[发明专利]一种基于二维Tsallis灰度熵快速迭代的阈值分割方法

权利要求书

1.一种基于二维Tsallis灰度熵快速迭代的阈值分割方法，其特征在于，所述方法包括如下步骤：

步骤1，获取待分割的灰度图像，确定所述灰度图像的基于灰度-邻域平均灰度的二维灰度直方图；

步骤2，获取以阈值向量(t,s)为自变量的准则函数，其中，t表示灰度图像的灰度自变量，s表示邻域平均灰度自变量；步骤2中获取以阈值向量(t,s)为自变量的准则函数，具体为：

其中，设图像I大小为M×N，灰度级数为L，f(m,n)代表像素点(m,n)的灰度级，g(m,n)代表像素点(m,n)的邻域平均灰度级，h(i,j)(i,j＝0,1,…,L-1)表示(f(m,n),g(m,n))二元对出现的频数，m＝1，…，M，n＝1，…，N，q表示二维Tsallis灰度熵的参数；

步骤3，采用快速迭代算法求解所述准则函数的最佳阈值向量(t^*,s^*)；步骤3中快速迭代算法具体为：

假设所述二维灰度直方图连续，且概率密度函数为p(i,j)，设定边界和噪声点所在区域的概率密度函数为零，采用递推方式计算所述准则函数里的中间变量，则令：

则所述准则函数简化为：

对所述准则函数ξ(t,s)分别求关于t和s的偏导数并令其为零，得最佳阈值向量(t^*,s^*)：

采用递推方式进行步骤3中快速迭代算法的过程，具体为：

(3a)建立查找表：确定如下递推公式：w(k,l)＝w(k-1,l)+w(k,l-1)-w(k-1,l-1)+h(i,j)；

设V_i和H_j分别表示像素灰度级和邻域平均灰度级的边缘分布，则由(f(m,n),g(m,n))二元对出现的频数h(i,j)得，从而V_i＝w(i,L-1)，H_j＝w(L-1,j)；

(3b)计算u_oi(t)，u_oj(s)，u_bi(t)，u_bj(s)，v_oi(t)，v_oj(s)，v_bi(t)，v_bj(s)，依据查找表求取：u_bi(t)＝u_oi(L-1)-u_oi(t)，/u_bj(s)＝u_oj(L-1)-u_oj(s)，v_bi(t)＝v_oi(L-1)-v_oi(t)，/v_bj(s)＝v_oj(L-1)-v_oj(s)；

(3c)选取初始阈值t₀和s₀，给定允许误差ε，初始化最大迭代次数C_max，令k＝0；

(3d)根据式(6)更新阈值向量(t^*,s^*)，计算e(t(k))＝t^*-t(k)，e(s(k))＝s^*-s(k)；

(3e)检验误差是否|e(t(k)|≤ε,|e(s(k)|≤ε，若满足，则转(3g)，否则返回步骤(3d)；

(3f)令t(k+1))＝t^*，s(k+1))＝s^*，k的值加1，若kC_max则转(3g)，否则转步骤(3c)；

(3g)输出最佳阈值向量(t^*,s^*)；

步骤4，采用所述最佳阈值向量作为所述灰度图像的分割阈值，分割出所述灰度图像中的目标和背景。

2.根据权利要求1所述的一种基于二维Tsallis灰度熵快速迭代的阈值分割方法，其特征在于，所述以阈值向量(t,s)为自变量的准则函数最大值对应的阈值向量(t,s)的值为最佳阈值向量(t^*,s^*)。