基于局部阈值的红外图像分割技术.pdfVIP

基于局部阈值的红外图像分割技术 曹治国 陈 华 (华中科技大学图像识别与人工智能研究所 图像信息处理与智能控制教育部重点实验室 武汉 430074) 摘 要: 针对前视红外地面目标图像的分割，在基于 OTSU 准则的基础上，用递归的方法获取 局部阈值进行分割，给出了递归分割的终止条件。针对机场、电厂、桥梁等不同的典型地面目标进 行了实验，结果表明，该方法分割结果明显优于Otsu 法、最大熵法、Fisher 算子法和Ohlander 法。 关键词: 红外图像；局部阈值；分割 1．引 言 图像分割是图像处理、机器视觉及自动目标识别研究中的关键问题，用于将目标和其周围的场 景分离开来，以便进行目标识别。尽管研究人员已经提出了各种各样的图像分割算法，但由于问题 的复杂性，迄今为止仍然没有一种万能的分割算法。阈值分割方法由于其快速和易于实现的特性， 使其仍不失为是一种重要的分割技术。例如比较有影响的方法包括：基于最大熵原则的阈值选择方 [1] [2] 法 、自适应聚类的门限选择方法 和通过对图像的二维直方图作 Fisher 线性映射来决定阈值的方法 [3]等。然而，在前视红外成像自动目标识别系统中，由于输入的图像反映的是场景的热辐射特征， 因此，它与可见光的成像机理不同，目标与其周围的环境存在着热交换，同时由于大气的散射和吸 收作用，使得在红外图像中目标和背景的对比度较低，边缘模糊。另一方面，在远距离红外图像中， 目标很小，并且处于复杂背景中，因此，给图像分割带来极大的困难，上述的全局灰度门限技术通 常难以获得满意的分割结果。Ohlander 的循环分解法[4]是根据全局直方图将图像划分为若干子图像， 然后在每个子图像中寻找阈值，进行分割，该方法的不足是若子图像划分不当，将导致分割失败。 同时，其寻找阈值的方法过于简单，针对红外图像常常失效。门限面技术也是一种局部阈值的方法 [5] ，它以幅度值较高处（即边缘像素处）的灰度值作为已知数据，通过插值得到图像的门限面。为 了确定边缘像素，需要对梯度幅值进行门限化及细化操作。该方法的不足是确定一个合适的梯度幅 值门限比较困难，并且，在不存在边缘的区域，由于不能提供任何边缘信息，导致寻找门限面的技 术有可能失败。 本文提出了一种有效的直方图局部递归的分割算法，它用 Otsu 准则[2]对图像中感兴趣的象素点 集进行递归分割（即：每次分割利用前一次的结果），并依据红外图像中感兴趣目标（或区域）的灰 度特性，确定递归终止条件，从而获得满意的分割结果。 2. 对OTSU准则的讨论 Otsu 算法是一种基于最小类内方差（或最大类间方差）准则确定分割门限的方法[2] 。假定图像 F {f (x , y )} 包含目标和背景，其中f (x , y ) 表示图像中任一点(x , y )处的灰度值，它是灰度值集合 L L GL 中的一个元素，f (x ,y ) ∈GL {0,1,2,...,L ?1}，这里 表示图像有 个灰度级。门限t 将各像 {f (x ,y )} 2 素 分成两类，即小于门限的暗区域C 类和大于门限的亮区域 C 类。 σ 表示类内方差， 1 2 w 2 σ 表示类间方差，它们都是门限t 的函数： b 2 2 2 （1） σ (t) a σ +a σ w 1 1 2 2 2 2 （2） σ