[发明专利]基于对称Alpha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Alpha散度的灰度图像直方图阈值分割方法，采用信息论中对称Alpha散度做为图像阈值分割的准则函数，使本发明与其它方法相比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；采用的对称Alpha散度可通过调节参数α的取值应用于不同的图像处理任务，提升了方法的普适性；采用在灰度直方图空间求取最佳阈值，使本发明具有高的计算效率，适用于实时性要求高的图像处理任务。

主权项

基于对称Alpha散度的灰度图像直方图阈值分割方法，其特征在于，具体步骤如下：步骤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；步骤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；步骤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}；步骤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：；步骤5：基于公式二计算关于C0与C1的灰度均值m0与m1；公式二：；步骤6：通过公式三和公式四计算关于图像灰度级类C0与C1的对称Alpha散度D0和D1：公式三：；公式四：；步骤7：基于Alpha散度的伪叠加原则，用公式五定义图像总的对称Alpha散度，此式即为图像阈值化准则函数：公式五：步骤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：；步骤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：；步骤10：输出分割后的图像。