[發明專利]一種基于二維經驗模態分解和遺傳算法的圖像閾值分割方法

在審

• 申請號: 201810044627.5
• 申請日: 2018-01-17
• 公開（公告）號: CN108460771A
• 公開（公告）日: 2018-08-28
• 發明（設計）人: 賀建峰;銀溫社
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06T7/155;G06T5/50;G06N3/12
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于二維經驗模態分解和遺傳算法的圖像閾值分割方法，其特征在于：輸入一幅待分割的圖像，通過形態學差分法去除圖像的背景，得到差分圖像d(x,y)，再通過二維經驗模態分解算法分解得到一系列內稟模式函數IMF(x,y)和余項REF；該系列內稟模式函數IMF(x,y)表示為不同頻率的子圖像，去除并不能表現細節信息的低頻子圖像，篩選出頻率高的子圖像；再利用對比拉伸變換算法對高頻子圖像進行對比度拉伸變換；然后對變換后的高頻子圖像相加融合得到增強后的圖像H；最后利用遺傳算法對增強后的圖像進行閾值分割。

2.根據權利要求1所述的基于二維經驗模態分解和遺傳算法的圖像閾值分割方法，其特征在于：所述輸入一幅待分割的圖像，通過形態學差分法去除圖像的背景，再通過二維經驗模態分解算法分解得到一系列內稟模式函數和余項，具體為：

步驟1、輸入一幅待分割的圖像f(x,y)，利用形態學差分法去除背景圖像b(x,y)，得到差分圖像d(x,y)：

d(x,y)＝f(x,y)-b(x,y) (1)

其中，x是圖像的橫坐標，y是圖像的縱坐標；

步驟2、將差分圖像d(x,y)進行二維經驗模態分解，分解為z個內稟模式函數IMF(x,y)和余項REF：

其中，REF為二維經驗模態分解后的余項即最后一次分解的余項函數。

3.根據權利要求1所述的基于二維經驗模態分解和遺傳算法的圖像閾值分割方法，其特征在于：所述篩選出頻率高的子圖像，具體為：

步驟3、對原差分圖像d(x,y)通過二維經驗模態分解后得到的一系列內稟模式函數即一系列子圖像IMF(x,y)進行篩選，保留高頻子圖像IMF₁(x,y),IMF₂(x,y),···IMF_b(x,y)，舍去低頻子圖像IMF_b+1(x,y),IMF_b+2(x,y),···,IMF_z(x,y)和余項REF；其中，b為高頻子圖像的總個數，z為不含余項部分的子圖像總個數即內稟模式函數的個數。

4.根據權利要求1所述的基于二維經驗模態分解和遺傳算法的圖像閾值分割方法，其特征在于：所述用對比拉伸變換算法對高頻子圖像進行對比度拉伸變換，具體為：

步驟4、對高頻子圖像分別進行對比度拉伸變換，從而得到對比度拉伸變換后的高頻子圖像，其對比度拉伸變換公式如下：

s＝T(j)＝1/(1+(g/r)^E) (3)

其中，r表示輸入圖像j相應點(x,y)的灰度，s是輸出圖像，T為對比度拉伸變換函數，E為控制對比拉伸變換斜率參數，輸入圖像的像素平均值g＝sum/(X×Y)，sum為輸入圖像像素總和，X、Y分別代表變量x、y的最大值。

5.根據權利要求1所述的基于二維經驗模態分解和遺傳算法的圖像閾值分割方法，其特征在于：所述對變換后的高頻子圖像相加融合得到增強后的圖像，具體為：

步驟5、把對比度拉伸變換后的高頻子圖像進行相加融合，得到增強后的圖像H：

H＝T(IMF₁(x,y))+T(IMF₂(x,y))+···+T(IMF_b(x,y))(4)

其中，H為融合后的增強圖像，T為對比度拉伸變換函數。