[发明专利]一种基于属性直方图的图像分割方法

说明书

技术领域

本发明属于数字图像处理方法，具体涉及一种基于属性直方图的图像分割方法，用于目标检测与识别。

背景技术

图像分割是将一幅图像分解成一些互不交叠区域的集合，是图像处理领域中极为重要的内容，也是自动目标识别的重要组成部分。图像分割的正确性和自适应性在一定程度上影响着目标检测和识别的智能化程度，而图像分割算法的处理速度也影响了其应用的实时性。

在众多的图像分割方法中，阈值法利用图像中所要提取的目标与背景在灰度特性上的差异，通过选取合适的灰度阈值来对图像进行分割，从而将目标从背景中区分出来，因其实现简单(不需要输入参数，不需要监督)、计算量小、性能稳定等优点被广泛采用。熵是平均信息量的表征，20世纪80年代初人们开始利用信息论中熵的概念选取分割阈值。1980年T.Pun.A new method for grey-level picture thresholding using the entropyof the histogram.Signal Processing，1980，2(3)：223～237提出最大后验熵上限法，1982年G.Johannsen，J.Bille.A threshold selection method usinginformation measures.Proceedings of the 6th International Conference onPattern Recognition，Munich，Germany，1982，1：140～142提出的最小信息互相关法也采用了图像灰度级的熵，1985年J.N.Kapue，P.K.Sahoo，A.K.C.Wong.A new method for gray-level picture thresholding using the entropy ofthe histogram.Computer Vision，Graphics，and Image Processing，1985，29(3)：273～285提出了最大熵图像分割方法，简称KSW法。1989年N.R.Pal，S.K.Pal.Entropic thresholding.Signal Processing，1989，16(2)：97～108引入图像的q阶局部熵与条件熵的概念，提出了最大二阶局部熵与最大条件熵阈值选取方法，1989年A.S.Abutaleb.Automatic thresholding of gray-levelpictures using two-dimensional entropy.Computer Vision，Graphics andImage Processing，1989，47(1)：22～32介绍了一种考虑均匀性与形状的最大熵阈值选取方法。这些熵方法中KSW法最为简单有效，应用最广，但是当图像灰度直方图不是理想的双峰形状，则KSW法的分割效果会受到影响。

传统的一维图像灰度直方图仅仅统计了灰度级在图像中的出现概率，并没有考虑灰度的空间分布信息，因此噪声及边缘的存在极大地影响了分割效果。二维灰度直方图既统计了像素点的灰度分布信息，也利用了像素点的空间分布特性，考虑的范围由单点的灰度值转变成该点的灰度和其领域的灰度均值的结合，A.S.Abutaleb.Automatic thresholdingof gray-level pictures using two-dimensional entropy.Computer Vision，Graphics，and Image Processing，1989，47(1)：22～32提出了基于二维灰度直方图的阈值分割算法，与传统的分割算法比，分割效果有了一定的提高。

二维灰度直方图分割算法的缺陷是耗时长，实时性差。

2002年卢逢春，张殿伦，郭海涛.基于属性直方图的图像分割方法及其在声纳图像分割中的应用.哈尔滨工程大学学报，2002，23(3)：1～3提出了属性直方图的概念，属性直方图仅仅考虑了图像中具有某种属性的像素，从某种意义上说它是一种残缺的直方图，但是正是因为这种残缺性，使属性直方图能够舍弃通常意义的直方图中一些具有一定先验知识的干扰成分或具体问题不关心的成分，而简化直方图，从而使基于直方图的图像处理方法得到简化和变得可行。不过卢逢春等人只是将属性直方图应用于声纳图像分割中，具体所使用的属性缺乏一般性。

发明内容

本发明提供一种基于属性直方图的图像分割方法，目的在于克服现有方法中所存在的问题，在保证实时性的前提下，提高目标的分割精度。