度圖像分割質量，因此對圖像的處理效果更好；本發明專利技術采用的超廣延熵測度可通過調節熵指數q,r的值應用于不同的圖像處理任務，提升了基于信息熵的圖像閾值化方法的普適性；采用在灰度直方圖空間求取最佳閾值，使本發明專利技術具有很高的計算效率，適用于實時性要求高的圖像處理任務。

【技術實現步驟摘要】

本專利技術涉及機器視覺中的圖像分割領域，具體是指一種基于超廣延熵測度實現對工業流水線或生活實踐中灰度圖像快速、準確分割的閾值分割方法。
技術介紹
圖像分割是圖像處理中最為基本，但又是最為困難和最具挑戰性的問題之一。圖像分割的目的是把圖像分成互不重疊的多個區域，各區域內部目標同質，從而為實現圖像的后續處理奠定基礎。因圖像成像過程中受多種因素影響，其復雜性也致使用于分割的方法不能普適于不同的分割任務，因此研究新的方法用于實踐中的特定分割任務也成為研究人員在圖像處理工作中必須努力的方向之一。在工業環境中，特別是在工業流水線上，對圖像處理任務的完成一般需要較高的實時性，因此在多種圖像分割技術中，有著很高實時性能、而且也具有較高分割精確性的直方圖閾值分割技術成為圖像分割領域中相當流行的技術之一?；谛畔⒄撝徐馗拍畹姆椒ㄊ菆D像閾值化技術中得到最為廣泛應用的閾值化方法之一。因熵方法有著堅實的物理學背景，且在圖像分割中也有著很高的效能故其得到了研究人員和工業實踐的極度青睞，因此基于熵概念的方法或改進方案在研究或應用中紛呈疊出。最為經典的熵方法有Kapur等人基于Shannon熵提出的最大熵方法，Sahoo等人基于Renyi熵提出的最大Renyi熵方法等。Shannon熵與Renyi熵具有線性可加性，應用Shannon熵與Renyi熵可以非常好的度量線性系統的線性可加信息量，然而對于非線性復雜物理系統，其信息量就不能被Shannon熵與Renyi熵很好的表征。圖像做為一個復雜的物理系統，非線性可加信息內容也常存在于某些圖像中，考慮該因素，基于能夠處理非可加信息內容的非廣延熵-Tsallis熵，PortesdeAlbuquerque等人提出另外一種圖像閾值化方法，即最大Tsallis熵閾值化方法。在這些熵方法的基礎上，為了進一步提高性能，其改進方案也不斷被學者提出。Shannon熵方法和Renyi熵方法在圖像閾值化過程中，能夠處理圖像中存在的可加信息，Tsallis熵方法能夠處理圖像中可能存在的非可加信息，然而其中的任何一種方法都不能同時處理兩種不同性質的信息內容，因此這也是這類方法的一個不足。近年有學者在分析傳統熱力學熵的基礎上提出一種新的熵測度-超廣延熵（Supra-extensiveentropy）（參見文獻[1]M.Masi,“AstepbeyondTsallisandRényientropies,”PhysicsLettersA,Volume338,Issues3-5,2May2005,PP.217-224.）用于度量物理系統的信息量。超廣延熵是傳統熱力學熵的泛化，它把Shannon熵、Renyi熵、Tsallis熵統一了起來，超廣延熵即能處理物理系統中的可加信息，也能處理其中的非可加信息，因此該測度在表征物理系統信息量的時候具有良好的性能表現。圖像是一復雜的物理系統，其內部像素信息的分布根據成像方式、過程的不同而千差萬別，因此在分割過程中，其內在信息的度量方式也嚴重影響著分割性能。基于此，應用超廣延熵測度，本專利技術提出一種新的灰度圖像閾值化方法用以提高圖像分割性能。
技術實現思路
本專利技術的目的在于為應對復雜的圖像分割任務，克服傳統熵方法在圖像分割方面的不足而提出一種基于超廣延熵測度的圖像灰度級直方圖閾值分割方法，該方法不僅能提高圖像分割質量，而且計算效率也非常高，尤其適用于圖像實時處理。為達到上述目的，本專利技術的構思是：本專利技術的基于超廣延熵測度的灰度圖像直方圖閾值分割方法包括：輸入待分割圖像并求取其歸一化的灰度級直方圖，構建分割前后圖像超廣延熵測度表達式，通過在灰度級范圍內求取使該表達式獲得最大值的灰度級值，然后用該灰度級值對圖像實施閾值分割并輸出分割圖像。用于構建圖像閾值分割準則函數的超廣延熵測度的物理熵表達式為：其中0≤pi≤1，，q,r表示超廣延熵測度的熵指數，這里q,r>0且q,r≠1，當r→q時，超廣延熵測度收斂于Renyi熵測度；當r→1時，超廣延熵收斂于Tsallis熵測度。對于統計獨立的兩物理概率系統A和B，超廣延熵測度具有如下形式的相加性質：基于超廣延熵測度的灰度圖像直方圖閾值化方法的流程如圖1所示，本專利技術應用超廣延熵測度，在圖像灰度級直方圖空間構建閾值化前后圖像的超廣延熵，并通過在灰度級范圍內最大化超廣延熵測度獲取最佳分割閾值，從而實現圖像分割?；谏鲜鰧＠夹g構思，本專利技術采用以下技術方案：一種基于超廣延熵測度的灰度圖像直方圖閾值分割方法，其特征在于操作步驟如下：（1）設置超廣延熵測度的熵指數q,r的值，這里q,r>0且q,r≠1；（2）讀取待分割的灰度圖像，并將其存入一個大小為M×N的二維圖像數組I中；（3）遍歷圖像數組I，計算得到圖像最大灰度級L-1及灰度級集合G={0,1,…,L-1本文檔來自技高網...

【技術保護點】
一種基于超廣延熵測度的灰度圖像直方圖閾值分割方法，其特征在于操作步驟如下：（1）設置超廣延熵測度的熵指數q,r的值，這里q,r>0且q,r≠1；（2）讀取待分割的灰度圖像，并將其存入一個大小為M×N的二維圖像數組I中；（3）遍歷圖像數組I，計算得到圖像最大灰度級L?1及灰度級集合G={0,1,…,L?1}，通過公式hi=ni/(M×N)計算得到歸一化的灰度直方圖H（H={h0,h1,…,hL?1}），這里ni表示待分割圖像內灰度級為i的像素數，L?1表示圖像內最大灰度級數，對于8位數字圖像而言L=256；（4）假定t為分割閾值，t將圖像像素分為歸屬于兩個不同類的灰度級集合C0與C1，C0={0,1,2,…,t}，C1={t+1,t+2,…,L?1}；（5）用H做為圖像灰度級的概率密度函數估計，用公式一計算關于C0與C1的先驗概率P0及P1；公式一：，；很明顯，這里P0+P1=1；（6）用公式二、公式三定義關于C0與C1的概率分布Π0與Π1；公式二：Π0={π0,π1,…,πt},其中π0=hi/P0，i=0,1,…,t；公式三：Π1={πt+1,πt+2,…,πL?1},其中πj=hj/P1，j=t+1,t+2,…,L?1；（7）通過公式四、公式五計算得到關于分布Π0與Π1的超廣延熵SE0和SE1；公式四：；公式五：；（8）用公式六定義閾值化前后圖像總的超廣延熵SE，此式即為圖像閾值化準則函數；公式六：；（9）在G={0,1,…,L?1}范圍內搜索使公式七獲得最大值的灰度級t*，t*即最優分割閾值；公式七：；（10）假設用f(x,y)表示原始圖像I坐標(x,y)處的像素灰度值，s(x,y)表示分割后圖像坐標(x,y)處的像素灰度值，則求得最佳分割閾值t*后，分割圖像像素s(x,y)可通過公式八求得；公式八：；（11）輸出分割后的圖像。...

【技術特征摘要】
1.一種基于超廣延熵測度的灰度圖像直方圖閾值分割方法，其特征在于操作步驟如下：（1）設置超廣延熵測度的熵指數q,r的值，這里q,r>0且q,r≠1；（...

【專利技術屬性】
技術研發人員：聶方彥，張平鳳，
申請(專利權)人：湖南文理學院，
類型：發明
國別省市：湖南;43