[发明专利]基于多类类间最大方差算法的大尺度图像分割算法

说明书

本发明公开了一种基于多类类间最大方差算法的大尺度图像分割算法，本发明公开的基于多类类间最大方差算法的大尺度图像分割算法，采用多类类间最大方差算法对灰度图像进行分析，获得感兴趣的灰度图像区域，并将感兴趣的灰度图像区域划分为互不重叠的子块，采用区域生长法对当前灰度图像进行分割，综合考虑了所有像素，提高了像素分割的准确性，避免了现有分割方法的不足；本发明分割算法能够有效分割大尺度图像，分割效果明显，可提高图像分割精度。

技术领域

本发明属于图像处理领域，具体涉及一种基于多类类间最大方差算法的大尺度图像分割算法。

背景技术

图像分割是指利用图像信息中某些特征，从图像中提取用户感兴趣目标。对待分割图像进行信息分析，对重要的信息进行特征提取。在进行初始化分割之前，先对图像中各像素提取特征，特征提取后，可以得到一个相应的特征图像，这个特征图像包含三个通道，每个通道对应着一组特征值。但是对不同场景的图像，其特征图像具有不同的特性，例如具有强烈纹理特性的图像，其方向特征会较其他两个特征有更大的对比度；而对于自然场景图像，其颜色和方向的对比度会比较大。概括地说，给定某种一致性属性准则(度量)P，将图像X正确地划分成为互不交迭的区域集{S₁，S₂，…，S_n}的过程称之为分割，正确分割应满足下列条件：

(1)

(2)

(3)P(S_i)＝l(true)

(4)P(S_i∪S_j)＝0(false)

用作图像分割的度量准则不是唯一的，它与应用场景图像及应用目的有关，用于图像分割的场景图像特征信息有亮度、色彩、纹理、结构、温度、频谱、运动、形状、位置、梯度和模型等。

利用类间最大方差处理图像的基本思想是假设一副灰度图像由亮、暗两个部分组成，如果需要将两部分区域分割开来，则将整幅图像的灰度值的统计直方图分为两部分，求该两部分的方差而获得最优阈值。

两类类间最大方差描述如下：设灰度图灰度级为L，对其进行直方图统计，然后将其根据阈值t分为ξ₁ξ₂两类，其分别出现的概率如下式所示：

ξ₁，ξ₂两类的均值分别是可得：

因此，全局图像像素均值为：

ξ₁，ξ₂两类之间的方差为：

类间最大方差可以做多类推广，然而对多类求最大方差时有两个关键问题，其一是如何确定分类的个数，其二是多类求最大方差的复杂度较大。受上述两个关键问题的限制，现有利用类间最大方差处理图像的分割算法难以完成对图像关键特征信息的适度提取，同时其分割算法复杂，造成分割的图像的分辨率低，清晰度不高。

发明内容

本发明所要解决的技术问题是：针对现有技术的不足，提供一种对大尺度图像分割精度高的基于多类类间最大方差算法的大尺度图像分割算法。

本发明解决上述技术问题所采用的技术方案为：基于多类类间最大方差算法的大尺度图像分割算法，包括以下步骤：

(1)获取一幅来源于高清摄像头或者CCD相机的待分割的大尺度扫描图像，然后将该待分割的大尺度扫描图像转换成灰度图像，再采用多类类间最大方差算法对灰度图像进行分析，得到初始感兴趣的轮廓{A1,A2,A3,…,An}，其中A1,A2,A3,…,An定义为构成初始感兴趣的轮廓的所有轮廓点；