CN105608688A

CN105608688A - 一种多目标图像分解处理方法

Info

Publication number: CN105608688A
Application number: CN201410622457.6A
Authority: CN
Inventors: 李福霞
Original assignee: Individual
Current assignee: Individual
Priority date: 2014-11-07
Filing date: 2014-11-07
Publication date: 2016-05-25

Abstract

一种多目标图像分解处理方法属于图像处理方法技术领域，尤其涉及一种多目标图像分解处理方法。本发明提供一种运算速度快的多目标图像分解处理方法。本发明包括以下步骤。(1)将图像进行平滑处理，除去其中的噪声点和虚景，得出其灰度图像；(2)将灰度图像进行扫描，得到有效目标序列{X₀，X₁，X₂，……，X_N}，N为灰度级；X_i为第i个灰度级上的像素数与图像总像素的比值；(3)比较序列，找出直方图中的所有峰值；(4)通过上述得出峰值点序列后，设一个峰峰距离阈值D，只有序列中峰峰距离大于D才算有效峰。

Description

一种多目标图像分解处理方法

技术领域

本发明属于图像处理方法技术领域，尤其涉及一种多目标图像分解处理方法。

背景技术

图像分割是应用一种或多种运算将图像分成一些具有类似特性(如颜色、纹理、密度等)的区域,主要有阈值方法和区域方法两大类。前者利用灰度频率信息对分布信息进行分割,而后者利用局部空间信息进行分割将具有相似特性的像素集合起来构成区域。

近40年以来,国内外学者针对阈值分割方面进行了广泛深入的研究,并提出了50多种阈值选取方法，在自动目标识别过程中常用的阈值选取方法包括:最大类间方差法、最佳熵法、矩不变法、模糊聚类法、极小误差法和共现矩阵法等.由于最大类间方差法（OTSU）具有算法简单、易于实现且计算量小等优点,因此,常用于一般的实时图像处理系统中。

然而,经典的OTSU算法针对的是两目标即单阈值的图像分割,即只能将图像分为两类,同时由于它用穷尽的搜索方法寻求最优解,因此需要大量的计算时间。

发明内容

本发明就是针对上述问题，提供一种运算速度快的多目标图像分解处理方法。

为实现上述目的，本发明包括以下步骤。

(1)将图像进行平滑处理，除去其中的噪声点和虚景，得出其灰度图像。

(2)将灰度图像进行扫描，得到有效目标序列{X_0,X₁,X₂,……,X_N},N为灰度级。X_i为第i个灰度级上的像素数与图像总像素的比值。

(3)比较序列，找出直方图中的所有峰值。

(4)通过上述得出峰值点序列后，设一个峰峰距离阈值D,只有序列中峰峰距离大于D才算有效峰。

(5)得出灰度图像的有效峰数，从而确定目标数s，进而求出在目标数为s时的最大类间方差。

作为一种优选方案，本发明所述(3)比较序列，找出直方图中的所有峰值。

a.若X_i-1,X_i,X_i+1均不等，如果X_i>X_i-1且X_i>X_i+1,则X_i对应的点为峰点，记录Xi，其余情况均认为无峰点存在，不记录。

b.若X_i-1,Xi,X_i+1均为零，则视为谷点；不记录。

c.若X_i,X_i+1相等且不为零，不能确定X_i是峰点还是谷点，只能有下组数据决定，若下组仍相等则有再下一组决定，如果该组数据中，X_i+1<Xi,则X_i和前两点同视为峰点，若X_i+1>X_i，则Xi和前两点都为谷点，最后记录同为峰点的情况下的中间点为峰点。

本发明有益效果。

本发明在最大类间方差法的基础上,提出了一种使用灰度直方图自适用的确定图像中的最佳目标个数的多目标图像分割算法,对未知目标个数的多目标图像,具有运算速度较快,分割结果较好等优点。

具体实施方式

本发明包括以下步骤。

(2)将灰度图像进行扫描，得到有效目标序列{X_0,X₁,X₂,……,X_N},N为灰度级；X_i为第i个灰度级上的像素数与图像总像素的比值。

(3)比较序列，找出直方图中的所有峰值。

所述(3)比较序列，找出直方图中的所有峰值。

b.若X_i-1,Xi,X_i+1均为零，则视为谷点；不记录。

在许多实际应用中,待分割图像中感兴趣目标个数并没有事先确定,这时算法就必须能够自适应地确定图像中最佳的或者相对最佳的目标个数，由于通常情况下一幅图像中感兴趣的区域即目个数都不大,所以可以预先设定最大的目标smax(例如使smax=5)。对目标数s从2到最大目标数分别确定最佳的分类阈值k₁、k₂、…、k_s-1。

为了自适应地确定图像中最佳的目标个数,可以借鉴方差分解的思想,计算出在每一个分类下图像中类内差异与类间差异的加权比值,通过比较这个比值,就可以得到图像的最佳目标个数。

为了自适应地确定图像中最佳的目标个数,可以借鉴灰度直方图,利用灰度直方图，计算出灰度直方图中峰值的个数，通过计算的峰值个数将图像分类,从而确定图像的最佳目标个数。

考虑一幅灰度图像，它可分为目标和背景。对于一个目标，一般都对应于直方图上的一个峰。那么我们可以将图像进行较好的处理。去除其中的噪声和虚景；然后通过灰度直方图中峰值的个数来确定目标的分类。

通过试验，本发明确定的目标个数分类时，分割后的子图像清晰，且类与类之间区别明显。由于OTSU算法本身不是一种多目标分割算法，因此无法进行多目标情况下的快速性比较，本发明提出的算法可以解决OTSU算法本身所不能解决的问题。

以上内容是结合具体的优选实施方式对本发明作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明所提交的权利要求书确定的保护范围。

Claims

1.一种多目标图像分解处理方法，其特征在于包括以下步骤：

(1)将图像进行平滑处理，除去其中的噪声点和虚景，得出其灰度图像；

(2)将灰度图像进行扫描，得到有效目标序列{X_0,X₁,X₂,……,X_N},N为灰度级；X_i为第i个灰度级上的像素数与图像总像素的比值；

(3)比较序列，找出直方图中的所有峰值；

(4)通过上述得出峰值点序列后，设一个峰峰距离阈值D,只有序列中峰峰距离大于D才算有效峰；

2.根据权利要求1所述一种多目标图像分解处理方法，其特征在于所述(3)比较序列，找出直方图中的所有峰值；

若X_i-1,X_i,X_i+1均不等，如果X_i>X_i-1且X_i>X_i+1,则X_i对应的点为峰点，记录Xi，其余情况均认为无峰点存在，不记录；

若X_i-1,Xi,X_i+1均为零，则视为谷点；不记录；

若X_i,X_i+1相等且不为零，不能确定X_i是峰点还是谷点，只能有下组数据决定，若下组仍相等则有再下一组决定，如果该组数据中，X_i+1<Xi,则X_i和前两点同视为峰点，若X_i+1>X_i，则Xi和前两点都为谷点，最后记录同为峰点的情况下的中间点为峰点。