[发明专利]直方图灰度矩阈值分割法

说明书

为了对红外目标图像进行准确分割并实现对其识别与跟踪，本发明提出了一种直方图灰度矩阈值分割法。该方法借鉴力学杠杆原理，引入直方图灰度矩的概念，通过对直方图灰度区间进行遍历来查找使得直方图灰度矩平衡的阈值，以该阈值为最佳阈值实现对红外图像的二值化分割处理。该方法与经典的最大类间方差法(也称Otsu法)具有相同的算法时间复杂度，但对于红外图像，本发明所提方法具有较优的分割效果。

技术领域

本发明涉及一种适用于红外目标识别与跟踪前预处理的直方图灰度矩阈值分割法，属于图像处理技术领域。

背景技术

图像分割常常作为图像特征分析、目标识别等技术的首要预处理操作，被广泛应用于科学研究和工程领域。在各类图像分割方法中，阈值分割法因其简单稳定、计算量小成为一种常用的分割方法。该方法依据图像区域相似性，一般将图像分割为前景区域和背景区域，其中前景区域常常是后续图像处理的感兴趣目标区域。

常用的阈值分割法有基于一维直方图的迭代选择阈值法、最小均方误差法、最大类间方差法以及基于二维直方图的二维最大熵法等。其中最大类间方差法(也称Otsu法)是由Otsu在文献一(OTSU N.A threshold selection method from gray level histogram[J].IEEE Transactions on Systems,Man and Cybernetics,1979,9(1):62-66.)提出。Otsu法因其计算简单、性能稳定且分割效果较好成为了最受欢迎的阈值分割法之一，但是该方法对于图像直方图双峰不明显或者出现多峰情况时分割效果欠佳。因此之后许多学者都是以Otsu法为基础进行算法的改进。另外由Kapur等人在文献二(Kapur J N,Sahoo P K,Wong A K C.A new method for gray-level picture thresholding using the entropyof the histogram[J].Computer Vision,Graphics and Image Processing,1985,29(3):273-285.)提出的最大熵法以及由Abutaleb在文献三(Abutaleb A S.Automaticthresholding of gray-level pictures using two-dimension entropy[J].ComputerVision,Graphics and Image Processing,1989,47(1):22-32.)将一维最大熵法推广至二维后，图像分割的效果得到了很大的改善，然而该方法计算量大。正如杜峰等人在文献四(《一种快速红外图像分割方法》文章编号：1001-9014(2005)05-0370-04)为了降低二维最大熵算法的计算量又引入了粒子群寻优策略，虽然该方法既对红外图像实现了较好的分割效果，又一定程度上降低了算法运算量，但是分割结果不稳定，而且在硬件平台上实现其计算量仍是一个需要解决的问题。

在红外目标识别与跟踪领域，红外图像的目标区域一般具有尺寸较小、灰度分布较窄、图像直方图双峰并不明显的特点。为了快速、稳定且最大可能地将目标区域从背景中分割出来，此时的Otsu法或最大熵法仍无法很好地满足该要求。

发明内容

针对上述问题，本发明的目的是提供一种直方图灰度矩阈值分割法，该方法将力学杠杆的平衡思想应用于红外图像的灰度直方图中，定义了直方图灰度矩的概念。通过对图像的灰度直方图进行逐级遍历来查找使得直方图杠杆平衡的最佳阈值，然后对图像进行二值化处理，从而实现了对红外目标图像的阈值分割。

本发明通过以下方案实现：

一种直方图灰度矩阈值分割法，其特征在于，包括如下步骤：

(1)图像输入：读入一幅原始的8bits红外图像I；

(2)统计：统计红外图像I的灰度直方图Hist(i)，i表示红外图像I的灰度变化范围，i＝0,1,2…255，Hist(i)表示灰度值为i的像素个数；