直方圖灰度矩閾值分割法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種適用于紅外目標(biāo)識別與跟蹤前預(yù)處理的直方圖灰度矩閾值分割 法，屬于圖像處理技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 圖像分割常常作為圖像特征分析、目標(biāo)識別等技術(shù)的首要預(yù)處理操作，被廣泛應(yīng) 用于科學(xué)研究和工程領(lǐng)域。在各類圖像分割方法中，閾值分割法因其簡單穩(wěn)定、計算量小成 為一種常用的分割方法。該方法依據(jù)圖像區(qū)域相似性，一般將圖像分割為前景區(qū)域和背景 區(qū)域，其中前景區(qū)域常常是后續(xù)圖像處理的感興趣目標(biāo)區(qū)域。
[0003] 常用的閾值分割法有基于一維直方圖的迭代選擇閾值法、最小均方誤差法、最大 類間方差法以及基于二維直方圖的二維最大熵法等。其中最大類間方差法(也稱〇tsu法） 是由Otsu在文獻(xiàn)一（OTSU N. A threshold selection method from gray level histogram[J]. IEEE Transactions on Systems, Man and Cybernetics, 1979,9(1):62-66.)提出。Otsu法因其計算簡單、性能穩(wěn)定且分割效果較好成為了最受歡迎的閾值分割法 之一，但是該方法對于圖像直方圖雙峰不明顯或者出現(xiàn)多峰情況時分割效果欠佳。因此之 后許多學(xué)者都是以O(shè)tsu法為基礎(chǔ)進(jìn)行算法的改進(jìn)。另外由Kapur等人在文獻(xiàn)二(Kapur J N, Sahoo P K, Wong A Κ C.A new method for gray-level picture thresholding using the entropy of the histogram[J]·Computer Vision, Graphics and Image Processing, 1985,29(3) :273-285.)提出的最大熵法以及由Abutaleb在文獻(xiàn)三(Abutaleb A S. Automatic thresholding of gray-level pictures using two-dimension entropy[J].Computer Vision, Graphics and Image Processing,1989,47(1):22-32.) 將一維最大熵法推廣至二維后，圖像分割的效果得到了很大的改善，然而該方法計算量大。 正如杜峰等人在文獻(xiàn)四（《一種快速紅外圖像分割方法》文章編號：1001-9014(2005)05-0370-04)為了降低二維最大熵算法的計算量又引入了粒子群尋優(yōu)策略，雖然該方法既對紅 外圖像實(shí)現(xiàn)了較好的分割效果，又一定程度上降低了算法運(yùn)算量，但是分割結(jié)果不穩(wěn)定，而 且在硬件平臺上實(shí)現(xiàn)其計算量仍是一個需要解決的問題。
[0004] 在紅外目標(biāo)識別與跟蹤領(lǐng)域，紅外圖像的目標(biāo)區(qū)域一般具有尺寸較小、灰度分布 較窄、圖像直方圖雙峰并不明顯的特點(diǎn)。為了快速、穩(wěn)定且最大可能地將目標(biāo)區(qū)域從背景中 分割出來，此時的Otsu法或最大熵法仍無法很好地滿足該要求。

【發(fā)明內(nèi)容】

[0005] 針對上述問題，本發(fā)明的目的是提供一種直方圖灰度矩閾值分割法，該方法將力 學(xué)杠桿的平衡思想應(yīng)用于紅外圖像的灰度直方圖中，定義了直方圖灰度矩的概念。通過對 圖像的灰度直方圖進(jìn)行逐級遍歷來查找使得直方圖杠桿平衡的最佳閾值，然后對圖像進(jìn)行 二值化處理，從而實(shí)現(xiàn)了對紅外目標(biāo)圖像的閾值分割。
[0006] 本發(fā)明通過以下方案實(shí)現(xiàn)： 一種直方圖灰度矩閾值分割法，其特征在于，包括如下步驟： (1) 圖像輸入:讀入一幅原始的8bits紅外圖像I; (2) 統(tǒng)計:統(tǒng)計紅外圖像I的灰度直方圖Hist (i )，i表示紅外圖像I的灰度變化范圍，i = 0，l，2'"255，Hist(i)表示灰度值為i的像素個數(shù)； (3) 計算紅外圖像I的直方圖灰度矩L(T): (a) .將步驟(2)建立的灰度直方圖Hist(i)模擬為一個杠桿，其中T表示直方圖杠桿的 支點(diǎn)，T為整數(shù)且取值范圍為文:2,; (b) .定義紅外圖像I灰度值為i的直方圖灰度矩，如下式： LCT)^j Hist(〇 (T-〇 ; (1) 那么直方圖灰度矩總和為：
(2) 其中在直方圖支點(diǎn)T的左半部分稱為正矩，右半部分稱為負(fù)矩，分別定義如下：
(3) 將公式(1)代入式(2)中，紅外圖像I的直方圖灰度矩總和如下式：
(4) 其中 L(T) h L(T)++L(T)-。
[0007] 對紅外目標(biāo)圖像I的灰度直方圖Hist(i)作對數(shù)變換后，直方圖灰度矩最終公式定 義如下：
(5) (c) .按照公式(5)依次計算不同支點(diǎn)T下的直方圖灰度矩L(T); (d) .從T=0到T=255依序遍歷L(T)，直到發(fā)現(xiàn)L(T)大于或等于0為止，此時的T即為直方 圖灰度矩的平衡點(diǎn)充； (4) 二值化分割:將直方圖灰度矩L(T)的平衡點(diǎn)％作為最佳分割閾值，對紅外圖像I進(jìn) 行二值化分割，從而完成紅外圖像I的閾值分割。
[0008] 所述將步驟(2)建立的灰度直方圖Hist(i)模擬為一個杠桿的具體做法是基于如 下定義： (1)定義任意一個灰度值為i的像素具有大小為i的重量，Hist(i)則表示該8bits紅外 圖像I中重量為i的像素總數(shù)。
[0009] (2)構(gòu)造矩形條:在直方圖Hist(i)中，將灰度值為i的像素統(tǒng)計定義成一根具有重 量大小為i XHist(i)的矩形條，該矩形條的高度為Hist(i)，寬度為1。
[0010] (3)構(gòu)造直方圖杠桿:對于8bits紅外圖像I而言，其直方圖共有256根矩形條，將這 些矩形條按圖像灰度值從小到大排列在一根不計重量的水平輕質(zhì)杠桿上，整個結(jié)構(gòu)就組成 了直方圖杠桿。
[0011] 分析公式(5)可知，直方圖灰度矩LCT)與T成正比例線性關(guān)系，對于一幅紅外圖像 而言，理論上總存在一個使其直方圖杠桿平衡的支點(diǎn)％，使得直方圖灰度矩_) = !]，此時 1?也是L(於與T關(guān)系曲線的過零點(diǎn)。而在實(shí)際應(yīng)用中由于圖像直方圖的離散化，支點(diǎn)?的 取值只能為整數(shù)，此時直方圖灰度矩_在平衡點(diǎn)％處并非嚴(yán)格等于0，即UT)在_處恰恰 大于或等于0。對于小于芄時1^<〇，大于碼時的)Μ，總之在遠(yuǎn)離芄點(diǎn)兩邊直方圖杠桿 均會失衡。
[0012] 對于如何評價圖像分割的效果還沒有一個統(tǒng)一的定量標(biāo)準(zhǔn)，一個廣泛的評估原則 就是看是否分割出感興趣或期望的目標(biāo)區(qū)域。因此評價圖像分割的效果往往具有一定的主 觀判斷因素。在紅外目標(biāo)識別與跟蹤領(lǐng)域，如何