[发明专利]基于多阈值和自适应模糊聚类的红外图像分割方法

说明书

技术领域

本发明属于图像信息处理领域，涉及红外图像分割方法，可应用于红外目标探测和跟踪系统。

背景技术

图像分割，是指将一幅图像分解成各个有意义的部分或物体，它是计算机视觉领域和图像信息处理领域中最底层的处理技术。图像分割在图像分析和模式识别方面起着重要的作用，是图像目标特征提取、识别、跟踪及分类的基础。其中，红外图像分割在目标对象自动识别中起着的特殊作用。近年来，中外学者在红外图像分割的技术探索方面做出了很多贡献，并提出了许多方法，如边缘检测法、阈值分割法、区域生长法等。其中，阈值分割法因其实现简单、计算量小、自适应性强、性能较稳定且不许需要先验知识而成为图像分割中最基本和应用最为广泛的分割技术。

1975年Otsu在一篇关于灰度直方图的阈值选择技术的文章中提出了最为经典、应用最为广泛的最大类间方差法。1980年Pun将信息论中熵是平均信息的一种标准这一理论首先引入到图像分割技术中来，将后验熵最大的灰度值作为最佳阈值。但上述两种方法均是二元分类方法，1989年Lim和Lee在一篇基于阈值和模糊C均值技术的彩色图像分割算法的文章中提出了通过求导的方式直接对高斯平滑后的灰度统计直方图求峰谷值，并由对应的波谷值位置作为分割图像的多个阈值，实现了多元分类。

传统的多阈值算法分割图像的实现过程为：首先，计算输入图像的灰度统计直方图；其次，选择合适的高斯平滑因子对灰度统计直方图曲线进行平滑，以滤除灰度统计直方图中的无意义波峰；最后，计算平滑后灰度统计直方图的波谷位置，并将其作为分割图像的多个阈值，完成图像的分割。由于传统的多阈值分割方法不需要任何先验知识，完全靠空间中的样本点进行驱动，并且处理速度快，因此该方法被广泛地应用到图像的分割领域中。但是，研究人员发现由于多阈值算法本身的特性，使得该算法存在严重的伪峰干扰，从而使得用多阈值方法对图像进行分割时无法将目标和背景很好地分割开，造成分割结果不准确。

李建萍等人在论文“一种复杂背景下的目标分割算法”(《弹箭与制导学报》，文章编号：1673-9728(2010)04-0197-04)中提出了一种基于多阈值的复杂背景下的目标分割算法。该算法的实现过程为：首先对复杂背景下的图像进行灰度形态学滤波和增强，增强目标和背景的灰度对比度；然后利用图像直方图独立峰搜索方法确定图像阈值，并通过引入独立峰的峰谷比、峰面积、峰宽三个特征量对图像阈值进行优化，从而实现对图像的分割。该方法的不足之处在于，虽然引入了独立峰的判断准则，能滤除一定的伪峰干扰，但其特征量的选取无法自适应得到，不利于实时处理。

南京理工大学王琼等人申请的专利“基于灰度直方图的多阈值分割法”(专利申请号：CN201210257574.8，公开号：CN103578095A)公开了一种基于灰度直方图的多阈值分割方法。该方法的实现过程为：首先根据类间方差最大法，找到图像的第一个阈值，然后以二分法为基础，对分割的图像的两部分分别求其类间的最大方差，再把两方差进行比较，找到最大的方差对应的阈值作为下一次分割的阈值点，以此类推，直至找到给定的阈值数为止；然后，根据平滑后的直方图，找到所有的波谷点；最后，把得到的所有阈值与波谷点进行比较，找到最靠近阈值的波谷点作为最终的阈值。该方法的不足之处在于，虽然以类间方差最大的思想寻找图像的最优阈值，改善了错分割或过分割的现象，但是该算法是以局部最优思想为基础的，没有考虑到图像的全局信息，且阈值数目得预先设定，在保证了算法运算效率的情况下，无法保证算法的实时性和分割结果的准确性。

发明内容

本发明方法的目的在于针对上述已有技术的不足，提出一种基于多阈值和自适应模糊聚类的红外图像分割方法，以在保证分割效率的同时提高分割的准确性。

实现本发明目的的技术方案是：利用引入控制因子的多阈值方法对待分割红外图像进行粗分割并形态学处理；随机选取模糊聚类的聚类中心并利用自适应函数确定聚类数目，对图像进行模糊聚类，实现对红外图像的最终分割，其具体步骤包括如下：

(1)输入原始红外图像I，计算其所有像素点数Co；

(2)利用原始红外图像I的一维灰度统计直方图函数H(l)，计算其灰度级H；

(3)对原始红外图像I进行粗分割：

3a)对一维灰度统计直方图函数H(l)进行平滑处理，得到平滑后的灰度统计直方图函数H₁(l)，并求取H₁(l)的差分D；