基于二维OTSU和遗传算法的红外图像分割方法-红外技术.PDFVIP

第27 卷 第1 期 Vol.27 No.1 2005 年1 月 杜晓晨等：基于二维OTSU 和遗传算法的红外图像分割方法 Jan. 2005 基于二维OTSU和遗传算法的红外图像分割方法* 杜晓晨，刘建平 （浙江理工大学信息电子学院，浙江 杭州 310033 ） 摘要：为了改善红外图像的分割效果，将二维OTSU 算法应用于红外图像分割，通过二维OTSU 算法 选取阈值将红外图像分为目标和背景，并结合遗传算法，利用遗传算法搜索最优解的能力，加快二维 OTSU 算法寻找阈值的速度，提高分割效率。实验结果表明，该方法分割效果好，分割速度快，是一 种可行的红外图像分割方法。 关键词：红外图像；图像分割；二维OTSU；遗传算法；阈值 中图分类号：TN911.73 文献标识码：A 文章编号：1001-8891(2005)01-0066-04 Infrared Image Segmentation Method Based on 2D Maximum Between-cluster Variance and Genetic Algorithm DU Xiao-chen，LIU Jian-ping (Institute of Information and Electronic ,Zhe Jiang University of Sciences,Suzhou Hang zhou,310033,China) Abstract: In this paper, 2D MBV algorithm is applied to infrared image segmentation in order to improve the effect of it. Also, genetic algorithm is combined with 2D MBV to make the calculation faster by it’s capacity of searching the best answer. The experiment results show that the performance of this method is quite good, this method is practicable. Key words: infrared image ；image segmentation ；2D MBV ；genetic algorithm；threshold 引言 图像分割是图像处理和计算机视觉中基本而关键的技术之一，其目的是将目标和背景分离，为后续的分类、 识别、检索提供依据。例如，红外图像精准而实时的分割是军事目标的识别、跟踪和定位的基础[7]。图像分割 方法通常有阈值法、边缘检测法、区域跟踪法[1,2]等等，到目前为止，还没有一种适用于任何数字图像的分割方 法，尤其是针对红外图像的分割方法。有些红外图像的信噪比较低、目标面积较小，使普通分割方法难以取得 较好的分割效果，甚至产生分割错误。 阈值图像分割方法的关键技术是阈值的选取，二维OTSU算法[5,6]不仅考虑了图像的灰度信息，还考虑了邻 域空间的相关信息。因此将二维OTSU算法应用于红外图像分割时，分割精度将大大提高，并结合遗传算法[3,4]， 利用遗传算法全局搜索最优解的能力，来降低运算时间，提高分割效率。 1 二维最大类间方差图像分割法 设图像的灰度范围为 0～(L －1)级，那么像素的邻域平均灰度范围也为 0～(L －1)级。令图像中坐标(x ,y ) 的 像素点的灰度值为f (x ,y ) ，定义点(x,y ) 的邻域平均灰度g(x ,y )为： 1 (N −1) / 2 (N −1) / 2 g(x ,y ) ＝