[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

说明书

本发明属于图像处理与分析技术领域，公开了一种基于二维Tsallis灰度熵快速迭代的阈值分割方法，利用了图像中类内灰度信息并结合图像目标和背景的邻域灰度信息，给出了基于灰度‑邻域平均灰度级二维直方图的Tsallis灰度熵阈值选取公式；随后，采取快速迭代算法改进最佳阈值搜索过程，有效提高了最佳阈值的计算效率，同时采用递推方式建立查找表，大大减少了迭代过程中有关函数的重复计算，使算法迭代一次的速度更快。因此，本专利提出的方法能更为精细地分割出目标，分割后的边界轮廓更为完整，细节纹理特征更加清晰，且运行速度快，耗时最短，具有更为优越的图像分割性能，也必将具有广阔的应用前景。

技术领域

本发明属于图像处理与分析技术领域，尤其涉及一种基于二维Tsallis灰度熵快速迭代的阈值分割方法。

背景技术

图像分割是为了将目标和背景分离，而将图像划分为若干特定类别并从中提取感兴趣区域的技术和过程。在目标自动检测及识别过程中，图像分割是其中一个重要环节，分割的结果将直接影响着目标自动检测与识别的最终精度。因此，图像分割一直是图像处理与分析领域的研究热点。

现有的图像分割方法主要包括基于边缘的分割方法、基于区域生长的分割方法和基于阈值的分割方法等。其中，基于阈值的分割方法因其实现简单、实用有效而成为常用的图像分割方法。阈值分割的核心是快速获取合适的阈值分离图像中的目标和背景，为此，学者们提出了多种阈值选取准则函数。其中，Shannon熵因其具有良好的理论基础且较为有效，而成为备受关注的准则函数，因而以最大Shannon熵和最小Shannon交叉熵为准则的阈值法成为一类较为经典的阈值分割方法。但由于Shannon熵存在无定义值和零值的问题，且这类经典方法容易忽略分割时各类别之间的相互作用。为此，几种Shannon熵广义形式的准则函数被应用到阈值选择中，如：Renyi熵、Tsallis熵等。这类熵具有非可加性特点，能很好地适用于图像阈值分割。为避免在阈值选择时只考虑图像中各灰度级的出现频数，而忽略灰度的空间分部信息，阈值空间由一维被推广到二维，利用灰度-邻域平均灰度级二维直方图来选取阈值。然而将阈值空间推广到二维，其计算复杂度也会增加到O(L⁴)(L为图像灰度级的数目)，为此，学者们提出了多种优化算法，如最大Shannon熵法的快速算法、粒子群优化算法等，然而快速算法依然需要较大的存储空间，其阈值搜寻速度也受到一定影响；粒子群优化算法存在后期收敛速度慢、精度较低等缺点。吴成茂等人采用快速迭代算法改进最佳阈值搜寻过程，缩小了搜寻空间，并提高了运行速度，但采用的二维Shannon熵阈值准则函数则容易忽略分割时各类别之间的相互作用，影响最终分割效果。

发明内容

针对现有技术的不足，本发明的目的在于提供一种基于二维Tsallis灰度熵快速迭代的阈值分割方法，充分利用图像的灰度信息和灰度空间分布信息，实现目标从复杂背景中的完整准确分割，采用基于灰度-邻域平均灰度级的二维Tsallis灰度熵作为阈值选取准则函数；同时，为了能有效提高最佳阈值的计算效率，进一步减少阈值的搜寻时间，实现目标从复杂背景中的快速提取，快速迭代算法改进最佳阈值搜寻过程，并利用递推方式计算公式中的中间变量，消除冗余计算，减小运算量。，提供了一种基于二维Tsallis灰度熵快速迭代的阈值分割方法。

为实现上述目的，本发明提供如下技术方案：

一种基于二维Tsallis灰度熵快速迭代的阈值分割方法，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。