灰度图像阈值分的自适应和快速算法研究.pdfVIP

Study on the Adaptive and Fast Algrithm of Gray Scale Image Thresholding A Thesis Submitted to ChongqingUniversity in Partial Fulfillment of the Requirement for the Doctor ’sDegree of Engineering By Yang Shuhong Supervised by Prof. Liu Weining Specialty ：Computer Science and Technology College of Computer of ChongqingUniversity, Chongqing, China April 2014 中文摘要 摘 要 图像分割是对图像数据进行分析处理的重要步骤，而阈值分割以其极致简洁 和高效实用的特性而长期成为图像分割的一个应用和研究热点。阈值分割采用简 单的灰度输入产生封闭且连通的边界将图像分割为互不交叠的区域，在文本图像 处理、工业无损检测、医学图像处理、红外图像分析中等领域中得到广泛应用。 然而，虽然经过几十年的发展，若干卓有成效的阈值分割方法被不断提出，但阈 值算法的自适应性始终没有得到很好的解决。另外，由于在算法设计中所考虑信 息的增加和新技术手段的应用，使得阈值分割准则的计算时间复杂度随之增长而 成为妨碍实践应用的瓶颈因素。本论文在分析总结现有方法和借鉴图像领域涌现 的新技术的基础上对上述问题进行研究，取得的主要成果总结如下： 1）对Otsu 方法最佳阈值的必要条件进行理论分析，指出其产生偏差的根本原 因。在此基础上提出一种适应不同直方图分布形态的阈值分割方法，该方法尤其 适合直方图分布形态类似的系列图像分割。 大量文献通过实验指出，Otsu 方法在对方差差异较大的两类数据进行分类时， 其分割阈值偏向方差较大的一类。论文通过对Otsu 算法的阈值求解过程进行理论 分析，得出其取得最佳阈值的必要条件，从而指出Otsu 方法及其衍生方法产生偏 差的根本原因。在此基础上，提出一种基于最小类内指数方差的自适应阈值方法， 并将其扩展到二维。通过根据系列图像的直方图分布类型自适应调节的指数参数， 提高算法的自适应能力。在算法的实现过程中采用基于累积数组的快速计算方法， 并结合自适应的粒子群算法实现图像阈值的快速选择。与二维Otsu 算法及Otsu 算 法的两种改进算法在合成和真实图像上进行比较实验，结果证明了本文方法分割 阈值更为准确，适应能力更好。 2 ）构建了一种基于韦伯定律的灰度-梯度激励强度共生矩阵，在此基础上提出 一种抗噪性能良好的加权2 维Renyi 熵阈值算法，并结合二维熵的快速算法和改进 的蛙跳算法实现图像的阈值分割。 传统的二维熵划分方式忽略了噪声和边缘的影响而导致抗噪能力不强。本文 基于韦伯定律，提出一种综合考虑邻域梯度主方向和强度的灰度-梯度激励强度共 生矩阵（Gray level-Strength of Gradient Excitation Co-concurrence Matrix ， GSGECM ），并结合新的二维熵划分方式提高阈值分割的抗噪能力，在此基础上提 出一种基于GSGECM 的加权2 维Renyi 熵阈值分割算法。提出一种新的积分矩阵 并行算法将基于GSGECM 的2 维Renyi 熵的时间复杂度降低到常数时间。提出一 种基于极坐标模糊跳跃策略的改进蛙跳算法实现参数优化。合成图片和真实图像 I 重庆大学博士学位论文 上与相关方法的比较实验证明了本文方法抗噪能力强，分割结果的视觉效果更好。 3 ）考虑数字图像信息的模糊性和非广