灰度图像的二维交叉熵阈值分割法毕业论文完稿.docVIP

灰度图像的二维交叉熵阈值分割法( 范九伦① 雷博①，② (①.西安邮电学院信息与控制系, 陕西 西安710061; ②.西安电子科技大学电子工程学院, 陕西 西安710071) 摘要：一维Otsu法是一个经典的阈值分割方法，遵循该方法的构造思想，Li 与 Lee基于交叉熵提出了一个阈值分割方法。本文在解释和说明Li 与 Lee的方法的基础上，将其推广到二维灰度直方图上，提出了二维交叉熵的图像分割算法并给出快速递推公式。与二维Otsu法相比，本文方法能够更好的适应目标和背景方差相差较大的情形，是一个有效的阈值分割方法。 关键词：阈值分割；Otsu法；交叉熵 中图分类号： TN911.73 文献标识码： A Two-dimensional cross-entropy thresholding segmentation method for gray-level images (FAN Jiu-lun① LEI Bo①，②) (①.Department of Information and Control, Xi’an Institute of Post and Telecommunications, ,Xi’an, Shaanxi 710061,China; ②. School of Electronic Engineering of Xidian University, Xi’an Shaanxi 710071, China) Abstract: One-dimensional Otsu’s method is a classical thresholding segmentation method. Li Lee proposed a thresholding segmentation method based on cross-entropy following this thought. In this paper, we extend the cross-entropy method to two dimensions and present a fast recursive formula based on the explanation and illustration of Li Lee’s method. Compared with the traditional two-dimensional Otsu’s method, the new method can be better adapted to the cases that the variance between the object and the background is large. It is validated that the new method is an available thresholding selection method. Keywords: threshold segmentation; Otsu’s method; cross-entropy 1 引言 图像分割是图像分析、理解和计算机视觉中的难点。在图像分割的诸多方法中，阈值化技术是一种简单有效的方法[1]。Otsu法[2]是广泛使用的阈值分割方法之一，Otsu法也称为最大类间方差法或最小类内方差法，等效于一维硬c-均值聚类算法[3]。Kurita等[4]在各类方差相等的约束下运用条件相关混合概率模型对Otsu法进行了解释，从文[3]和[4]的描述可见Otsu法在理论上适用于目标和背景方差相差不大的混合正态分布情形。 Otsu法涉及到阈值、目标均值和背景均值，如果用与构造的二值图像作为待分割图像的“理想图像”，则Otsu法的基本思想是从待分割图像和“理想图像”的匹配角度，通过最小化均方误差来获得最佳阈值。交叉熵（相对熵、有向散度）描述了两个概率分布的差异性程度，借用交叉熵并利用Otsu法的基本思想，Li 和 Lee给出了另一个阈值分割方法[5]。我们[6]从条件相关混合概率模型的角度，基于泊松分布对Li 和 Lee的方法进行了解释，这种解释使得Li 和 Lee方法的数学机理更加清晰，为其更好的使用奠定了坚实的理论基础。此外我们也给出了Li 和 Lee方法的一种快速迭代算法[7]。 从概率论和数理统计的知识知道，泊松分布和正态分布是有密切关系的，当泊松分布的参数比较大时，可以用均值和方差均为的正态分布来近似。鉴于Li 和 Lee方法可以用泊松分布进行解释，我们可以有理由的说，Li 和 Lee方法能更好的适用于灰度图像中目标和背景的方差相差较大的情形。（注：这里假定了图像中方差较小的部分处于较小灰度值处；方差较大的部分处于较大灰度值处。若出