[發明專利]一種低對比度圖像分割方法

有效

• 申請號: 201610016000.X
• 申請日: 2016-01-12
• 公開（公告）號: CN105678773B
• 公開（公告）日: 2018-10-26
• 發明（設計）人: 張定華;鄭佳;黃魁東;孫園喜
• 申請（專利權）人: 西北工業大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種低對比度圖像分割方法，提供一種能有效、自適應地對低對比度圖像進行分割的方法，即基于區域限制改進的Otsu圖像分割方法，添加移動窗口概念，利用局部窗口內邊緣像素信息實現局部窗口大小的自適應，依次在局部窗口內利用局部窗口閾值對當前像素進行分割，大大提高了分割算法分割低對比度圖像的精度和抗噪性。

技術領域

本發明屬于圖像處理領域，涉及一種低對比度圖像的分割方法。

背景技術

圖像分割技術大致分為：基于閾值的圖像分割、基于邊緣的圖像分割、基于區域的圖像分割、基于模型的圖像分割、基于人工智能的圖像分割。主要方法有閾值法、區域生長法、活動輪廓模型法、人工神經網絡法、模糊聚類法、分水嶺法、邊緣算子檢測法等。圖像分割技術具有廣泛的應用價值，可應用到模式識別、機器視覺等各行業各領域中。

基于閾值的圖像分割算法的關鍵在于閾值的選擇，不同的閾值可能會引起完全不同的結果。此類方差往往受噪聲影響嚴重，且受灰度不均勻性影響嚴重。基于邊緣的分割方法主要基于圖像灰度級的不連續性，它通過檢測不同連續區域之間的邊界來實現對圖像的分割，邊緣檢測算法有一個缺點：不能得到連續的單像素邊緣。傳統的邊緣算子抗噪性低，且無法得到連續的邊緣，受背景灰度不均影響較大。基于區域特性的分割技術不但考慮了像素的相似性，還考慮了空間上的鄰接性，因此可以有效消除孤立噪聲的干擾，具有很強的魯棒性。而且，無論是合并還是分裂，都能夠將分割深入到像素級，因此可以保證較高的分割精度。基于統計模式分類的分割技術將圖像分割過程視為以像素為基元的模式分類過程。這類方法，對于無法由灰度區分的復雜的紋理圖像顯得尤為有效。

目前，對應用于普通圖像的分割算法有大量研究，已經比較成熟，但普通圖像和低對比度圖像在細節及灰度信息上具有較大差異，適用于普通圖像的圖像分割算法不一定適用于低對比度圖像，近年來針對低對比度圖像的圖像分割算法研究較少而且無法滿足現實需要。

針對低對比度圖像的特點，王思賢、劉宗義、梅建新在《Wuhan UniversityJournal of Natural Sciences》(2000,46(5):641-644)的文章“低對比度圖像目標分割的研究”中提出將矩不變自動門限方法應用到低對比度的圖像的自動分割中,耗時短，能克服二值化過程中的斷線、粘連等問題，具有一定實用價值，但是在有噪聲情況下精度不高。針對低對比度焊縫缺陷目標的提取，Lashkia V.在《Image&Vision Computing》(2001,19(5):261–269)中的文章“Defect detection in X-ray images using fuzzy reasoning”中提出利用區域方差和灰度對比度參數并結合模糊推理進行缺陷提取，但此方法無法廣泛應用于其它低對比度圖像的分割。針對X射線圖像、超聲波圖像以及紅外圖像的分析檢測中,目標與目標之間沒有顯著的灰度變化給區域分割帶來的困難，聶守平、王鳴、劉峰在《中國激光》(2004,31(1):89-91)中的文章“低對比度圖像分割算法研究”中提出利用空間區域方差和灰度區域方差進行圖像增強和灰度分區，能夠提取出一些低對比度缺陷目標。這些方法將區域特性和對比度結合提取缺陷目標，而針對低對比度圖像，低對比度不僅存在于圖像中某個特定細節，因而以上方法的適用性不夠強，需要一種對低對比度圖像有較好適應性的圖像分割方法。

發明內容

針對低對比度圖像分割完整度差、精度低、抗噪性能較差的問題，本發明提供一種低對比度圖像分割方法，利用局部窗口內邊緣像素個數信息實現局部窗口大小的自適應，依次在局部窗口內利用局部窗口閾值對當前像素進行分割，以顯著提高低對比度圖像分割的精度和抗噪性。

本發明解決其技術問題所采用的技術方案包括以下步驟：

(1)初始化：設原圖像O的灰度級為L，先計算O對應的方差圖像V，再用CANNY算子計算V的邊緣，得到邊緣圖像E，E中邊緣像素灰度值為L-1，其余像素灰度值為0。初始化窗口邊長N＝3。