[发明专利]基于对称Beta散度的灰度图像阈值分割方法

摘要

本发明公开了一种基于对称Beta散度的灰度图像直方图阈值分割方法包括：输入待分割图像并求取其归一化的灰度级直方图，构建分割前后图像对称Beta散度表达式，通过在图像灰度级范围内求取使该表达式获得最小值的灰度级值，然后用该灰度级值对图像实施阈值分割并输出分割图像。本发明提升了图像分割质量；分割图像边缘轮廓精确，纹理细节清晰，增强了方法的普适性；适用于实时性要求高的图像处理任务。

主权项

基于对称Beta散度的灰度图像直方图阈值分割方法，其特征在于，操作步骤如下：（1）读取待分割的灰度图像，并将其存入一个大小为M×N的二维图像数组I中；（2）遍历图像数组I，计算得到图像最大灰度级L‑1及灰度级集合G={0,1,…,L‑1}，通过公式hi=ni/(M×N)计算得到归一化的灰度直方图H（H={h0,h1,…,hL‑1}），这里ni表示待分割图像内灰度级为i的像素数，L‑1表示图像内最大灰度级数；（3）假定t为分割阈值，则阈值化时t将图像像素分为归属于两个不同类的灰度级集合C0与C1，其中C0={0,1,2,…,t}，C1={t+1,t+2,…,L‑1}；（4）用H做为图像灰度级的概率密度函数估计，基于公式一计算关于C0与C1的先验概率P0及P1：公式一：；（5）基于公式二计算关于C0与C1的灰度均值m0与m1：公式二：；（6）通过公式三和公式四计算关于图像灰度级类C0与C1的Beta散度D0和D1：公式三：，公式四：；（7）根据Beta散度的伪叠加原则，图像阈值化准则函数，也即阈值化前后图像总的对称Beta散度用公式五定义：公式五：；（8）在G={0,1,…,L‑1}范围内搜索使公式六获得最小值的灰度级t*，t*即最优分割阈值：公式六：；（9）假设用f(x,y)表示原始图像I坐标(x,y)处的像素灰度值，s(x,y)表示分割后图像坐标(x,y)处的像素灰度值，则求得最佳分割阈值t*后，s(x,y)可用公式七计算得到；公式七：；（10）输出分割后的图像。