基于Renyi交叉熵与高斯分布的图像阈值分割方法
【专利摘要】基于Renyi交叉熵与高斯分布的图像灰度直方图阈值分割方法，包括步骤：1初始化Renyi交叉熵指数α；2读取待分割的灰度图像并将其存入一个二维图像数组I中；3遍历图像数组I，计算得到图像最大灰度级数L及灰度级集合G={0,1,…,L}；4假定t为分割阈值，t将图像像素分为归属于两个不同类的灰度级集合C0与C1；5用公式计算出关于C0与C1的先验概率P0及P1、灰度级均值M0与M1，C0与C1的类方差S0与S1，图像每个灰度级i关于C0与C1的类概率与，图像灰度级i用高斯拟合得到的归一化后验概率；经过定义图像关于Renyi交叉熵的具有对称性的信息量；得到最优分割阈值；最后输出分割后的图像。
【专利说明】
基于Reny i交叉熵与高斯分布的图像阈值分割方法
技术领域
[0001] 本发明属于图像处理技术领域，更进一步涉及图像分割技术领域的一种基于 Reny i交叉熵与高斯分布的图像阈值分割方法。
【背景技术】
[0002] 图像分割是基于机器视觉的图像处理任务中的一个关键环节，它是实现图像目标 特征抽取、识别、检测及图像分析与理解的基础。在众多的图像分割方法中，由于阈值分割 方法的简洁有效及易于实现性而成为科学研究及应用实践中得到广泛采用的分割技术。
[0003] 阈值分割技术可分为参数法和非参数法。由于非参数法在进行图像分割时仅需设 计一准则函数而少有大量参数的估计从而带来计算时间的减少，而且有效性从理论和实践 方面都能得到较好验证，因此这类方法的研究和应用在实践中都极为活跃。著名的非参数 法有如最大类间方差法（也称为Otsu法）、最大熵(ME)法、最小交叉熵(MCE)法、Renyi熵法 等。
[0004] 图像是一个复杂的物理系统，到目前为止还没有一种普适的分割方法适用于所有 的图像分割任务，所以面对不同的分割任务(如对NDT图像的分割），研究和提出切实有效的 分割方法在目前而言仍然是一个极具挑战的工作。
【发明内容】
[0005] 本发明的目的在于为应对复杂的图像分割任务而提出一种基于Renyi交叉熵与高 斯分布的图像阈值分割方法。
[0006] 本发明通过以下技术方案来实现上述目的： 基于Renyi交叉熵与高斯分布的图像阈值分割方法，包括如下步骤： (1) 初始化Reny i交叉熵指数α (α>〇且α乒1); (2) 读取待分割的灰度图像，并将其存入一个二维图像数组I中； (3) 遍历图像数组I，计算得到图像最大灰度级数L及灰度级集合G={0, 1，…，L}，计 算归一化的灰度直方图H(H={h〇, lu，…，hL}); (4) 假定t为分割阈值，t将图像像素分为归属于两个不同类的灰度级集合Co与C1, C0= {0, 1, 2, ···, t},C〇={t+l, t+2, ···, L}； (5) 用H做为图像灰度级的概率密度函数估计，则可以用以下公式计算出关于Co与&的 先验概率、灰度级均值Mo与M1;
公式四
(6)为了用高斯分布拟合图像灰度级概率分布，用以下公式计算关于Co与&的类方差So 与Si; 值
(12)输出分割后的图像。
[0007] 本发明的有益效果:本发明采用具有坚实物理学背景的Renyi交叉熵做为图像阈 值分割的准则函数，使本发明与其它方法相比具有更加明确的物理学意义;本发明采用广 泛用于模拟自然界事件发生概率的高斯分布拟合图像灰度级像素的概率分布，使本发明具 有更好的普适性;本发明采用经过大量测试普适性较强、性能优越的对称Renyi交叉熵做为 图像阈值分割的准则函数，进一步提高了灰度图像的分割质量;在对图像进行阈值分割时， 本发明可以通过调整Renyi交叉熵参数α值获得不同的分割阈值，这使本发明具有更好的应 对不同图像分割任务的潜能。
[0008] 本发明是一种基于图像灰度级直方图的分割技术。由于自然图像的复杂性，对图 像实施有效的分割是一件很困难的工作。用高斯分布来拟合图像灰度级直方图的概率分布 是一种较合理的估计，然后借用具有可调熵参数的对称Renyi交叉熵来构建图像阈值分割 的准则函数，这也正是本发明的核心思想。
[0009] 实验表明，对于具有8位256级灰度的多幅测试图像，在一台CPU为Intel(R) Core (TM)2 Duo CPU T8100 @ 2.10GHz，操作系统为Window XP，编程环境为MATLAB R2007b的条 件下执行相应的图像分割任务，应用本发明得到的分割图像区域内部均匀，轮廓边界准确， 分割结果要优于Otsu法、最大熵(ME)法、最小交叉熵(MCE)法、Renyi熵法等传统方法；另外 通过调节熵参数α值也使本发明具有更好的普适性。
【附图说明】
[0010]图1是本发明的流程框图。
[0011]图2是三幅NDT图像及其专家分割结果。
[0012 ]图3是相比较的5种方法对NDT图像img 1的分割结果。
[0013 ]图4是相比较的5种方法对NDT图像img2的分割结果。
[0014]图5是相比较的5种方法对NDT图像img3的分割结果。
[0015]图6是一幅待分割的红外图像img4和一幅血细胞图像img5。
[0016]图7是相比较的5种方法对红外图像img4的分割结果。
[0017]图8是相比较的5种方法对血细胞图像img5的分割结果。
【具体实施方式】
[0018]下面结合附图对本发明作进一步说明。
[0019] 步骤1.设定Renyi交叉熵指数α(α>〇且α辛1)值，初始化图像最小Renyi交叉熵 MinRE为无穷大。
[0020] 步骤2.读取如图2所示的待分割图像，并将其存入一个二维图像数组I中。
[0021] 步骤3.遍历图像I，获取图像最大灰度级数L、灰度级集合G，计算得到归一化的灰 度级直方图H。
[0022] 步骤4.假定t为关于图像I的一个灰度直方图分割阈值，该阈值把G分成Co与(^两 部分。
[0023] 步骤5.计算关于Co与C1的先验概率Pt^P1、灰度级均值Mo与M 1、类方差So与Su
[0024] 步骤6.根据高斯分布原理计算图像灰度级i关于Co与&的类概率^与义;及归一 化的后验概率Pi。
[0025] 步骤7.根据Renyi交叉熵原理计算图像灰度级直方图概率向量与高斯拟合概率 向量的Renyi交叉熵信息量D。
[0026]步骤8.根据最小Renyi交叉熵原理求取最佳分割阈值t*。
[0027] 步骤9.用C对图像I实施阈值分割并输出分割图像。
[0028] 本发明效果可以通过以下实验进一步说明： 1)实验条件 实验仿真环境为：一台CPU为Intel(R) Core(TM)2 Duo CPU T8100 0 2.10GHz，操作系 统为Window XP，编程环境为MATLAB R2007b的PC机;实验图像为:三幅最大灰度级为255的 NDT图像imgl、img2、img3及一幅红外图像img4和一幅血细胞图像img5。
[0029] 2)实验内容 2.1)用Otsu法、最大熵(ME)法、最小交叉熵(MCE)法、Reny i熵法及本发明五种方法对三 幅NDT图像：[11^1、;[11^2、;[11^3进行实验，本实验中本发明方法中的1^117；[交叉熵指数设定为 0.8,五种分割方法实验结果如图3-5所示。图2列出的是待分割的三幅NDT原始图像及其专 家分割结果，其中图2(a)为imgl原图像、图2(b)为img2原图像、图2(c)为img3原图像、图2 (d)是imgl图像的专家分割结果、图2(e)是img2图像的专家分割结果、图2(f)是img3图像的 专家分割结果。图3是五种方法对imgl图像的分割结果，其中图3(a)是Otsu法结果，图3(b) 是ME法结果，图3(c)是MCE法结果，图3(d)是Renyi熵法结果，图3(e)是本发明分割结果；图4 是五种方法对img2图像的分割结果，其中图4 (a)是Ot su法结果，图4 (b)是ME法结果，图4 (c) 是MCE法结果，图4(d)是Renyi烟法结果，图4(e)是本发明分割结果；图5是五种方法对img3 图像的分割结果，其中图5 (a)是Otsu法结果，图5 (b)是ME法结果，图5 (c)是MCE法结果，图5 (d)是Renyi熵法结果，图5(e)是本发明分割结果。
[0030] 2.2)用OtSU法、ME法、MCE法、Renyi熵法及本发明五种方法对一幅红外图像img4及 一幅血细胞图像img5进行分割实验，在本实验中，针对img4分割时本发明Renyi交叉熵指数 设定为0.8,对img5分割时本发明Renyi交叉熵指数设定为1.5,五种分割方法实验结果如图 7-8所示。图6列出的是实验用的一幅红外img4和一幅血细胞图像img5,其中图6(a)是img4 原图，图6(b)是img5原图。图7是五种方法对img4的分割结果，其中图7(a)是Otsu法结果，图 7 (b)是ME法结果，图7 (c)是MCE法结果，图7 (d)是Renyi熵法结果，图7 (e)是本发明分割结 果；图8是五种方法对img5的分割结果，其中图8(a)是Otsu法结果，图8(b)是ME法结果，图8 (c)是MCE法结果，图8(d)是Renyi烟法结果，图8(e)是本发明分割结果。
[0031] 3)实验结果分析 从图3-5及图7-8的分割结果可以看出，无论是Otsu法，ME法，MCE法，还是Renyi熵法，在 实验图像分割上都不能很好的把要关注的目标分割出来，在分割结果图中还残留有较多的 噪声点信息，分割结果区域一致性较差，这些现象在对NDT图像的分割上表现尤为明显，本 发明在这方面表现要优于对比方法。
[0032]表1结出了不同方法对imgl、img2、img3分割结果比较。表1中数据表示错误分类像 素点个数与图像像素点总数的百分比，即错误分类像素点个数/图像像素总数X 100%。在这 里把图2中的专家分割结果作为原始图像的正确分割结果，错误分类像素点个数是通过各 方法的分割结果与专家分割结果进行比较得到的。从表1可以看出，本发明得到的分割结果 误分率最低，最接近于专家通过手工分割得到的结果。
[0033] 表1. NDT图像误分率比较
【主权项】
1.基于Renyi交叉熵与高斯分布的图像灰度直方图阈值分割方法，其特征在于，包括如 下步骤： (1) 初始化Renyi交叉熵指数α(α>〇且α乒1); (2) 读取待分割的灰度图像，并将其存入一个二维图像数组I中； (3) 遍历图像数组I，计算得到图像最大灰度级数L及灰度级集合G={0, 1，…，L}，计 算归一化的灰度直方图H(H={h〇, lu，…，hL}); (4) 假定t为分割阈值，t将图像像素分为归属于两个不同类的灰度级集合Co与ChCF {0, 1, 2, ···, t},C〇={t+l, t+2, ···, L}； (5) 用H做为图像灰度级的概率密度函数估计，则可以用以下公式计算出关于Co与(^的 先验概率、灰度级均值Mo与施；(6) 为了用高斯分布拟合图像灰度级概率分布，用以下公式计算关于CQ与(^的类方差So 与Si;(7) 用以下公式计算图像每个灰度级i关于(^与心的类概率尹|与(8) 用公式九计算图像灰度级i用高斯拟合得到的归一化后验概率；(9) 基于以上假设，定义图像关于Renyi交叉熵的具有对称性的信息量公式D;(10) 在G={0，1，…，L}范围内搜索使下式获得最小值的灰度级t'tl卩最优分割阈 值；(11) 设/ U，/)表示图像I坐标(H)处的像素灰度值，则可用下式对图像I实施分割；(12) 输出分割后的图像。
【文档编号】G06T7/00GK106056618SQ201610401927
【公开日】2016年10月26日
【申请日】2016年6月8日
【发明人】聂方彦, 张平凤, 李建奇, 罗佑新
【申请人】湖南文理学院