基于改进的Otsu准则的递归图像分割算法
改进的OTSU射线图像分割算法
计算机 工程与设计
Ｃ ＯＭ ＰＵＴＥＲ ＥＮＧＩ ｝ ＥＲＩ ＩＥ Ｘ ＮＧ ＡＮＤ ＤＥＳ ＧＮ Ｉ
Ｊ ｎ ２ １ ｕ．０２
Ｖｏ ． ３ Ｎｏ ６ １３ ．
第 ３ ３卷
第 ６期
改进 的 Ｏ Ｓ Ｔ Ｕ射线 图像分割算法
王 彦 ，谢 晓方 ，张永亮
（ 军航 空工程 学院 兵器科 学 与技 术 系，山 东 烟 台 ２４ ０） 海 ６０ １
ｌｃ ｌ ｅｕ ｓ ｎ ｉ ｕ ｅ ｒｒｃ ｒｉｅ ｅ ｍｅ ｔ ｇ ｏ ａ ｒ ｃ ｒｉ ｓｄｆ ｕ ｓ ｇ ｎ ｉ ．Ｔｈ ｔ ｅｗｅｎ ｔ ｅ ｉ ｅｅ ｃ ａｕ ａ ａｑ ｉ ｄｆ ｍ ｅａｅ ｆ ｈ ｂ ｃ ｏ ｓ ｏ ｅ ｖ ｓ ｎ ｅｒ ｉ ｂ ｔ ｅ ｆ ｒｎ ｅｖ ｌｅｔ ｔ ｃ ｕ ｅ ｏ ｔ ｒａｏ ｅ ｊ — ａｏ ｈ ｄｆ ｈ ｒ ｒ ｈ ｔ ｏ ｅ
Ｗ ＡＮＧ ａ Ｙ ｎ，ＸＩ Ｘｉ ｏ ｆ ｎ Ｅ ａ —ａ ｇ，ＺＨＡＮＧ ｎ －ｉ ｎ Ｙｏ ｇ ｌ ｇ ａ
（ ｐ ｒｍｅ ｔｏ ｄ ａ ｃ ｃｅｃ ｎ ｅｈ ｏｏ ｙ，Ｎａ ａ Ａｅｏ ａ ｔ ａ ｎ ｔ ｎ ｕｉ ｌＵｎｖ ｒｉ ，Ｙａ ｔｉ ６ ０ １ Ｄｅ ａｔ ｎ ｆ Ｏｒｎ ｎ ｅＳ ｉ ｅａ ｄＴ ｃ ｎ ｌｇ ｎ ｖ ｌ ｒｎ ｕｉ ｌ ｄ Ａｓｒ ａ ｔａ ｉｅｓ ｙ ｃ ａ ｏ ｃ ｔ ｎａ ４ ０ ，Ｃｈｎ ） ２ ｉａ
Ａｂ ｔａ ｔ Ｉ ｒ ｅ ｏ ｉ ｒ ｖ ｈ ｕ ｌ ｙ ｏ ｅ ｍｅ ｔ ｇ ｔ ｅ Ｘ－ａ ｍ ａ ｅ ｉ ｈ ｄ ｓ ｒ ｉｌ ，ａ ｓ ｒ ｃ ： ｎ ｏ ｄ ｒ ｔ ｍｐ ｏ ｅ ｔ ｅ ｑ ａｉ ｆｓ ｇ ｎ ｉ ｈ ｒ ｙ Ｉ ｇ ｎ ｔ ｅ ｉ ｕ ｔｙ ｆｅｄ ｎ ｉ ｒ ｖ ｄ ＯＴＳ ｉ ｐ ｏ ｏ ｅ ． ｔ ｎ ｎ ｍｐ ｏ ｅ Ｕ ｓ ｒ ｐ ｓ ｄ Ｆｉｓ ｆａｌ ｎ ｌ ｚｎ ｈ ｈ ｒ ｃ ｍ ｉｇ ｏ ｈ ｒ ｔｏ ｌ，ａ ａ ｙ ｉｇ ｔ ｅ ｓ ｏ ｔｏ ｎ ｆｔ ｅ ＯＴＳ ａ ｄ ｐ ｏ ｏ ｉｇ ａ ｎ ｗ ｈ ｅ ｈ ｌ ｕ ｃ ｉｎ ａ ｃ ｒ ｉ ｇ ｔ ｈ ｕ ｇ ｓ ｉｎ ｔ ａ Ｕ ｎ ｒ ｐ ｓｎ ｅ ｔ ｒ ｓ ｏ ｄ ｆ ｎ ｔ ｃ ｏ ｄ ｎ ｏ ｔ ｅ ｓ ｇ ｅ ｔ ｈ ｔ ｏ ｏ ｍａ ｅ ｔ ｅ ｖ ｒａ ｃ ｔ ｉ ｌ ｓ ｅ ｓ ａ ａ ｔ ｒｏ ｏ ｕ ｉ ｇ ｔ ｅ ｂ ｓ ｈ ｅ ｈ ｌ ．Ａｎ ｈ ｒ ｃ ｓ ｆｓ ｇ ｎ ｉ ｇ ｈ ｔ ｏ ｆ ｋ ｈ ａ ｉｎ ｅ ｗｉ ｎ ｃｕ ｔ ｒ ｓａ ｆ ｃｏ ｆｃ ｍｐ ｔｎ ｈ ｅ ｔｔ ｒ ｓ ｏ ｄ ｈ ｄ ｉ ｔ ｅ ｐ ｏ ｅ ｓｏ ｅ ｍｅ ｔ ，ｔ ｍｅ ｈ ｄ ｏ ｎ ｎ ｅ
基于改进粒子群优化算法的Otsu图像分割方法
基于改进粒子群优化算法的Otsu图像分割方法刘申晓;王学春;常朝稳【期刊名称】《计算机科学》【年(卷),期】2013(040)008【摘要】The Otsu image segmentation algorithm has good adaptability due to its contents-independent characteristics.However,its shortcomings like large amount of computation and poor real time quality have limited its application.To solve this problem,we proposed a new segmentation algorithm using the principle of Otsu based on an improved PSO algorithm.Taking the class-between variance of Otsu as the fitness function of PSO,the current segmentation threshold as the particle's current location,and the updating speed of threshold as the particle's current speed,and using the im provement of particle's best fitness value as the inertia weight of PSO,the proposed algorithm searches for the threshold which makes the maximum value of the class-between variance in grey space dynamically.The experimental results show that the new algorithm can get segmentation result which is equal to the classic Otsu,significantly reduces the time of segmentation process and also has higher efficiency.%Otsu算法分割图像时不依赖于图像的内容,具有较好的适应性,但计算量大和实时性差的缺点限制了其应用.针对这一问题,提出一种基于改进粒子群优化算法的Otsu分割方法.该方法以Otsu算法中的类间方差作为粒子群优化算法的适应度函数,以当前分割阈值作为粒子的当前位置,以阈值更新速度作为粒子的当前速度,以粒子最优适应值的改进量作为惯性权重,在灰度空间动态搜索使类间方差最大的阈值.实验结果表明:该方法能获得与经典Otsu相当的分割效果,而且显著地缩短了分割时间,算法效率更高.【总页数】3页(P293-295)【作者】刘申晓;王学春;常朝稳【作者单位】黄河科技学院信息工程学院郑州450006;黄河科技学院信息工程学院郑州450006;解放军信息工程大学电子技术学院郑州450004【正文语种】中文【中图分类】TP391.41【相关文献】1.基于WFSOA的2D-Otsu钢轨缺陷图像分割方法 [J], 曹义亲; 段也钰; 武丹2.基于改进的Otsu方法的钢渣彩色图像分割 [J], 严晨曦;熊凌3.基于最小二乘法拟合的Otsu快速图像分割方法 [J], 徐建东4.基于最小二乘法拟合的Otsu快速图像分割方法 [J], 徐建东5.基于二维Otsu的舰船目标图像分割方法 [J], 余扬因版权原因，仅展示原文概要，查看原文内容请购买。
一种结合改进OTSU法和改进遗传算法的图像分割方法
一种结合改进OTSU法和改进遗传算法的图像分割方法李贤阳;黄婵
【期刊名称】《实验室研究与探索》
【年(卷),期】2012(031)012
【摘要】为了自动确定图像分割的最佳阈值,提出了一种结合改进OTSU法和改进遗传算法的图像分割方法,即利用这种改进遗传算法对二维OTSU图像分割函数进行全局优化,该方法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,最后得到图像分割的最佳阈值,克服了传统遗传算法的收敛性差、易早熟等问题.在理论分析和仿真数据实验中,与二维OTUS图像分割法和基于基本遗传算法的图像分割法相比,使用该方法得出的阈值范围更加稳定,阈值计算时间有极大的降低,更能满足图像处理的实时性要求.【总页数】6页(P57-61,112)
【作者】李贤阳;黄婵
【作者单位】赣南教育学院计算机系,江西赣州 341000;赣南教育学院计算机系,江西赣州 341000
【正文语种】中文
【中图分类】TP311
【相关文献】
1.基于改进遗传算法的Otsu图像分割方法 [J], 乔玲玲;毛晓菊
2.一种改进的基于遗传算法优化的OTSU算法在岩心CT扫描图像分割中的应用
[J], 汤翟;何风
3.改进二维Otsu法和果蝇算法结合的图像分割方法 [J], 彭启伟;罗旺;冯敏;郝小龙;侯麟;琚小明
4.一种改进的Otsu多阈值SAR图像分割方法 [J], 杨蕴; 李玉; 王玉; 赵泉华
5.一种基于二维Otsu阈值法改进的区域生长红外图像分割法 [J], 黄和尧;李英娜因版权原因，仅展示原文概要，查看原文内容请购买。
基于Otsu准则及图像熵的阈值分割算法
（ｃｏ ｌ ｆ ｌｃ ｉ ｌｎ ｆｒ ｔ ｎＥ ｇｎ ｅ ｎ ，ｉｎ ｓ ｉｅｓｙ Ｚ ｅｊａｇ２ ２ １） Ｓｈ ｏ ｏ ｅｔ ｃ ｄＩ ｏｍａ ｏ ｎ ｉｅｒ ｇ ＪａｇｕＵｎｖ ｒｉ ， ｈ ｎｉｎ １０ ３ Ｅ ｒ ａａ ｎ ｉ ｉ ｔ
ｐ ｔｆ ｒ ｒ ，ｗｈ ｃ ｓ ｂ ｓ ｄ ｏ ｅ Ｏｔｕ ｔ ｒ ｓ ｏ ｄ ｓ ｌ ｃ ｉ ｇ ｍｅ ｏ ｕ ｏ ｗａ ｄ ｉ ｈ ｉ ａ ｅ ｎ ｔ ｓ ｈ ｅ ｈ ｌ ｅ ｅ ｔ ｔ ｄ．Ｂａ ｅ ｎ ｈ ｅ ｉ ｆ ｒ ａ ｉ ｎ ｏ ｎｔｏ ｙ ｏ ｍａ ｅ ｐ ｘ ｌ，ａ ｐａ ｔ ｅ ｕ ｓｖ ｈ ｎ ｈ ｓ ｄ ｏ ｔ ｎ ｏ ｍ ｔ ｆ ｅ ｒ ｐ ｆ ｉ ｇ ｉ ｅ ｓ ｒｉ ｒ ｃ ｒ ｉ ｅ ｏ ｌ ａ ａ ｇ ｒｔ ｍ ｅ ｅ ｒ ｈ ｏ ｔ ａ ｈ ｅ ｈ ｌ Ｉ ｏ ｎ ｙ ｒ ｄ ｃ ｓｔ ｅ ｒ ｎ ｉ ｇ ｔｍｅ ｂｕ ｓ ａ ｅ ｔｒｓ ｌ－ ｄ ｐ ａ ｉｉ Ｗ ｉ ｉ ｌ ｏ ｔ ｍ， ｅｉ ｇ ｌ ｏｉ ｈ ｉ ｕｓ ｄ ｔ ｓ ａ ｃ ｐ ｉ ｌｔ ｒ ｓ ｏ ｄ． ｔ ｔｏ ｌ ｅ ｕ ｅ ｈ ｕ ｎ ｎ ｉ ， ｔ ｏ ｈ ｓｂ ｔｅ ｅ ｆａ ａ ｔ ｂ ｌｔ ｓ ｏ ｃ ｎ ｌ ａ ｙ． ｔ ｔ ｓａ ｇ ｒ ｈ ｔ ｈｈ ｉ ｈ ｍａ ｅ ｃ ｎ ｂ ｅ ｍ ｅ ｅ ｆｅ ｔ ｅ ｙ ｅ ｅ ｆ ｔ ｓｕ ｅ ｅ ｎ ｏ ｉ ｇ ｅ ｍｏ ａ ｒｂ ｍ ｏ ａ ｎ ． ｈｅ ｓ ｇ ｎ ａ ｉ ｎ ｒ ｓ ｌ ｈ ｓ ｍｏ ｅｄｅ ａｌ ， ｉ ｈ ｉ ｏ ａ ｅ ｓ ｇ ｎｔｄ ｅ ｆ ｃ ｉ ｌ ｖ ｎ ｉ ｎ ｖ ｎ ａ ｄ ｎ ｔｔ ｓｎ ｌ — ｄ ｏ ｉ ｄ ｌｏ ｅ Ｔ ｅ ｍｅ ｔ ｔ ｅ ｕ ｔ ａ ｒ ｔ ｉｓ ｗｈ ｃ ｓｇｏ ｄ ｖ ｉｉ ｈｅ ｌ ｏ ｔ ｅｆ ａ ｕ ｅ ｅ ｔａ ｔｏ ． ｘ ｅ ｍ ｅ ｔｗｉｈＬｅ ａ ｉ ｇ ａ ｅ ａ ｄ ｇ ｄ ｒ ｓ ｌ ｉ ｏ ｔ ｉ ｅ ｏ ｔ ｅ ｔ ｒ ｘ ｃ ｉ ｎ Ａｎ ｅ ｐ ｒ ｎ ｔ ｎ ｈ ｒ ｉ ｍａ ｅｉ ｍ ｄ ｎ ｏｏ ｅ ｕ ｔ ｓ ｂ ａ ｎ ｄ． ｓ
改进OTSU算法以及边缘检测的图像分割算法的相关研究
２ ． １ 初 始 阈 值 分 割 这 种 方 法可 以参考 整 个 图像 的 平均 灰 度值 ， 进 行 合理 分 割 ， 能
够 简化 计算 阈 值 的过 程 ， 而 且 计算 的时 效性 特 点突 出。 如 假设 图像
原 圈
改 进后 ０Ｓ Ｔ Ｕ 处理
大小为 ｍ ｘ ｉ ＂ １ ， 初始 阈值公式 为 ：
粤
式 １ ３ 阚值 的 选取 ，而且 能够 最 大限 度地 保 护 图像的 边 缘特 征 ，保证 图像
能够 有 效计 算 图像 目标 和背 景的 方 差值 ， 并利 用 图像 信息进 行最 佳
计算 阈值 Ｔ Ｏ ， 并将 阈 值设 为图像 的平均 灰 度值 ， 其 目标 亮度 是 的实 际分割 效 果， 该 方法 简单易 算， 能 够较 快地 处理 图像信息 ， 应用 高于 图像背 景的 。 此 外一 般复 杂背 景 的 图像灰 度值 有 时会高于 平均 前景 广泛。 灰度， 容 易造 成 分割 错 判。 分割 图像 必 须保 证 目标 的 灰度 值 高于 背 参考 文献 景 的均 值 ， 因此必 须要 确定 阈值 的取 值 范围， 以保证 图像完 整分 割 。 ２ ． ４ 求 最佳 闽值 通 过 上 文叙 述 ， 我们 可使用 Ｏ Ｓ Ｔ Ｕ 计算 出最佳 阈值 ， 改进 后 的 阚 值能 够保证 图像在 分割 时更加 有效 地进 行 图像 分割 。
１最大 类问 方差法 的原 理
一‘
・
’ 。
公式 １ ４
广 ？一 ：
ｌ 詈 － ｉ 署 公 式 １ ５
利 用 试 验 图 像 的 水 平 和 垂 直 的 差 分 进 行 计 算 ，并 算 出 向
ｇ ｆ ｘ ． ｛ ｆ ， ｒ ＂ 一 — ｔ ， ３一 ’ ． 一 ｆ ， ｊ一 １ 卜． ｒ （ ＋ｉ ， ） ］ ‘ ， ’ ：公式 １ ６
一种基于PCNN和改进的OTSU的图像分割算法
图像分割［１２］是将一幅图像分成若干个独立的子 图像并获得目标图像的技术，是图像分析和处理的重 要内容，经典的分割方法有：阈值法、区域生长法、小波 分割法等。其中最有效的方法是基于灰度的阈值分 割，阈值选择是图像正确分割的关键，不正确的阈值有 可能会造成过分割或者欠分割。
脉冲耦 合 神 经 网 络 （ｐｕｌｓｅｃｏｕｐｌｅｄｎｅｕｔｒａｌｎｅｔ ｗｏｒｋ，ＰＣＮＮ）是模拟猫、猴等动物视觉神经系统的一 种人工神经网络［３］，浓厚的仿生学背景使其与传统人
犃犫狊狋狉犪犮狋：Ｔｈｅｐｕｌｓｅｃｏｕｐｌｅｄｎｅｕｒａｌｎｅｔｗｏｒｋ（ＰＣＮＮ）ｉｓｗｉｄｅｌｙｕｓｅｄｉｎｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｉｎｒｅｃｅｎｔｙｅａｒｓ．Ｈｏｗｅｖｅｒ，ｄｕｅｔｏｔｈｅ ｄｒａｗｂａｃｋｓｏｆｎｕｍｅｒｏｕｓｐａｒａｍｅｔｅｒｓ，ｃｏｍｐｌｅｘｃｏｍｐｕｔａｔｉｏｎ，ｍａｎｕａｌｄｉｓｔｉｎｇｕｉｓｈｉｎｇｆｏｒｔｈｅｎｕｍｂｅｒｏｆｉｔｅｒａｔｉｏｎｓａｎｄｔｈｅｍｅｄｉｏｃｒｅａ ｄａｐｔａｂｉｌｉｔｙｆｏｒｌｏｗｃｏｎｔｒａｓｔｉｍａｇｅｓ，ａｎｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍ ｗａｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｆｉｒｓｔ，ＰＣＮＮｐａｒａｍｅｔｅｒｓｗｅｒｅｓｉｍｐｌｉｆｉｅｄ ｔｏｓｉｎｇｌｅａｄｊｕｓｔａｂｌｅｐａｒａｍｅｔｅｒｓ．Ｔｈｅｎ，ｔｈｅｉｍａｇｅｃｏｎｔｒａｓｔａｓａｎｅｗｊｕｄｇｅｆａｃｔｏｒｗａｓａｄｄｅｄｔｏｔｈｅＯＴＳＵｄｉｓｃｒｉｍｉｎａｎｔａｌｇｏｒｉｔｈｍｔｏ
基于改进的Otsu算法的遥感图像阈值分割
基于改进的Otsu 算法的遥感图像阈值分割韩青松1,贾振红1,杨 杰2,庞韶宁31.新疆大学信息科学与工程学院,新疆乌鲁木齐 830046;2.上海交通大学图像处理与模式识别研究所,上海 200240;3.新西兰奥克兰理工大学知识工程与开发研究所,新西兰奥克兰 1020提要:传统的Otsu 算法仅仅适用于目标与背景分布均匀的图像,在处理遥感图像时具有一定的局限性。
本文在分析传统的Otsu 算法原理的基础上,结合遥感图像灰度级多、信息量大和边界模糊的实际情况,提出了一种改进的O ts u 算法,用图像的方差信息代替均值信息计算最佳的分割阈值,实现遥感图像阈值分割。
实验仿真结果表明,与传统的Otsu 算法以及其它的一些改进的Otsu 算法相比,本文算法具有明显的优越性。
关键词:Otsu 算法;方差信息;均值信息;遥感图像阈值分割中图分类号:TP391.41 文献标识码:A 文章编号:0253-2743(2010)06-0033-02Remote sensing image thresholding segmentation based on the modified Otsu algorithmHAN Qing-s ong 1,JIA Zhen-hong 1,YA NG Jie 2,PA NG Shao-ning 31.College of Information Science and Engineering,Xi njiang Uni versity,Urumqi 830046,China;2.Ins titute of Image Processing and Pattern Recogniti on,Shanghai Jiaotong University,Shanghai 200240,China;3.Knowledge Engi neering and Dis covery Res earch Ins ti tute,Auckland Universi ty of Technology,Auckland 1020,Ne w ZealandAbs tract:The traditional Otsu algorithm only sui t w ell-di stributed images in target and background.When us ed in processing the remote sensi ng i mages,it exis ts s ome limitati ons.Based on the traditi onal Ots u .s princi ples,this paper proposes a modified Otsu algorithm which combines the charac ters of the remote sensing image:more gray-scale ,great information and fuzz y boundaries.In order to calculate the optimum thres hold of the re mote sensi ng image,thi s paper uses the variance information ins tead of the mean information.Co mpared with the tradi ti onal Otsu algorithm and other modified algorithms,the experi mental resul t show that this al gori thm has obvious advantages.K ey words :Otsu al gori thm;variance information;mean information;remote s ensing i mage thresholdi ng segmentati on收稿日期:2010-10-11基金项目:科技部国际科技合作项目(项目编号;2009DF A12870)作者简介:韩青松(1983-),男,硕士研究生,主要研究方向:数字图像处理。
一种改进的基于递归门限分析的红外舰船目标图像分割方法
第36卷，增刊 红外与激光工程 2007年9月 V ol.36 Supplement Infrared and Laser Engineering Sep.2007收稿日期：2007-07-12一种改进的基于递归门限分析的红外舰船目标图像分割方法何友金1，李凯永2，任建广2（1.海军航空工程学院 控制工程系，山东 烟台 264001； 2.海军航空工程学院 研究生管理大队，山东 烟台 264001）摘要：红外舰船目标的图像分割一直是国内外极为关注的热点问题。
针对传统Otsu 分割方法在目标的相对面积较小时背景信息容易误分的问题，在对舰船目标背景红外成像特性分析的基础上，改进了基于递归门限分析的Otsu 法，并对传统Otsu 法、基于递归门限分析的Otsu 法和改进的方法做了对比实验，实验结果表明，改进后的方法能快速有效的完成对红外舰船目标的分割。
关键词：图像分割；阈值；递归分析；红外目标识别中图分类号：TP391 文献标识码：A 文章编号：1007-2276(2007)增(探测与制导)-0267-04Improved method of infrared ship target segmentation based onrecursive threshold analysisHE You-jin 1,LI Kai-yong 2,REN Jian-guang 2(1.Department of Control Engineering of Naval Aeronautical Engineering Institute, Yantai 264001,China;2.Graduate Students’ Brigade of Naval Aeronautical Engineering Institute, Yantai 264001,China)Abstract: Problem of infrared ship target image segmentation is focused at home and abroad. In allusion to the problem of traditional method of Otsu that background information being erroneously divided when object size is relative, based on analyzing the infrared imaging characteristic of ship’s background, the paper improved a method of infrared image segmentation arithmetic based on the recursive threshold analysis, and compared it with Otsu and based on the recursive threshold analysis arithmetic by segmenting infrared ship target, the result shows that the improved method can segment ship target more effectively and quickly.Key words: Image segmentation; Threshold; Recursive analysis; Infrared target recognition0 引 言海上舰船目标尤其是作战舰船目标的图像分割一直是国内外极为关注的热点问题，因为它是海上可靠捕获、识别舰船目标的重要基础和前提。
基于改进的Otsu准则的递归图像分割算法
基于改进的Otsu 准则的递归图像分割算法蔡燕柳,贾振红(新疆大学信息科学与工程学院,新疆乌鲁木齐 830046)提要:基于最大类间方差阈值图像分割算法的基本原理,然后结合目标与背景两类之间间距和类内距离对图像分割效果的影响,提出了一种改进的最大类间方差法,运用递归思想局部搜索图像的最佳阈值。
这样不但缩短了计算时间,而且具有较好的自适应特点。
该算法在图像背景不均匀或者图像的直方图不是简单的单峰、双峰图像的情况下可以进行有效的分割,分割后的图像细节更加丰富,能有效的去除噪声的干扰,有利于分割后的特征提取。
本文对理论结果进行了仿真实验,获得了较好的分割效果。
关键词:图像分割:Ots u 准则;递归分割;阈值中图分类号:TN911.73 文献标识码:A 文章编号:0253-2743(2008)04-0028-03A recursive image segmentation algorithm based on the modified Otsu .s ruleCAI Yan-liu,JIA Zhen-hong(School of Information Science and Engineering,Xi njiang Uni versity,Urumuqi 830046,China)Abs tract:Based on the principle of O ts u method with maxi mum vari ance bet ween thres hold al gori thm of image segmentati on,an i mproved method derived from Otsu algorithm is put forward,which combi nes i nterclass dis tance with intraclas s distance,a partial recursive algorithm i s used to search opti mum threshold.It not only reduces the running ti me,but als o has better self-adaptability.With this algorithm,the image can be segmented effec tively even if i t is uneven and not the single-modal or bi modal one.The s egmentation res ult has more details,and can remove the disturbance of the noise,which is good to feature extracti on.An e x -peri ment wi th the result of theory is made and good result is obtained.K ey words :i mage segmentation;Otsu rule;recursive segmentati on;thres holding收稿日期:2008-04-05基金项目:教育部新世纪优秀人才支持计划(项目批准号:NCET-05-0897)作者简介:蔡燕柳(1982-),男,江西宜春人,硕士研究生,目前主要从事数字图像处理的研究。
一种结合改进OTSU法和改进遗传算法的图像分割方法_李贤阳
是图像处理和计算机视觉中基本而 关 键 的 技 术 之 一， 也是图像理解与模式识别的前 提
［2 ］
图像分割
。阈值分割是图像分割的最常用的方法， 通过选
取适当的阈值， 将原图像中的目标与背景分开， 为后续 、 。 ， 的分类 识别提供依据 如何选取最优阈值 保证最好 的分割效果， 一直是阈值分割的难点。 人们已经提出
2 2
（ 9）
当 G （ t ） 取最大值时所对应的灰度级即为所求的 最佳阈值 Th。即： T hopt = arg max［ G （ t） ］ 1． 3 t ∈ GL （ 16 ） 改进遗传算法 IGA 及其与改进 OTSU 法的结合
（ 10 ）
+
应用 OTSU 法求阈值的过程其实就是寻找 （ 16 ） 式最优 解的过程， 所以完全可以使用改进遗传算法来完成这 一工作。 改进遗传算法结合 OTSU 算法的主要步骤归纳如 下： ( 1 ) 编码与解 码。 采用二进制编码方式， 由于图 t ） 编码为 16 位 像的灰度值为 0 255 ， 因此将阈值 （ s， 二进制串， 前 8 位表示阈值 s， 后 8 位表示阈值 t； 解码 16 时则是将 位二进制串分别解码为两个 0 255 之问 的数， 以求其适应度值。 ( 2 ) 产生初始群体。初始群体的规模影响遗传算 法的执行效率和结果。 规模太小时， 意味着搜索空间 不利于求取最优解； 规模太大时， 则将增加计算 有限， 复杂性。 ( 3 ) 适应度函数。采用式（ 16 ） 作为适应度函数。 ( 4 ) 选择。在此选择转轮法作为选择方法。它是 能够根据与适应度值成正比的概 一种正比选择策略， 率选出新的种群。 ( 5 ) 交叉。采用双点交叉， 两个交叉点分别位于 16 位二进制串的前 8 位和后 8 位， 交叉概率则根据式 （ 3 ） 进行自适应调整， p = 0． 9。 初始化 c1 ( 6 ) 变异。采用基本变异算子， 变异概率根据式 （ 4 ） 计算， 初始化 p m1 = 0． 1 。 ( 7 ) 终止条件。当算法执行到最大代数或者经过 30 代进化后， 群体中的最高适应度值仍未发生变化 时， 算法停止运行， 此时具有最高适应度值的个体即为 最佳阈值。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于改进的Otsu 准则的递归图像分割算法蔡燕柳,贾振红(新疆大学信息科学与工程学院,新疆乌鲁木齐 830046)提要:基于最大类间方差阈值图像分割算法的基本原理,然后结合目标与背景两类之间间距和类内距离对图像分割效果的影响,提出了一种改进的最大类间方差法,运用递归思想局部搜索图像的最佳阈值。
这样不但缩短了计算时间,而且具有较好的自适应特点。
该算法在图像背景不均匀或者图像的直方图不是简单的单峰、双峰图像的情况下可以进行有效的分割,分割后的图像细节更加丰富,能有效的去除噪声的干扰,有利于分割后的特征提取。
本文对理论结果进行了仿真实验,获得了较好的分割效果。
关键词:图像分割:Ots u 准则;递归分割;阈值中图分类号:TN911.73 文献标识码:A 文章编号:0253-2743(2008)04-0028-03A recursive image segmentation algorithm based on the modified Otsu .s ruleCAI Yan-liu,JIA Zhen-hong(School of Information Science and Engineering,Xi njiang Uni versity,Urumuqi 830046,China)Abs tract:Based on the principle of O ts u method with maxi mum vari ance bet ween thres hold al gori thm of image segmentati on,an i mproved method derived from Otsu algorithm is put forward,which combi nes i nterclass dis tance with intraclas s distance,a partial recursive algorithm i s used to search opti mum threshold.It not only reduces the running ti me,but als o has better self-adaptability.With this algorithm,the image can be segmented effec tively even if i t is uneven and not the single-modal or bi modal one.The s egmentation res ult has more details,and can remove the disturbance of the noise,which is good to feature extracti on.An e x -peri ment wi th the result of theory is made and good result is obtained.K ey words :i mage segmentation;Otsu rule;recursive segmentati on;thres holding收稿日期:2008-04-05基金项目:教育部新世纪优秀人才支持计划(项目批准号:NCET-05-0897)作者简介:蔡燕柳(1982-),男,江西宜春人,硕士研究生,目前主要从事数字图像处理的研究。
图像分割是数字图像处理中的一项极为重要而且棘手的问题,是由图像处理到图像分析的关键步骤,也是进一步图像理解的基础。
从20世纪70年代起,图像分割技术就引起了关注,很多研究人员为此付出了大量的心血,目前有相当多的图像分割方法11-52,而且这方面的研究仍然在积极的进行。
尽管人们在图像分割方面做了许多工作,但至今仍无通用的分割算法,也不存在一个判断分割是否成功的客观标准。
目前已经提出的分割算法大都是针对具体问题的,并没有一种适合于所有图像的通用的分割算法,所以上述算法存在很多局限性。
阈值化法是一种极为重要且广泛使用的图像分割方法。
它是利用图像中要提取的目标物与背景每一个像素点应该属于目标还是属于背景区域,从而得到相应的二值化图像。
早期提出的阈值分割算法11,4,8,9,102,其基本思想都是求取目标函数,然后对目标函数求取最大值时所对应的那个阈值就是最佳阈值。
这种算法虽然解决了阈值分割门限的选取问题,优于常用的灰度差直方图法、微分直方图法等。
但由于缺乏自适应性,会造成噪声干扰和过分割现象,同时也需要大量的运算时间。
为此最近几年又提出了一些算法,如用遗传算法解决图像分割问题112,162,而基于模糊聚类分析的图像分割算法是图像分割领域中一类极其重要和应用相当广泛的算法15,14,172,还有用神经网络处理图像分割也是这两年研究的一大热点1182。
这些算法较文献11,2,4,8,9,102所提出的算法效果有所增强,避免了阈值设定的问题,而且聚类过程中不需要任何人工的干预,但是仍然存在着不足之处,比如遗传算法所需要的迭带次数可能有所增加,用聚类分析算法的聚类类别数难以确定,迭带容易陷入局部极值的问题,迭带过程中的计算量太大,空间结构信息未能有效利用,容易产生过分割现象等等。
基于上述提出的这些问题,本文提出了一种新的算法,创新点是通过对最大类间方差法的改进,采用局部递归分割算法,利用目标与背景的差异性决定递归的次数和每次分割进行的局部区域,与传统的算法11,2,8,9,102,和近两年所提出的一些算法112,14,16,17,182比较,提高了运算速度。
通过对一幅沙漠植被图像进行仿真实验,结果表明该算法分割效果优于传统以及一些改进的算法,并且简单易实现,能在有效滤除噪声的同时很好的保护图像的细节,即目标部分,对比于文献112和116,172中所提出的算法,在速度和性能方面都显示出了优势。
1 基本原理1.1 最大类间方差阈值分割法最大类间方差法(Otsu 法)是1979年N.Otsu 提出的动态阈值方法,它的基本思想是利用图像的灰度直方图,以目标和背景的方差最大来动态的确定图像的分割阈值,通过它的基本原理我们可以得到Otsu 方法求出图像最佳阈值的公式为t *=Arg M a x 0F t F L-11p a (w a -w 0)2+p b (w b -w 0)22(1)具体的数学推导和理论部分以及各个变量所代表的物理意义可以参考文献1121.2 改进的最大类间方差阈值分割方法采用阈值法进行图像分割的关键在于选择阈值。
在图像分割时,阈值选取的过高或者过低都不利于图像分割后的特征提取、目标识别、图像分析等一系列处理。
所以如何找到一个合适的阈值使得图像分割的效果达到最好就显得特别重要。
通过参考文献112我们可以知道,阈值分割出来的两部分要尽量远离图像中心,即使w a 、w b 之间的距离尽可能的大,这样目标和背景就分得越开。
我们不妨假设一个距离度28蔡燕柳等:基于改进的Otsu 准则的递归图像分割算法 5激光杂志62008年第29卷第4期 LASER J OURNAL(Vol.29.No.4.2008)量(取距离的平方)即:d 2(t )=(w a -w b )2(2)可以看出,d 2(t )越大,两类间距就越大,目标和背景就分得越开,分割效果就越好。
同时两类内中的各像素与类中心之间的距离应该是越小越好,说明各类内中的像素内聚性好,因此引入两类平均方差的概念,用来度量内聚性的好坏,即:920(t )=1p a r 0F i F t(i -w a )2p (i)(3)921(t)=1p b r t+1F i F L-1(i -w b )2p (i)(4)显然,920(t )和921(t)越小,每个类内的像素越均匀,内聚性越好,那么分割的效果就越好。
因此同时考虑这两个因素,既要保持类间距离最大,又要做到每个类的内聚性好,这样才能获得最佳的分割效果。
基于这个要求,本文在分析Otsu 的基础上提出了一个新的阈值选取方法,阈值求取公式为G(t )=p a p b d 2(t)920(t)+921(t)=p a p b (w b -w a )292o (t)+921(t )(5)其中p a 代表目标部分的比例,p b 代表背景部分的比例,w a 代表目标灰度均值,w b 代表背景灰度均值,w 0是整副图像的灰度总均值。
当式(6)取最大值时所对应的灰度级即为所求的最佳阈值t *,即t *=Arg M a x 0F t F L-1p a p b (w b -w a )2920(t)+921(t)(6)2 递归分割算法算法基本思想是首先用上述改进的Otsu 方法对整幅图像进行分割,快速得到初始的分割阈值T ,令大于门限T 的像素p 1不变,小于门限T 的则置为0。
这样在T 的周围就确定了一个较小的灰度级范围作为递归分割的初始搜索范围,然后判断是否符合递归分割的终止条件,如果不符合,则继续对p 1进行分割,直到满足终止条件为止。
不同的目标图像,递归终止条件也不同。
为了使得递归终止条件有较好的适应性,本文引出了距离度量和两类像素的平均方差来确定局部递归分割的终止条件。
具体的算法实现如下:¹使用改进的Otsu 算法计算整个图像的首次分割阈值T;º根据T ,计算图像中大于阈值T 的像素的灰度均值和平均方差,令w 1为图像中大于T 的像素的灰度均值,92(t)为图像中大于T 的像素的平均方差。
整个图像的灰度均值w 0和平均方差92a (t )可以通过参考文献112来求得。
如果w 1-w o w 0E 0.2并且92(t)-92a (t)92a (t)E 0.1;(其中参数0.1、0.2可以根据实验情况进行调整),以使满足分割出的效果得到最好的结果为准,则继续递归,否则递归结束。
得到递归终止条件后,就比较容易使用该算法对图像进行递归分割,得到分割的最终结果。
这里的递归思想是在松弛余量范围内搜索,因此,会大大减少搜索最优阈值T 的时间,提高图像分割的效率。
3 实验仿真结果与分析仿真实验是在Matlab7.0环境下完成的。
本文对一幅沙漠植被图像进行仿真实验,如图1(a)所示,沙漠植被图像的大小是956@908,灰度级为256,(从0-255)。
在图1(a)所示的标准原始图像中,分别采用文献112即最大类间方差法、文献1162即利用模拟退火遗传算法,文献1172即基于模糊C-均值聚类算法及本文所提出的算法对原始灰度图像进行分割。
图1(b)分析了沙漠植被图像的直方图(灰度分布情况),图1(c)为文献112即经典最大类间方差法的分割结果,图1(d)为文献1162即基于模拟退火遗传算法实现图像阈值分割的结果,图1(e)为文献1172即基于模糊C-均值聚类算法实现图像阈值分割的结果,图1(f)为本文提出的算法的分割结果。