[發(fā)明專利]圖像二值化方法和裝置、視頻分析系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201410009413.6
• 申請(qǐng)日: 2014-01-09
• 公開（公告）號(hào): CN104778473A
• 公開（公告）日: 2015-07-15
• 發(fā)明（設(shè)計(jì)）人: 趙勇
• 申請(qǐng)（專利權(quán)）人: 深圳市中瀛鑫科技股份有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/38
• 代理公司: 深圳鼎合誠知識(shí)產(chǎn)權(quán)代理有限公司 44281
• 代理人: 郭燕;陳俊斌

技術(shù)領(lǐng)域

本發(fā)明涉及視頻智能分析技術(shù)領(lǐng)域，尤其涉及一種圖像二值化方法和裝置、以及一種視頻分析系統(tǒng)。

背景技術(shù)

在數(shù)字圖像處理中，二值圖像占有非常重要的地位。圖像的二值化有利于圖像的進(jìn)一步處理，使圖像變得簡(jiǎn)單，而且數(shù)據(jù)量減少，能凸顯出感興趣的目標(biāo)的輪廓。很多相關(guān)技術(shù)必須使用二值化后的圖像，例如字符識(shí)別、文檔圖像分析、目標(biāo)檢測(cè)等。

已經(jīng)開發(fā)各種算法用來二值化圖像，例如最大類間方差法（又叫大津算法，簡(jiǎn)稱OTSU）、Bernsen算法（一種典型的局部閾值法）等。但這些算法各具有一定的局限性，因?yàn)槠渌罁?jù)的原理并不一定適合所有不同的復(fù)雜的情況，例如由于環(huán)境變化導(dǎo)致的圖像目標(biāo)與背景對(duì)比度不高、泛白、光照不均勻等情況。以O(shè)TSU為例，它僅對(duì)類間方差為單峰的圖像產(chǎn)生較好的分割效果，當(dāng)目標(biāo)與背景的大小比例懸殊時(shí)，類間方差準(zhǔn)則函數(shù)可能呈現(xiàn)雙峰或多峰，難以獲得滿意的分割效果。

發(fā)明內(nèi)容

本發(fā)明提供一種智能的圖像二值化方法及裝置。

根據(jù)本發(fā)明的第一方面，提供一種圖像二值化方法，包括：對(duì)待處理區(qū)域或圖像進(jìn)行二值化處理，并獲得二值化處理的閾值；對(duì)待處理區(qū)域或圖像中像素值處于閾值偏移范圍之外的像素采用神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并根據(jù)訓(xùn)練結(jié)果進(jìn)行二值化，其中，閾值偏移范圍的下限為所述閾值減去預(yù)定偏移值，閾值偏移范圍的上限為所述閾值加上所述預(yù)定偏移值。

根據(jù)本發(fā)明的第二方面，提供一種圖像二值化裝置，包括：閾值獲取模塊，用于對(duì)待處理區(qū)域或圖像進(jìn)行二值化處理，并獲得二值化處理的閾值；訓(xùn)練模塊，用于對(duì)待處理區(qū)域或圖像中像素值處于閾值偏移范圍之外的像素采用神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其中，閾值偏移范圍的下限為所述閾值減去預(yù)定偏移值，閾值偏移范圍的上限為所述閾值加上所述預(yù)定偏移值；二值化模塊，用于根據(jù)訓(xùn)練結(jié)果進(jìn)行二值化。

根據(jù)本發(fā)明的第三方面，提供一種視頻分析系統(tǒng)，其包括如上所述的圖像二值化裝置。

通過本發(fā)明的圖像二值化方法，首先實(shí)現(xiàn)基本二值化處理，對(duì)明顯高于或低于基本二值化處理所用閾值（即像素值在閾值偏移范圍外）的像素采用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行訓(xùn)練，利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)特點(diǎn)，使得圖像的二值化更為智能。

附圖說明

圖1為本發(fā)明一種實(shí)施例的圖像二值化方法的流程示意圖；

圖2為本發(fā)明一種實(shí)施例的圖像二值化裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

本發(fā)明提出的圖像二值化方法的基本原理是，利用現(xiàn)有的二值化算法，對(duì)待處理區(qū)域或圖像實(shí)現(xiàn)基本的二值化處理，對(duì)于明顯高于或低于該基本二值化處理所用閾值的像素，將其作為學(xué)習(xí)的樣本來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，然后利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)像素值靠近該閾值的像素進(jìn)行二值化，從而實(shí)現(xiàn)智能化的二值化。

下面通過具體實(shí)施方式結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明。

如圖1所示，本發(fā)明一種實(shí)施例的圖像二值化方法包括如下步驟S1-S3。

步驟S1：對(duì)待處理區(qū)域或圖像進(jìn)行二值化處理，并獲得二值化處理的閾值。

步驟S2：對(duì)待處理區(qū)域或圖像中像素值處于閾值偏移范圍之外的像素采用神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其中，閾值偏移范圍的下限為步驟S1得到的閾值減去預(yù)定偏移值，閾值偏移范圍的上限為該閾值加上預(yù)定偏移值。

步驟S3：根據(jù)訓(xùn)練結(jié)果進(jìn)行二值化。

對(duì)于步驟S1，實(shí)施例中涉及的基本的二值化處理是采用OTSU算法，其它實(shí)施例中還可以采用已有的其它二值化算法，例如Bernsen算法、最大熵閾值法等。

OTSU算法是由日本學(xué)者大津展之提出的，是一種自適應(yīng)的閾值確定方法。它是按圖像的灰度特性，將圖像分成背景和目標(biāo)兩部分，背景和目標(biāo)之間的類間方差越大，說明構(gòu)成圖像的兩部分的差別越大，當(dāng)部分目標(biāo)錯(cuò)分為背景或部分背景錯(cuò)分為目標(biāo)都會(huì)導(dǎo)致兩部分差別變小。因此，使類間方差最大的分割算法意味著錯(cuò)分概率最小。對(duì)于圖像I(x,y)，前景（即目標(biāo)）和背景的分割閾值記作T，屬于前景的像素點(diǎn)數(shù)占整幅圖像的比例記為ω₀，其平均灰度記為μ₀；背景像素點(diǎn)數(shù)占整幅圖像的比例記為ω₁，其平均灰度記為μ₁。圖像的總平均灰度記為μ，類間方差記為ζ。假設(shè)圖像的背景較暗，并且圖像的大小為M×N，圖像中像素的灰度值小于閾值T的像素個(gè)數(shù)記作N₀，像素灰度大于閾值T的像素個(gè)數(shù)記作N₁，則有：