图像阈值化目标分割方法中若干问题与研究.pdf

Study on Some Issues of Image Thresholding and Object Segmentation Method A Thesis Submitted to Chongqing University in Partial Fulfillment of the Requirement for the Degree of Doctor of Engineering By Nie Fangyan Supervised by Prof. Gao Chao Major ：Instrument Science and Technology College of Opto-electronic Engineering of Chongqing University, Chongqing, China October 20 10 中文摘要 摘 要 图像分割是计算机视觉研究的基本问题，是实现图像理解与识别的前提。阈 值化因其简洁、高效、易实现性成为图像分割中一种最为重要的技术之一，并在 自动目标识别、医学影像分析、工业图像处理等领域得到广泛应用。然而，由于 图像的复杂性，如何自动选择最佳的分割阈值一直是阈值化研究中一个悬而未决 的问题。虽然近几十年很多学者提出了若干有效的阈值化方法，但其本质问题仍 没得到根本解决；另外图像处理任务中的实时性、鲁棒性等问题也时常困扰各种 阈值化方法的实践应用。因此高效适用的阈值化方法的提出在目前仍是一大极具 挑战性的工作。针对这些问题，论文在充分调研和分析现有方法的基础上，基于 一些新的理论和技术在图像阈值化方面提出一些新的思想、方法和解决方案。在 目标分割方面，以红外人体目标为研究对象，结合模糊集理论、广义熵原理及混 沌群智能优化算法提出两种有效的目标抽取方法。论文取得了以下主要研究成果： (1)基于方差分析(analysis of variance, ANOVA)思想，结合图像-邻域均值图像 二维灰度级直方图提出两种最小类方差图像阈值化方法。在新方法中通过采用递 推及差分演化算法降低二维直方图法搜索最佳阈值的计算复杂度。提出方法克服 了一维、二维最大类间方差法在图像目标及背景灰度级方差分布不均衡时易发生 阈值偏离的不足，并增强了一维最大类间方差法及一维最小类方差法的抗噪性能。 (2)基于图像灰度级共生矩阵(gray-level co-occurrence matrix, GLCM)及图像- 邻域均值图像二维灰度级直方图提出两种二维交叉熵阈值化方法。一种方法是在 GLCM 内定义图像的局部二维交叉熵，然后通过最小化定义的图像二维局部交叉 熵求取最佳阈值。另一种方法是把图像-邻域均值图像的二维灰度级直方图投影到 一维空间，然后通过最小交叉熵法对图像实施阈值分割。这两种方法增强了传统 最小交叉熵法的抗噪性能，并在第二种方法中获得了与一维方法相当的计算效率。 (3)图像系统是一典型的具有非广延特性的物理系统，然而传统阈值化方法常 忽略该信息对阈值选取的影响。把 Tsallis 提出的非广延交叉熵应用于图像阈值分 割，通过对Tsallis 原始公式进行不同的变换，应用Tsallis 交叉熵的向量距离测度 以及Tsallis 交叉熵处理物理系统非广延特性的能力提出两种有效的方法，并把基 于 Tsallis 交叉熵非广延特性的一维直方图法扩展到二维空间。在大量合成及真实 图像上的实验结果表明：提出方法对于纷繁复杂的图像具有更好的适应能力。 (4) 自然界景物成像过程及图像处理系统对图像信号的处理带有天然的模糊 特性，因此一切非模糊阈值化法在具有模糊特性的图像上都具有其缺陷性。针对 这一问题，结合最大熵相关原理及模糊集理论提出一种最大模糊相关阈值化方法。 I 重庆