本發(fā)明屬于圖像信息處理領(lǐng)域，涉及紅外圖像分割方法，可應(yīng)用于紅外目標(biāo)探測(cè)和跟蹤系統(tǒng)。

背景技術(shù)：
圖像分割，是指將一幅圖像分解成各個(gè)有意義的部分或物體，它是計(jì)算機(jī)視覺(jué)領(lǐng)域和圖像信息處理領(lǐng)域中最底層的處理技術(shù)。圖像分割在圖像分析和模式識(shí)別方面起著重要的作用，是圖像目標(biāo)特征提取、識(shí)別、跟蹤及分類(lèi)的基礎(chǔ)。其中，紅外圖像分割在目標(biāo)對(duì)象自動(dòng)識(shí)別中起著的特殊作用。近年來(lái)，中外學(xué)者在紅外圖像分割的技術(shù)探索方面做出了很多貢獻(xiàn)，并提出了許多方法，如邊緣檢測(cè)法、閾值分割法、區(qū)域生長(zhǎng)法等。其中，閾值分割法因其實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小、自適應(yīng)性強(qiáng)、性能較穩(wěn)定且不許需要先驗(yàn)知識(shí)而成為圖像分割中最基本和應(yīng)用最為廣泛的分割技術(shù)。1975年Otsu在一篇關(guān)于灰度直方圖的閾值選擇技術(shù)的文章中提出了最為經(jīng)典、應(yīng)用最為廣泛的最大類(lèi)間方差法。1980年P(guān)un將信息論中熵是平均信息的一種標(biāo)準(zhǔn)這一理論首先引入到圖像分割技術(shù)中來(lái)，將后驗(yàn)熵最大的灰度值作為最佳閾值。但上述兩種方法均是二元分類(lèi)方法，1989年Lim和Lee在一篇基于閾值和模糊C均值技術(shù)的彩色圖像分割算法的文章中提出了通過(guò)求導(dǎo)的方式直接對(duì)高斯平滑后的灰度統(tǒng)計(jì)直方圖求峰谷值，并由對(duì)應(yīng)的波谷值位置作為分割圖像的多個(gè)閾值，實(shí)現(xiàn)了多元分類(lèi)。傳統(tǒng)的多閾值算法分割圖像的實(shí)現(xiàn)過(guò)程為：首先，計(jì)算輸入圖像的灰度統(tǒng)計(jì)直方圖；其次，選擇合適的高斯平滑因子對(duì)灰度統(tǒng)計(jì)直方圖曲線進(jìn)行平滑，以濾除灰度統(tǒng)計(jì)直方圖中的無(wú)意義波峰；最后，計(jì)算平滑后灰度統(tǒng)計(jì)直方圖的波谷位置，并將其作為分割圖像的多個(gè)閾值，完成圖像的分割。由于傳統(tǒng)的多閾值分割方法不需要任何先驗(yàn)知識(shí)，完全靠空間中的樣本點(diǎn)進(jìn)行驅(qū)動(dòng)，并且處理速度快，因此該方法被廣泛地應(yīng)用到圖像的分割領(lǐng)域中。但是，研究人員發(fā)現(xiàn)由于多閾值算法本身的特性，使得該算法存在嚴(yán)重的偽峰干擾，從而使得用多閾值方法對(duì)圖像進(jìn)行分割時(shí)無(wú)法將目標(biāo)和背景很好地分割開(kāi)，造成分割結(jié)果不準(zhǔn)確。李建萍等人在論文“一種復(fù)雜背景下的目標(biāo)分割算法”(《彈箭與制導(dǎo)學(xué)報(bào)》，文章編號(hào)：1673-9728(2010)04-0197-04)中提出了一種基于多閾值的復(fù)雜背景下的目標(biāo)分割算法。該算法的實(shí)現(xiàn)過(guò)程為：首先對(duì)復(fù)雜背景下的圖像進(jìn)行灰度形態(tài)學(xué)濾波和增強(qiáng)，增強(qiáng)目標(biāo)和背景的灰度對(duì)比度；然后利用圖像直方圖獨(dú)立峰搜索方法確定圖像閾值，并通過(guò)引入獨(dú)立峰的峰谷比、峰面積、峰寬三個(gè)特征量對(duì)圖像閾值進(jìn)行優(yōu)化，從而實(shí)現(xiàn)對(duì)圖像的分割。該方法的不足之處在于，雖然引入了獨(dú)立峰的判斷準(zhǔn)則，能濾除一定的偽峰干擾，但其特征量的選取無(wú)法自適應(yīng)得到，不利于實(shí)時(shí)處理。南京理工大學(xué)王瓊等人申請(qǐng)的專(zhuān)利“基于灰度直方圖的多閾值分割法”(專(zhuān)利申請(qǐng)?zhí)枺篊N201210257574.8，公開(kāi)號(hào)：CN103578095A)公開(kāi)了一種基于灰度直方圖的多閾值分割方法。該方法的實(shí)現(xiàn)過(guò)程為：首先根據(jù)類(lèi)間方差最大法，找到圖像的第一個(gè)閾值，然后以二分法為基礎(chǔ)，對(duì)分割的圖像的兩部分分別求其類(lèi)間的最大方差，再把兩方差進(jìn)行比較，找到最大的方差對(duì)應(yīng)的閾值作為下一次分割的閾值點(diǎn)，以此類(lèi)推，直至找到給定的閾值數(shù)為止；然后，根據(jù)平滑后的直方圖，找到所有的波谷點(diǎn)；最后，把得到的所有閾值與波谷點(diǎn)進(jìn)行比較，找到最靠近閾值的波谷點(diǎn)作為最終的閾值。該方法的不足之處在于，雖然以類(lèi)間方差最大的思想尋找圖像的最優(yōu)閾值，改善了錯(cuò)分割或過(guò)分割的現(xiàn)象，但是該算法是以局部最優(yōu)思想為基礎(chǔ)的，沒(méi)有考慮到圖像的全局信息，且閾值數(shù)目得預(yù)先設(shè)定，在保證了算法運(yùn)算效率的情況下，無(wú)法保證算法的實(shí)時(shí)性和分割結(jié)果的準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明方法的目的在于針對(duì)上述已有技術(shù)的不足，提出一種基于多閾值和自適應(yīng)模糊聚類(lèi)的紅外圖像分割方法，以在保證分割效率的同時(shí)提高分割的準(zhǔn)確性。實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案是：利用引入控制因子的多閾值方法對(duì)待分割紅外圖像進(jìn)行粗分割并形態(tài)學(xué)處理；隨機(jī)選取模糊聚類(lèi)的聚類(lèi)中心并利用自適應(yīng)函數(shù)確定聚類(lèi)數(shù)目，對(duì)圖像進(jìn)行模糊聚類(lèi)，實(shí)現(xiàn)對(duì)紅外圖像的最終分割，其具體步驟包括如下：(1)輸入原始紅外圖像I，計(jì)算其所有像素點(diǎn)數(shù)Co；(2)利用原始紅外圖像I的一維灰度統(tǒng)計(jì)直方圖函數(shù)H(l)，計(jì)算其灰度級(jí)H；(3)對(duì)原始紅外圖像I進(jìn)行粗分割：3a)對(duì)一維灰度統(tǒng)計(jì)直方圖函數(shù)H(l)進(jìn)行平滑處理，得到平滑后的灰度統(tǒng)計(jì)直方圖函數(shù)H1(l)，并求取H1(l)的差分D；3b)尋找統(tǒng)計(jì)直方圖函數(shù)H1(l)的谷值點(diǎn)，即差分D由負(fù)到正的過(guò)零點(diǎn)位置，并將所有的谷值點(diǎn)連接起來(lái)，按從小到大排序，得到大小為1×p的谷值點(diǎn)矩陣M，其中p為谷值點(diǎn)個(gè)數(shù)；3c)確定閾值點(diǎn)和閾值矩陣Th：3c1)在多閾值算法中引入峰面積控制因子ψ和峰寬控制因子μ，通過(guò)峰面積控制因子ψ和峰寬控制因子μ分別計(jì)算得到灰度統(tǒng)計(jì)直方圖H1(l)中的相鄰谷值點(diǎn)的最小峰面積MA和最小峰寬MW；3c2)根據(jù)谷值點(diǎn)矩陣M計(jì)算相鄰谷值點(diǎn)之間灰度統(tǒng)計(jì)直方圖之和CT(n)及相鄰谷值點(diǎn)的距離WT(n)，其中n＝1,2,...,p-1；3c3)判斷CT(n)＞MA且WT(n)＞MW是否滿足，若滿足，則將前一個(gè)谷值點(diǎn)標(biāo)記為閾值點(diǎn)；若不滿足，則合并兩個(gè)谷值點(diǎn)，即用前一個(gè)谷值點(diǎn)代替后一個(gè)谷值點(diǎn)，直至所有的谷值點(diǎn)全部標(biāo)記完畢，得到閾值矩陣Th；3d)對(duì)原始紅外圖像I中的像素點(diǎn)進(jìn)行遍歷，將像素點(diǎn)灰度值在閾值矩陣Th中相鄰值域之間的像素點(diǎn)合并成一類(lèi)，標(biāo)記每一個(gè)像素點(diǎn)的類(lèi)別，并分別計(jì)算總類(lèi)別數(shù)q、每一類(lèi)的像素點(diǎn)總個(gè)數(shù)Nt以及每一類(lèi)的像素點(diǎn)的灰度值總和St，其中t＝1,2,...,q；3e)計(jì)算合并后每個(gè)類(lèi)別中的全部像素點(diǎn)的值域均值并用gt代替原像素點(diǎn)的值，得到粗分割后圖像Imt；(4)對(duì)粗分割后圖像Imt進(jìn)行形態(tài)學(xué)平滑處理，得到平滑后圖像Ims及其像素點(diǎn)的值為gj，其中j＝1,2,...,Co；(5)對(duì)平滑后圖像Ims進(jìn)行模糊聚類(lèi)細(xì)分割：5a)設(shè)定迭代停止條件ε，其中0＜ε＜1，聚類(lèi)數(shù)目的初始值c＝2，自適應(yīng)函數(shù)初始值L(1)＝0，迭代次數(shù)的初始值k＝0，模糊加權(quán)指數(shù)m＝2；5b)隨機(jī)初始化聚類(lèi)中心矩陣其中i＝1,2,...,c；5c)求取平滑后圖像Ims中第j個(gè)像素點(diǎn)與第i個(gè)聚類(lèi)中心的第k次迭代的距離并計(jì)算第k次迭代的隸屬度矩陣U(k)和第k次迭代后的聚類(lèi)中心矩陣V(k+1)；5d)對(duì)V(k)和V(k+1)進(jìn)行比較，如果||V(k+1)-V(k)||＜ε，則迭代停止，執(zhí)行步驟5e)，否則令k＝k+1，返回步驟5c)；5e)計(jì)算聚類(lèi)數(shù)目為c時(shí)的自適應(yīng)函數(shù)L(c)，當(dāng)2＜c＜q時(shí)，若存在滿足L(c-1)＞L(c-2)且L(c-1)＞L(c)的點(diǎn)，則取聚類(lèi)數(shù)目c＝c-1時(shí)的聚類(lèi)結(jié)果作為圖像細(xì)分割的結(jié)果，否則令c＝c+1，返回步驟5b)；當(dāng)c＞q時(shí)，則取聚類(lèi)數(shù)目時(shí)的聚類(lèi)結(jié)果作為圖像細(xì)分割的結(jié)果，得到最終的分割結(jié)果圖像。本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點(diǎn)：第一、本發(fā)明利用引入控制因子的多閾值方法對(duì)紅外圖像進(jìn)行粗分割后，采用模糊聚類(lèi)方法對(duì)粗分割后的圖像進(jìn)行細(xì)分割，有效地改善了多閾值方法中的偽峰干擾現(xiàn)象，克服了單一使用多閾值方法對(duì)紅外圖像進(jìn)行分割時(shí)分割結(jié)果不理想的問(wèn)題。第二、本發(fā)明對(duì)粗分割后的圖像進(jìn)行細(xì)分割時(shí)采用的改進(jìn)的模糊聚類(lèi)方法能自適應(yīng)獲得待分割圖像的聚類(lèi)數(shù)目，有效地避免了傳統(tǒng)模糊聚類(lèi)方法需要對(duì)聚類(lèi)結(jié)果的有效性進(jìn)行驗(yàn)證，從而使得本發(fā)明在提高了圖像分割準(zhǔn)確度的同時(shí)，保證了圖像分割的實(shí)時(shí)性。附圖說(shuō)明圖1為本發(fā)明的實(shí)現(xiàn)流程圖；圖2為用本發(fā)明對(duì)射擊人紅外圖像的分割結(jié)果圖；圖3為用本發(fā)明對(duì)叢林人紅外圖像的分割結(jié)果圖；圖4為用本發(fā)明對(duì)持槍人紅外圖像的分割結(jié)果圖；圖5為用本發(fā)明對(duì)樹(shù)林單人紅外圖像的分割結(jié)果圖；以下結(jié)合附圖對(duì)本發(fā)明具體實(shí)施方式和效果做進(jìn)一步詳細(xì)描述。具體實(shí)施方式參照?qǐng)D1，本實(shí)例的實(shí)施步驟如下：步驟1.輸入原始紅外圖像I，并計(jì)算其所有像素點(diǎn)數(shù)Co。1a)統(tǒng)計(jì)原始紅外圖像I的行數(shù)作為其長(zhǎng)度L，其列數(shù)作為其寬度W；1b)計(jì)算原始紅外圖像I的所有像素點(diǎn)數(shù)Co＝L*W。步驟2.利用原始紅外圖像I的一維灰度統(tǒng)計(jì)直方圖函數(shù)H(l)，計(jì)算其灰度級(jí)H。將原始紅外圖像I從像素空間映射到其灰度直方圖特征空間得到其一維灰度統(tǒng)計(jì)直方圖函數(shù)H(l)，并將該直方圖函數(shù)H(l)的橫坐標(biāo)長(zhǎng)度作為其灰度級(jí)H。步驟3.對(duì)原始紅外圖像I進(jìn)行粗分割。3a)使用Witkin的高斯卷積平滑運(yùn)算對(duì)一維灰度統(tǒng)計(jì)直方圖函數(shù)H(l)進(jìn)行平滑處理，得到平滑后的灰度統(tǒng)計(jì)直方圖函數(shù)其中，l為原始紅外圖像I中像素點(diǎn)映射到灰度統(tǒng)計(jì)直方圖特征空間的灰度值，τ為高斯平滑濾波器的標(biāo)準(zhǔn)差；3b)求取直方圖函數(shù)H1(l)的差分D：D＝[H1(2)-H1(1)H1(3)-H1(2)…H1(H)-H1(H-1)]，并尋找直方圖函數(shù)H1(l)的谷值點(diǎn)，即差分D由負(fù)到正的過(guò)零點(diǎn)位置，將所有的谷值點(diǎn)連接起來(lái)，按從小到大排序，得到大小為1×p的谷值點(diǎn)矩陣M，其中p為谷值點(diǎn)個(gè)數(shù)；3c)確定閾值點(diǎn)和閾值矩陣Th；3c1)統(tǒng)計(jì)相鄰谷值點(diǎn)間灰度統(tǒng)計(jì)直方圖之和CT(n)，計(jì)算相鄰谷值點(diǎn)的距離WT(n)＝M(n+1)-M(n)，其中n＝1,2,...,p-1；3c2)計(jì)算灰度統(tǒng)計(jì)直方圖函數(shù)H1(l)中相鄰谷值點(diǎn)的最小峰面積MA＝ψ*Co和最小峰寬MW＝μ*H，其中，ψ為峰面積控制因子，μ為峰寬控制因子；3c3)判斷是否滿足CT(n)＞MA且WT(n)＞MW這兩個(gè)條件，若滿足，則將前一個(gè)谷值點(diǎn)標(biāo)記為閾值點(diǎn)；若不滿足，則合并兩個(gè)谷值點(diǎn)，即用前一個(gè)谷值點(diǎn)代替后一個(gè)谷值點(diǎn)，直至所有的谷值點(diǎn)全部標(biāo)記完畢，得到閾值矩陣Th；3d)對(duì)原始紅外圖像I中的像素點(diǎn)進(jìn)行遍歷，將像素點(diǎn)灰度值在閾值矩陣Th中相鄰值域之間的像素點(diǎn)合并成一類(lèi)，標(biāo)記每一個(gè)像素點(diǎn)的類(lèi)別，并分別計(jì)算總類(lèi)別數(shù)q、每一類(lèi)的像素點(diǎn)總個(gè)數(shù)Nt以及每一類(lèi)的像素點(diǎn)的灰度值總和St，其中t＝1,2,...,q；3e)計(jì)算合并后每個(gè)類(lèi)別中的全部像素點(diǎn)的值域均值并用gt代替原像素點(diǎn)的值，得到粗分割后的圖像Imt。步驟4.對(duì)粗分割后圖像Imt進(jìn)行形態(tài)學(xué)平滑處理。選取半徑為3的圓盤(pán)結(jié)構(gòu)元素，先對(duì)粗分割后圖像Imt進(jìn)行閉運(yùn)算，再進(jìn)行開(kāi)運(yùn)算，得到平滑后圖像Ims及其像素點(diǎn)的值為gj，其中j＝1,2,...,Co。步驟5.設(shè)定模糊聚類(lèi)細(xì)分割初始值。5a)設(shè)定迭代停止條件ε，其中0＜ε＜1，聚類(lèi)數(shù)目的初始值c＝2，自適應(yīng)函數(shù)的初始值L(1)＝0，迭代次數(shù)的初始值k＝0，模糊加權(quán)指數(shù)m＝2；5b)隨機(jī)初始化聚類(lèi)中心其中i＝1,2,...,c。步驟6.對(duì)平滑后圖像Ims進(jìn)行模糊聚類(lèi)細(xì)分割。6a)計(jì)算平滑后圖像Ims中第j個(gè)像素點(diǎn)與第i個(gè)聚類(lèi)中心第k次迭代的距離：其中，β表示調(diào)節(jié)曲線曲率的自由度參數(shù)，||·||表示計(jì)算歐氏距離；6b)根據(jù)第k次迭代的距離計(jì)算第k次迭代的隸屬度矩陣U(k)的第i行第j列的元素其中，j'表示平滑后圖像Ims聚類(lèi)數(shù)目中第j'類(lèi)；6c)根據(jù)得到第k次迭代的隸屬度矩陣U(k)：6d)根據(jù)計(jì)算第k次迭代后的聚類(lèi)中心矩陣V(k+1)的第i個(gè)元素由得到第k次迭代后的聚類(lèi)中心矩陣6e)對(duì)V(k)和V(k+1)進(jìn)行比較，如果||V(k+1)-V(k)||＜ε，則迭代停止，執(zhí)行步驟7，否則令k＝k+1，返回步驟6a)。步驟7.計(jì)算聚類(lèi)數(shù)目為c時(shí)的自適應(yīng)函數(shù)L(c)：其中，表示平滑后圖像Ims中所有像素點(diǎn)的中心向量。步驟8.確定聚類(lèi)數(shù)目c和聚類(lèi)分割結(jié)果，輸出最終的分割結(jié)果圖像。當(dāng)2＜c＜q時(shí)，判斷是否存在滿足L(c-1)＞L(c-2)且L(c-1)＞L(c)這兩個(gè)條件的點(diǎn)，若存在，則取聚類(lèi)數(shù)目c＝c-1時(shí)的聚類(lèi)結(jié)果作為圖像細(xì)分割的結(jié)果，否則，令c＝c+1，返回步驟5b)；當(dāng)c＞q時(shí)，取聚類(lèi)數(shù)目時(shí)的聚類(lèi)結(jié)果作為圖像細(xì)分割的結(jié)果，得到最終的分割結(jié)果圖像。以下通過(guò)仿真對(duì)本發(fā)明的效果做進(jìn)一步的描述。1.仿真條件：選用射擊人紅外圖像、叢林人紅外圖像、持槍人紅外圖像和樹(shù)林單人紅外圖像四組數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)在CPU為Core(TM)i3-41303.40GHz、內(nèi)存為4.00GB的WINDOWS7系統(tǒng)上使用MatlabR2012b進(jìn)行仿真。實(shí)驗(yàn)中所使用的原始數(shù)據(jù)如圖2(a)、圖3(a)、圖4(a)和圖5(a)所示，其中圖2(a)所示的射擊人紅外圖像和圖4(a)所示的持槍人紅外圖像來(lái)源于TerravicWeapon紅外數(shù)據(jù)庫(kù)；圖3(a)所示的叢林人紅外數(shù)據(jù)和圖5(a)所示的樹(shù)林單人紅外圖像來(lái)源于TerravicMotion紅外數(shù)據(jù)庫(kù)。實(shí)驗(yàn)參數(shù)的選?。合铝兴袑?shí)驗(yàn)中，高斯平滑濾波器的標(biāo)準(zhǔn)差τ＝0.5，峰面積控制因子ψ＝0.0001，峰寬控制因子μ＝0.15，自由度參數(shù)β＝0.1，模糊聚類(lèi)迭代停止閾值ε＝0.00001，F(xiàn)CM聚類(lèi)數(shù)目設(shè)定與本發(fā)明算法自適應(yīng)得到的聚類(lèi)數(shù)目一致。2.仿真內(nèi)容：仿真實(shí)驗(yàn)1：分別運(yùn)用多閾值法、FCM法和本發(fā)明方法對(duì)射擊人紅外圖像進(jìn)行分割，實(shí)驗(yàn)結(jié)果如圖2所示，其中圖2(a)是原始射擊人紅外圖像、圖2(b)是用多閾值法的分割結(jié)果圖像、圖2(c)是用FCM法的分割結(jié)果圖像、圖2(d)是用本發(fā)明方法的分割結(jié)果圖像。仿真實(shí)驗(yàn)2：分別運(yùn)用多閾值法、FCM法和本發(fā)明方法對(duì)叢林人紅外圖像進(jìn)行分割，實(shí)驗(yàn)結(jié)果如圖3所示，其中圖3(a)是原始叢林人紅外圖像、圖3(b)是用多閾值法的分割結(jié)果圖像、圖3(c)是用FCM法的分割結(jié)果圖像、圖3(d)是用本發(fā)明方法的分割結(jié)果圖像。仿真實(shí)驗(yàn)3：分別運(yùn)用多閾值法、FCM法和本發(fā)明方法對(duì)持槍人紅外圖像進(jìn)行分割，實(shí)驗(yàn)結(jié)果如圖4所示，其中圖4(a)是持槍人原始紅外圖像、圖4(b)是用多閾值法的分割結(jié)果圖像、圖4(c)是用FCM法的分割結(jié)果圖像、圖4(d)是用本發(fā)明方法的分割結(jié)果圖像。仿真實(shí)驗(yàn)4：分別運(yùn)用多閾值法、FCM法和本發(fā)明方法對(duì)樹(shù)林單人紅外圖像進(jìn)行分割，實(shí)驗(yàn)結(jié)果如圖5所示，其中圖5(a)是原始樹(shù)林單人紅外圖像、圖5(b)是用多閾值法的分割結(jié)果圖像、圖5(c)是用FCM法的分割結(jié)果圖像、圖5(d)是用本發(fā)明方法的分割結(jié)果圖像。3.仿真實(shí)驗(yàn)結(jié)果分析：從圖2(b)、圖3(b)、圖4(b)、圖5(b)可以看出，采用傳統(tǒng)的多閾值方法對(duì)紅外圖像進(jìn)行分割時(shí)，不能將圖像目標(biāo)正確分割出來(lái)，存在嚴(yán)重的偽峰干擾，圖像目標(biāo)會(huì)被繼續(xù)分割成許多小塊，分割結(jié)果不準(zhǔn)確；從圖2(c)、圖3(c)、圖4(c)、圖5(c)可以看出，采用FCM法對(duì)紅外圖像進(jìn)行分割時(shí)，圖像目標(biāo)雖然不會(huì)被分割成很多小塊，但圖像目標(biāo)與圖像背景之間的區(qū)域連通，產(chǎn)生了明顯的誤分現(xiàn)象；從圖2(d)、圖3(d)、圖4(d)、圖5(d)可以看出，本發(fā)明方法能夠較好的去除背景干擾，準(zhǔn)確地將圖像目標(biāo)分割出來(lái)，分割出的圖像目標(biāo)輪廓清晰、目標(biāo)完整，分割結(jié)果無(wú)錯(cuò)分現(xiàn)象。