[发明专利]一种联合最大熵的改进Niblack红外图像分割方法

权利要求书

1.一种联合最大熵的改进Niblack红外图像分割方法，其特征在于，具体按照以下步骤实施：

步骤1、输入原图像，对原图像进行中值滤波去噪预处理；

步骤2、对Niblack法中邻域窗口和修正系数进行改进，获得局部阈值T_Niblack；具体过程为：

根据红外图像的分辨率确定邻域窗口大小的选取，依据图像整体与局部的灰度值信息动态地调整修正系数的值，改进后的邻域窗口表示为：

式(5)和式(6)中，w₁表示邻域窗口矩阵的行数，w₂表示邻域窗口矩阵的列数，line表示待分割图像的数字矩阵的列数，column表示待分割图像的数字矩阵的行数，round函数表示四舍五入取整；

改进后的灰度均值m(x，y)和标准差s(x，y)为：

改进后的修正系数为：

其中，f_max表示待分割图像中最大的灰度值，f_min表示待分割图像中最小的灰度值；f(x,y)表示坐标为(x,y)的像素点的灰度值；

改进后的Niblack法中局部分割阈值T_Niblack表示为：

T_Niblack＝m(x,y)+r×s(x,y)(10)；

步骤3、将最大熵法获得的最优阈值T_Kapur和局部阈值T_Niblack进行阈值加权，确定分割的最佳阈值；

所述最大熵法获得的最优阈值T_Kapur具体过程为：设图像的灰度范围为{0,1,2...,L-1}，图像的分割阈值为k，P_i为灰度i出现的概率；假设分割阈值k将图像分割目标区域(T)和背景区域(B)，其中T由图像中灰度值在范围[0,k]内的所有像素组成，B由图像中灰度值在范围[k+1,L-1]内的所有像素组成；那么背景区域和目标区域像素点概率分布为：

其中：

对于数字图像，目标区域和背景区域概率分布相关的熵如公式(14)和(15)所示：

其中，

熵值函数如公式为：

使熵值函数取最大值的灰度级k即是所求出的最优阈值T_Kapur，即

所述确定分割的最佳阈值具体过程为：将全局阈值T_Kapur和局部阈值T_Niblack进行加权，图像分割的最终阈值T_Final；

T_Final＝α×T_kapur+β×T_Niblack (19)

式(19)中，权重比例α和β分布在区间(0,1)内；

步骤4、通过最佳阈值对步骤1去噪预处理后的图像进行分割。

2.根据权利要求1所述一种联合最大熵的改进Niblack红外图像分割方法，其特征在于，步骤1所述对原图像进行中值滤波去噪预处理过程为：确定一个奇数像素的窗口M，窗口内各像素按灰度值大小排序后，用中间位置的灰度值代替窗口内原像素点的灰度值，成为窗口中心的灰度值g(x,y)；

g(x,y)＝median{f(x-n,y-l),(n,l∈M} (1)

式(1)中，M为选定窗口大小，f(x-n,y-l)为窗口M的像素灰度值。

3.根据权利要求1所述一种联合最大熵的改进Niblack红外图像分割方法，其特征在于，所述α取值为0.5，所述β取值为0.7。