[发明专利]基于灰度-梯度二维对称Tsallis交叉熵的快速阈值分割方法

说明书

技术领域

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-梯度直方图的二维对称Tsallis交叉熵实现对工业流水线灰度图像的快速、准确地阈值分割方法。

背景技术

图像分割是图像分析与视觉检测系统的前期处理技术，阈值分割则是一种使用最为普遍、处理最为有效、实现最为简单的图像分割方法。阈值分割的结果直接影响着后续特征提取与目标识别的精度，因此阈值分割技术占据着至关重要的地位。在工业流水线上，阈值分割技术有着十分广泛的应用：如工件上的字符识别、轴承防尘盖表面缺陷检测、太阳能电池面板裂痕检测、磁瓦表面缺陷检测、谷物外观品质检测等。德国MVTec公司的Halcon机器视觉软件提供阈值分割的众多案例，如锯齿形状缺陷的检测、BGA芯片封装检查、模制品披峰检测等，达到了亚像素级精度。

在苛刻的工业环境下，用于非接触检测所拍摄的图像往往会受到噪声、不均匀光照等因素的干扰，因此如何选取最佳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研究，提出了多种阈值分割方法。传统的经典算法一维Otsu法因适用场合有限已经不能够满足工业上精确分割的要求。为了增强抗噪性和提升分割的效果，现有的大量算法不仅考虑到像素点的灰度信息还考虑到像素点的其它相关信息，如像素点邻域的均值、中值、方差、梯度等，算法可以在这些变量的高维空间中对像素进行划分。

基于熵概念(例如Shannon熵、最小交叉熵、Tsallis熵等)的阈值分割方法是近年来研究的热点。Li和Brink先后引入了最小交叉熵准则，因对不同大小的目标能产生较好的分割效果且实现简单，受到了广泛关注。Sahoo和Arora提出了二维Tsallis熵阈值选取方法，虽然分割效果有所提高，但是实时性较差，无法应用于工业现场。唐英干等将最小交叉熵和Tsallis熵相结合推导出二维最小Tsallis交叉熵阈值选取方法，但不满足度量对称性，而且实时性仍然较差。吴一全等提出了二维Tsallis灰度熵阈值选取方法，该方法虽然反映了类内灰度的均匀性，但是未反映两个概率分布之间信息量的差异程度，因此分割效果仍需提高。基于二维对称Tsallis交叉熵阈值选取方法，不仅可以表征分割前后图像之间的差异程度，符合距离度量对称性的要求，而且能使分割后图像中目标和背景内部的灰度均匀。为了进一步提高阈值分割算法的实时性和分割准确性，研究人员提出了斜分法、分解法、准分法、直线法、折线法等若干方法，为本发明奠定了坚实地理论基础。

发明内容

本发明的目的在于针对现有方法中存在分割精度不高、普适性不强、实时性不高等特点，在原始二维Tsallis熵法、斜分Tsallis熵法以及对比原始二维Otsu法、二维Tsallis灰度熵法的基础上，提出基于灰度-梯度直方图的二维对称Tsallis交叉熵的阈值分割技术，开发出一种分割性能优越、普适性较强、适用于实时性要求较高的工业流水线中的阈值分割方法。

本发明方法是基于如下考虑：图像的区域内部均匀性、边缘轮廓和纹理细节是阈值分割的性能体现，为了充分凸显这些信息，在原有的灰度级-平均灰度级二维直方图的基础上，提出新的灰度-梯度二维直方图。本发明方法将其二维直方图和二维对称Tsallis交叉熵理论相结合，并通过新型快速递推方法，实现对灰度图像的准确、快速分割。

本发明基于灰度-梯度二维对称Tsallis交叉熵的快速阈值分割方法的技术方案如下：

(1)实时获取工业流水线灰度图像p(x，y)，通过采用适应性较强的中值4角域模板对灰度图像进行滤波处理，得到滤波后的图像g(x，y)，并计算滤波后图像的最大灰度级H；

(2)求取像素灰度级和其滤波后灰度级的绝对差，从而得到邻域梯度，并计算最大邻域梯度W；

(3)建立灰度-梯度二维直方图，二维直方图横坐标为像素灰度级与其滤波后灰度级的平均值、纵坐标为该像素的邻域梯度，记h(i，j)表示该二元组出现的频数，则求得其发生的联合概率p(i，j)；

(4)通过阈值向量(t，s)把二维直方图划分为左下区域0、右下区域1、右上区域2、左上区域3四个部分，如附图1所示，区域0和目标点相对应；区域1和背景点相对应；区域2和区域3对应目标和背景间的边缘点和图像中的噪声点；

(5)目标和背景两类总的二维对称Tsallis交叉熵，即准则函数：