[发明专利]基于非广延高斯熵测度的灰度图像分割方法

摘要

本发明提供一种基于非广延高斯熵测度的灰度图像分割方法，包括获取待分割的灰度图像，并确定出灰度图像的最大灰度级，以及灰度级集合；统计灰度图像的灰度直方图；根据灰度直方图，以及根据预先构建的非广延高斯熵测度模型，计算非广延高斯熵测度模型的熵；根据非广延高斯熵测度模型的熵获取灰度图像的最优分割阈值；根据最优分割阈值,获取分割结果图像。本发明提供的基于非广延高斯熵测度的灰度图像分割方法，采用灰度图像的非广延高斯熵测度模型计算出灰度图像的熵，并将使得熵取得最大值所对应的灰度级作为最优分割阈值，从而对灰度图像进行分割，可对多种类型的图像实现较好分割，提高了图像分割算法的鲁棒性。

主权项

一种基于非广延高斯熵测度的灰度图像分割方法，其特征在于，包括：步骤S1：获取待分割的灰度图像I，并确定出所述灰度图像I的最大灰度级L‑1，以及灰度级集合G，其中，L为所述灰度图像I的总级数，G＝{0,1,…,L‑1}；步骤S2：统计所述灰度图像I的灰度直方图H，其中，H＝{h0,h1,…,hi…,hL‑1},hi＝ni/(M×N)，M×N为所述灰度图像I的大小，ni为所述灰度图像I中灰度级为i的像素点个数；步骤S3：根据所述灰度直方图H，以及根据预先构建的非广延高斯熵测度模型，计算所述非广延高斯熵测度模型的熵S，其中，S＝S0+S1+(1‑r)S0S1，r为预先设定的非广延高斯熵测度模型的熵指数，r>0且r≠1，步骤S4：根据所述非广延高斯熵测度模型的熵S获取所述灰度图像I的最优分割阈值t*，其中，t*为使得所述非广延高斯熵测度模型的熵S取得最大值所对应的灰度级，且步骤S5：根据所述最优分割阈值t*,获取分割结果图像J，且所述分割结果图像J中的各像素点的取值为其中，I(x,y)为灰度图像I中坐标(x,y)处的像素点对应的像素值，J(x,y)为分割结果图像J中坐标(x,y)处的像素点对应的像素值。