[發明專利]一種基于大津法與K均值法的自適應圖像分割方法

有效

• 申請號: 202010156443.5
• 申請日: 2020-03-09
• 公開（公告）號: CN111340815B
• 公開（公告）日: 2023-01-24
• 發明（設計）人: 李波;李俊廷;劉民岷
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T7/136;G06V10/762
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 閆樹平

本發明涉及圖像分割領域，具體為一種基于大津法與K均值法的自適應圖像分割方法。本發明通過引入松弛變量，并將變量范圍內的閾值作為局部閾值，使用隊列循環調用新的閾值搜索方法，快速、自適應得到多個局部最優閾值，從而解決現有自適應K?means圖像分割方法中多閾值大津法計算復雜度高的問題；將得到的多個閾值作為K均值法初始質心，減少K均值法迭代次數；將K均值法聚類得到的閾值作為全局最優閾值，能準確的對圖像進行分割。本發明以圖像光照預處理為目的，能夠通過快速、準確、自適應的對圖像進行分割，再校正分割后的區域，從而恢復圖像受光照影響丟失的信息。

技術領域

本發明涉及圖像分割領域，具體為一種基于大津法與K均值法的自適應圖像分割方法，是一種快速的自適應圖像分割方法。

背景技術

人臉識別系統中，現場采集的人臉圖像易受光照因素的影響，復雜光照導致人臉圖像部分信息丟失，進而特征提取缺失，影響人臉識別準確率。

K均值算法分割算法對圖像中的相似像素值進行聚類，形成的簇的個數作為圖像分割的數目，但該算法一般通過手動設定分割數目，因此不能很好的滿足自適應分割條件；并且對初始質心敏感，若初始質心選擇不當，也會導致分割效果變差、計算量增加。一維大津法根據最大類間方差來自動確定分割閾值，需要遍歷整個灰度級搜索閾值，計算復雜度高，且一次只能確定單個閾值，也缺少了自適應性。

現有的自適應K-means圖像分割方法中，利用多閾值大津法確定的多個分割閾值作為K均值法的初始質心，并將二者得到的閾值求和取平均作為最終的分割閾值。由于多閾值大津法是每個分割區域在相應灰度級范圍內搜索最佳閾值，因此計算量龐大，不能滿足快速分割條件；并且將兩種算法得到的閾值取平均的方式會導致與實際閾值存在一定的偏差。

發明內容

針對上述存在問題或不足，本發明提出一種基于大津法與K均值法的自適應圖像分割方法。本發明以圖像光照預處理為目的，即通過校正分割后區域，從而恢復圖像受光照影響丟失的信息。

一種基于大津法與K均值法的自適應圖像分割方法，包括以下步驟：

步驟1、目標圖像去噪與灰度化；

步驟2、計算步驟1灰度化后圖像的平均值avg；

步驟3、以步驟2所求平均值為搜索中心，引入松弛變量δ，在[avg-δ,avg+δ]區間內利用大津法搜索局部閾值T；

松弛變量δ初始值為5，使用大津法在[avg-δ,avg+δ]區間內遍歷灰度級，得到局部閾值T：

當T＝avg-δ時，更新搜索中心值avg＝avg-2*δ，或者，當T＝avg+δ時，更新搜索中心值avg＝avg+2*δ，并繼續在[avg-δ,avg+δ]區間內按照上述判定條件搜索閾值；否則返回所得局部閾值T作為當前圖像分割閾值。

變量δ說明：δ取值應滿足合理性，δ過大，則引入松弛變量無意義；δ過小，則求解出的局部閾值與實際閾值差別大。經過實驗證明δ取5最為合理。

大津法搜索閾值T方法為：

閾值

其中的變量說明：當圖像分割閾值為T時，W₀為背景像素點占整幅圖像的比例，u₀為W₀平均灰度，W₁為前景像素點占整幅圖像的比例，u₁為W₁平均灰度，u為整幅圖像的平均灰度。