圖像閾值化與目標(biāo)分割方法中的若干問題研究.pdf

1、圖像分割是計算機(jī)視覺研究的基本問題，是實(shí)現(xiàn)圖像理解與識別的前提。閾值化因其簡潔、高效、易實(shí)現(xiàn)性成為圖像分割中一種最為重要的技術(shù)之一，并在自動目標(biāo)識別、醫(yī)學(xué)影像分析、工業(yè)圖像處理等領(lǐng)域得到廣泛應(yīng)用。然而，由于圖像的復(fù)雜性，如何自動選擇最佳的分割閾值一直是閾值化研究中一個懸而未決的問題。雖然近幾十年很多學(xué)者提出了若干有效的閾值化方法，但其本質(zhì)問題仍沒得到根本解決；另外圖像處理任務(wù)中的實(shí)時性、魯棒性等問題也時常困擾各種閾值化方法的實(shí)踐應(yīng)用。因

2、此高效適用的閾值化方法的提出在目前仍是一大極具挑戰(zhàn)性的工作。針對這些問題，論文在充分調(diào)研和分析現(xiàn)有方法的基礎(chǔ)上，基于一些新的理論和技術(shù)在圖像閾值化方面提出一些新的思想、方法和解決方案。在目標(biāo)分割方面，以紅外人體目標(biāo)為研究對象，結(jié)合模糊集理論、廣義熵原理及混沌群智能優(yōu)化算法提出兩種有效的目標(biāo)抽取方法。論文取得了以下主要研究成果：
　　(1)基于方差分析(analysis of variance, ANOVA)思想，結(jié)合圖像-鄰域均值

3、圖像二維灰度級直方圖提出兩種最小類方差圖像閾值化方法。在新方法中通過采用遞推及差分演化算法降低二維直方圖法搜索最佳閾值的計算復(fù)雜度。提出方法克服了一維、二維最大類間方差法在圖像目標(biāo)及背景灰度級方差分布不均衡時易發(fā)生閾值偏離的不足，并增強(qiáng)了一維最大類間方差法及一維最小類方差法的抗噪性能。
　　(2)基于圖像灰度級共生矩陣(gray-level co-occurrence matrix, GLCM)及圖像-鄰域均值圖像二維灰度級直方圖

4、提出兩種二維交叉熵閾值化方法。一種方法是在GLCM內(nèi)定義圖像的局部二維交叉熵，然后通過最小化定義的圖像二維局部交叉熵求取最佳閾值。另一種方法是把圖像-鄰域均值圖像的二維灰度級直方圖投影到一維空間，然后通過最小交叉熵法對圖像實(shí)施閾值分割。這兩種方法增強(qiáng)了傳統(tǒng)最小交叉熵法的抗噪性能，并在第二種方法中獲得了與一維方法相當(dāng)?shù)挠嬎阈省?br>　　(3)圖像系統(tǒng)是一典型的具有非廣延特性的物理系統(tǒng)，然而傳統(tǒng)閾值化方法常忽略該信息對閾值選取的影響。把

5、 Tsallis提出的非廣延交叉熵應(yīng)用于圖像閾值分割，通過對 Tsallis原始公式進(jìn)行不同的變換，應(yīng)用 Tsallis交叉熵的向量距離測度以及 Tsallis交叉熵處理物理系統(tǒng)非廣延特性的能力提出兩種有效的方法，并把基于Tsallis交叉熵非廣延特性的一維直方圖法擴(kuò)展到二維空間。在大量合成及真實(shí)圖像上的實(shí)驗(yàn)結(jié)果表明：提出方法對于紛繁復(fù)雜的圖像具有更好的適應(yīng)能力。
　　(4)自然界景物成像過程及圖像處理系統(tǒng)對圖像信號的處理帶有天然

6、的模糊特性，因此一切非模糊閾值化法在具有模糊特性的圖像上都具有其缺陷性。針對這一問題，結(jié)合最大熵相關(guān)原理及模糊集理論提出一種最大模糊相關(guān)閾值化方法。另外，在對圖像進(jìn)行閾值化時，有時簡單的兩級閾值化不能把復(fù)雜圖像中的目標(biāo)有效的抽取出來，因此有必要實(shí)施多級閾值化，為此結(jié)合 Renyi熵原理及模糊集理論提出一種多級閾值化方法。在提出的這兩種模糊閾值化方法中，為了加快算法的收斂，應(yīng)用了差分演化算法。實(shí)驗(yàn)結(jié)果表明了提出方法的有效性。
　　(

7、5)紅外人體目標(biāo)檢測與識別的基礎(chǔ)是人體目標(biāo)區(qū)域的有效抽取，也即感興趣區(qū)域(region of interest, ROI)的有效分割。然而由于紅外熱成像的獨(dú)特特性，對 ROI有效分割的方法目前仍處于不斷探究之中?；贖avrda-Charvát熵與非廣延熵兩種廣義熵及模糊集理論提出兩種紅外人體目標(biāo)分割方法。在新方法中，把混沌搜索嵌入到經(jīng)典群智能優(yōu)化算法(粒子群優(yōu)化算法、差分演化算法)提出兩種混沌優(yōu)化算法用于加速整個目標(biāo)分割算法的收斂性能

8、。同時應(yīng)用數(shù)學(xué)形態(tài)學(xué)算子對分割圖像進(jìn)行去噪、空洞填充等操作，為進(jìn)一步對圖像進(jìn)行處理奠定基礎(chǔ)。在真實(shí)紅外人體圖像上的實(shí)驗(yàn)表明了提出方法的有效性。
　　論文在圖像閾值化及目標(biāo)分割方面做了一些理論和應(yīng)用的探索性工作?；谝陨咸峒暗牟煌碚撘罁?jù)，提出幾種適應(yīng)性強(qiáng)、能更好的實(shí)施最佳閾值選擇的準(zhǔn)則函數(shù)和實(shí)現(xiàn)算法，并對應(yīng)用閾值化方法進(jìn)行紅外人體目標(biāo)抽取進(jìn)行了初步探討。提出方法豐富了圖像閾值化及目標(biāo)分割研究內(nèi)容，對這些研究的發(fā)展也將起到推動作用。