小波在灰度图像二值化中的应用.PDFVIP

维普资讯 1998年 6月 西北大学学报 (自然科学版) h n．1998 第 28卷第 3期 JournalofNorthwestUniversity(NaturalScienceEdition) Vo1．28No．3 ～ 小波在灰度图像二值化 中的应用 彭进业 张光玉 夏莲 TF岁7f· (西北大学 电子科学系 ．710069，西安；第一作者 33岁，讲师) 摘 要 根据分层吉布斯随机场模型 ，采用小波函数分级拟合均值曲面 ，提 出了二值化方法。 实验结果表明，采用这一方法能获得令人满意的二值 图像 。 关键词 灰度图像；：值图I吉布斯模型；多分辨率分析；尘莲与尺度函数 分类号 TP14ITP391．4 。 圆像地 ． {，户 叛 1 问题的提出 ’ ‘ 图像二值化是将灰度图像转化为只有黑白两类像素的图像。二值化图像的显示与打印十分方便，存 储与传输也非常容易。本文采用 自适应阐值法对图像实现二值化。 对于实现 自适应阚值 ，曾有很多人提出了一些模型，值得注意的是 Gel~aD．所提 出的分层统计模型 在其基础上 ，Derin等人用双层统计模型作数字图像横型 ，依据最大后验概率准则实现图像的分割，特 别是对纹理图像的分割取得 了较为满意的效果。其基本思想是将双层模型的顶层和底层均看成吉布斯 随机场 (GRF)。但由于选取的参数不同，从而使顶层反映区域的形成过程，底层反映区域 内的特性。其 分割算法是基于这一双层模型，采用最大后验概率(MAP)准则对像素进行统计分类的，文献Fll中对这 一 双层模型的底层做了修改，将底层看成是一高斯过程 。即用 区域内像素的均值 (第 ￡区域 中位于s 位置的像素所对应的均值)与方差为 6的高斯白噪声之和来反映区域特性。本文采用文献E1]中提出的 模型，并根据函数的多分辨近似理论 ，利用小渡函数拟台均值曲面 ，克服了文献[1]中 估算时所 固有的缺陷。 2 数字图像二值化 对于 256缎灰度 图像，将图像上位于 处的像素的灰度值记 为 (O≤ ≤255)，图像二值化后 ，其所属区域记为z，。 =i表示 -- 位于 处的像素属于第 i类 。这里取 i为 O(黑类)和 1(白类)。 根据贝叶斯理论 ，灰度值为 Y的像紊被分为z类的概率密度 为 P(zI)OCP(yIz)P(z)。 顶层模型采用吉布斯模型，表示区域形成过程 ，故先验概率密 度可以表示为 图 1 于团类型 1 Fig．1 CliqueType P(z)= ffexp{一= ())。 式中z为配分函数，是归一化常数。子团类型选用图1所示的二阶邻域系统的4类子团。子团势函数 十 收稿 日期 ：1997—04—30 维普资讯 206 西北大学学报 (自然科学版) 第 28卷 为 f一 卢 子团内两像素值相等 … 、 。 l 其他， 式中 为正值。显然，两个相邻像素被分为同类的可能性 比分为异类的可能性大，并且 随着 卢的增大， 区域面积亦会增大，区域边缘变得光精 。 底层模型反映区域特性 ，这里用均值为 ，方差为 6的高斯过程来描述。因此分类判决函敦可表示 为 P(zIjr)ccexp{一享 (，一 )一 ())