[發明專利]一種基于直方圖的EM多閾值圖像分割方法及裝置

有效

• 申請號: 201811535946.2
• 申請日: 2018-12-14
• 公開（公告）號: CN109712146B
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 郭玲;龔蘭芳
• 申請（專利權）人: 廣東水利電力職業技術學院（廣東省水利電力技工學校）
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06V10/764
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 謝泳祥

本發明公開了一種基于直方圖的EM多閾值圖像分割方法及裝置,采用二維高斯混合模型，用二維GMM擬合二維直方圖曲線，采用EM算法獲取GMM的分布參，在構建二維直方圖的基礎上，分析了二維混合模型參數估計推導方法，自適應方法決定混合分量個數，獲得像素點的統計分布，通過確定類屬完成圖像分割，通過獲取像素點的分布類屬，在斜分法的基礎上提出利用置信度進行區域劃分，分量越多，迭代步數和訓練時間越長，不會錯分區域，方便確定領域灰度劃分的斜線的截距，隨著混合模型個數的增加，區域劃分越來越精細，特征越來越明顯。較好地自適應完成圖像的多閾值分割。保證了圖像分割的正確率。

技術領域

本公開涉及圖像處理領域，具體涉及一種基于直方圖的EM多閾值圖像分割方法及裝置。

背景技術

圖像分割就是將一幅圖像劃分成若干聚類區域，每個區域都有相似的特性。在眾多的圖像分割方法中，直方圖閾值法因其簡單高效備受注意。它的基本思想是目標和背景分布在直方圖灰度軸的兩端，只要找到這個分割點，就可以進行圖像分割，最大類間方差法(大津OTSU)、最大熵法、模糊聚類、期望最大(EM)值法等，都是典型的閾值分割方法。隨著研究的深入、應用領域的擴大，閾值分割算法也在不斷進化，出現了多閾值分割、融合目標特征的分割、以及利用二維直方圖的多維度分割算法等。

由于圖像像素絕大部分都分布在二維直方圖的主對角線附近，這是因為除非邊緣點，否則像素灰度與其鄰域的平均灰度非常接近。利用這個特點，現在的圖像分割技術主要有兩種分割方法，第一種圖像分割方法為，以(s,t)為分割點，將圖像根據對角線區域劃分為目標和背景，其余是邊緣或噪聲。第一種圖像分割方法采用雙斜線分割，靠近主對角附近的區域是正常像素，遠離對角線的點則為邊緣或噪聲點，第一種方法假設閾值附近像素點出現概率為零，是一種近似劃分，造成區域錯分而第二種分割方法雖然將概率不為零的點都包含了進來，但是斜線的截距卻難以確定。

發明內容

本公開提供一種基于直方圖的EM多閾值圖像分割方法及裝置，采用二維高斯混合模型(Gaussian?Mixture?Model，GMM)，用二維GMM擬合二維直方圖曲線，采用EM算法獲取GMM的分布參，在構建二維直方圖的基礎上，分析了二維混合模型參數估計推導方法，提出了一種自適應方法決定混合分量個數，利用EM算法實現圖像分割，獲得像素點的統計分布，通過確定類屬完成圖像分割，通過獲取像素點的分布類屬，在斜分法的基礎上提出利用置信度進行區域劃分，在二維直方圖的基礎上利用EM算法實現了多閾值分割，直方圖閾值是圖像分割的重要依據，二維直方圖因為考慮了每個像素的鄰域相關信息，對噪聲圖像的分割效果更好，有別于傳統的最大類間方差及最大熵閾值法。

為了實現上述目的，根據本公開的一方面，提供一種基于直方圖的EM多閾值圖像分割方法，所述方法包括以下步驟：

步驟1，根據信號點判斷條件尋找圖像中的信號點區域；

步驟2，根據貝葉斯最小錯誤率準則在信號點區域中對圖像進行標記劃分出圖像的噪聲點區域；

步驟3，在噪聲點區域，計算鄰域灰度值與各混合分量的歐拉距離，判斷類屬。

進一步地，在步驟1中，所述根據信號點判斷條件尋找圖像中的信號點區域的方法為，在圖像中按照信號點判斷條件的約束條件，所述約束條件為：

通過約束條件進行尋找圖像中的信號點區域，即圖中滿足約束條件的區域，所述信號點區域為圖像中的一部分區域，任意像素點p在坐標(x，y)處的灰度值為f(x，y)，取p的8-鄰域平均灰度值g(x，y)，二者的值域都在[0,L]之間，其中，a1、a2、b1和b2指縱截距。

進一步地，在步驟2中，所述貝葉斯最小錯誤率準則的方法包括以下步驟：

步驟2.1，獲取圖像的二維直方圖，輸入一個的圖像，所述圖像的圖像矩陣為m行n列，根據每個像素本身的灰度值，每個像素的鄰域平均灰度值，由每個像素本身的灰度值和鄰域平均灰度值構成了二維坐標系；