基于OTSU的近红外图像分割的应用研究.docVIP

基于OTSU的近红外图像分割的应用研究 夏需堂1，吴海滨1，2，陈新兵1，周德玉1，周后伟1，张铁译1 （1.安徽大学 物理与材料科学学院，安徽 合肥 230039； 2.安徽大学 特种电视技术研究中心，安徽 合肥 230088） 摘 要：OTSU法是最常用的利用图像的一维灰度直方图的阈值化方法之一，二维OTSU除了考虑像素点的灰度信息外还考虑了像素点与其邻域的空间信息。由于红外图像不同于一般灰度图像的一些特征，文中有针对性的采用了二维OTSU对其进行分割。通过与一维OTSU的相互比较可以看出，二维OTSU对近红外图像拥有更好的分割效果，能有效的分割出炉管图像，对后期的温度监测和声光报警具有重要的意义，提高了高温炉的安全性。 关键词：直方图；OTSU；近红外图像；图像分割 The Application Research of the Segmentation of Near-Infrared Image Based on OTSU XIA Xu-Tang1，WU Hai-Bin2，CHEN Xin-Bing1，ZHOU De-Yu1，ZHOU Hou-Wei1，ZHAN GTie-Yi1 （1.School of Physics and Material Science, Anhui University, Anhui HeFei 230039, China; 2.The Research Center of Special TV Technology of Anhui University, Anhui Hefei 230088, China） Abstract: OTSU is one of the most commonly used image –threshold methods, which based on one-dimension histogram of image’s gray level. The two-dimension OTSU takes the gray level of pixel point, as well as the spatial information between the pixel point and its field into consideration. Because of infrared image, different from the general characteristics of gray image, the paper targeted adopted the two-dimensional OTSU segmentation. According to the comparison with one-dimension OTSU, we can find that the two-dimension OTSU can segment the near-infrared image better and get the furnace image more effectively. By monitoring its temperature in the late period and alarming through sound and light, it greatly enhances the security of high- heat furnace. Key words：Histogram；OTSU；Near-Infrared Image；Image Segmentation（3）红外图像的信噪比较低； （4）红外图像的对比度较低； （5）红外传感器得到的相邻两帧图像之间的差别不大；这主要是由于红外图像的摄取帧速在25～30fp/s之间，景物表面的辐射分布基本保持不变，这个性质为逐帧分析景物特征和对景物进行定位提供了保证。 由上可知，红外图像一般较暗，而且目标与背景对比度差，边缘模糊，视觉效果较差。所以对红外图像的处理将不同于一般的处理方式。本文针对红外图像采用了二维OTSU对其进行了分割处理。 3、最大类间方差的基本原理 3.1一维最大类间方差（OTSU）阈值选择法[1] 设一幅图像的灰度范围为级，表示灰度级为的像数点数，总的像数点数为，直方图表示为概率密度分布： （1） 假设阈值将图像分割成两类（目标和背景），即和，设表示类间方差，那么最佳阈值满足： （2） 3.2二维最大类间方差（OTSU）阈值选择法[3][4][5][6][7] 设图像的灰度范围为级，那么像素的邻域平均灰度范围也为级。令图像中坐标的像素点的灰度值为，定义点的邻域平均灰度为： 3 表示像素点的正方形邻域的宽度，一般去奇数，取7。 可以利用和组