發(fā)明在選取窗寬時，設計了 在[0.3,0.8]內的參數(shù)λ，即根據(jù)不同峰值間距計算窗寬C的大小，實現(xiàn)窗寬的自適應選取， 如公式(5)所示。
[0092] c = ADj (5)
[0093] 考慮到圖像可能受一些噪聲影響，直方圖可能有一些狹長的峰，這些峰的存在，可 能會使窗口初值太大，影響模糊率曲線。這時需對圖像進行濾波，去除噪聲的影響，窗寬自 適應選取流程圖如圖5所示。
[0094] (5)確定分割閾值
[0095] 模糊閾值方法的初衷就是計算分割閾值，將圖像中的目標從背景中分割出來。由 模糊率和模糊熵的性質可知，圖像的目標和背景分割良好時，應具有較小的模糊率或模糊 熵，窗寬確定后，模糊率的大小隨參數(shù)k變化，模糊率最小時，參數(shù)k就是待分割圖像的最佳 閾值。由于在計算直方圖呈多峰分布的圖像時，圖像的模糊率曲線必為多峰分布，為了避免 計算混亂，對其采用分段計算的方式，將直方圖中各波峰分開計算，通過直方圖求一階微分 和直線掃描的方法確定波谷，從而可將圖像直方圖分為η部分。確定峰值所在位置后，找出 使模糊率曲線達到最小值時的參數(shù)k，即滿足公式(6)。
[0096] k = argminv(x) (6)
[0097] 由模糊率和模糊熵的性質可知，此時k即為圖像的最佳閾值，通過這種方法對圖像 不同灰度區(qū)間的v(x)求取最小值，即可求取出各段直方圖的最佳分割閾值，實現(xiàn)對圖像的 自適應分割，確定分割閾值具體流程如圖6所示。
[0098] 本發(fā)明提供的基于模糊閾值的自適應圖像分割方法，實現(xiàn)了窗口寬度的自適應選 取，并且有效改善了模糊閾值法對直方圖呈不明顯雙峰的圖像分割困難的缺點，拓展了模 糊閾值圖像分割方法的適用范圍，改善了模糊閾值分割方法的分割效果。
[0099] 為了驗證本發(fā)明的有效性和可行性，本專利采用了不同特點的圖像，與基于偏移 場的模糊C均值分割、灰度波動變換自適應閾值分割以及自適應最小誤差閾值分割方法進 行對比。通過實驗結果可以看到，本專利所提出的自適應模糊閾值分割方法對多峰分布的 圖像、雙峰不明顯的圖像都有較好的分割效果，與以往的單閾值和以往的模糊閾值分割方 法相比，分割效果明顯提升，并且降低了圖像的錯誤分割率。
[0100] 在圖7中，（a)為直方圖雙峰不明顯的一幅機場圖像，（b)為模糊化后的直方圖曲 線，根據(jù)(b)可以看到圖像的直方圖呈不明顯雙峰分布，本發(fā)明所提出的自適應圖像模糊閾 值分割法，通過峰值計算，得到隸屬度函數(shù)的窗寬，從而計算出分割閾值為155,分割結果如 (c)所示，（c)為本發(fā)明的分割結果。（d)為基于偏移場的模糊C均值分割后的結果，（f)為自 適應最小誤差閾值分割結果，與（c)相比還存在較多的錯誤分割，不如本方法分割效果好。 (e)為灰度波動變換分割后效果，顯然分割效果不好。分割結果表明，本發(fā)明提出的自適應 分割方法效果較好，剔除了大量的噪聲和干擾信息。
[0101] 圖8給出了多閾值分割結果，原圖像如(a)所示，（a)為多峰機場圖像，（b)為模糊化 后的直方圖曲線，（c)為本發(fā)明分割結果，根據(jù)其直方圖曲線可以看到圖像的直方圖呈多峰 分布，分三類分布，利用本發(fā)明所提出的自適應圖像模糊閾值分割法，計算出相應的最佳分 割閾值，分別為105與187。（d)為基于偏移場的模糊C均值分割后的結果，（f)為自適應最小 誤差閾值分割結果，與(c)相比還存在較多的錯誤分割。（e)為灰度波動變換分割后結果，顯 然分割效果不好。目前閾值分割方法在多峰分布的情況下，存在錯誤分割，不能將機場完整 地從圖像中分割出來。分割結果表明，本專利所提出的方法分割效果較好。
[0102] 表1分割準確率對比
[0103]
[0104] 根據(jù)上述的實驗結果以及表1分割準確率對比，可以看到本專利提出的自適應模 糊閾值分割法可以根據(jù)圖像直方圖自適應調節(jié)閾值，實現(xiàn)了對單峰或多峰圖像的自適應閾 值分割，而且分割效果較好，分割準確率較高，有利于解決現(xiàn)有模糊閾值分割方法對直方圖 呈單峰和雙峰差別大的圖像存在的難于分割的問題。
[0105] 上文所列出的一系列的詳細說明僅僅是針對本發(fā)明的可行性實施方式的具體說 明，它們并非用以限制本發(fā)明的保護范圍，凡未脫離本發(fā)明技藝精神所作的等效實施方式 或變更均應包含在本發(fā)明的保護范圍之內。
[0106] 對于本領域技術人員而言，顯然本發(fā)明不限于上述示范性實施例的細節(jié)，而且在 不背離本發(fā)明的精神或基本特征的情況下，能夠以其他的具體形式實現(xiàn)本發(fā)明。因此，無論 從哪一點來看，均應將實施例看作是示范性的，而且是非限制性的，本發(fā)明的范圍由所附權 利要求而不是上述說明限定，因此旨在將落在權利要求的等同要件的含義和范圍內的所有 變化囊括在本發(fā)明內。
【主權項】
1. 一種基于模糊閾值的自適應圖像分割方法，包括： 步驟1，對直方圖進行預處理，獲取具有雙峰特性的圖像直方圖； 步驟2,對預處理后的圖像直方圖進行梯度檢測，確定波谷的位置； 步驟3，根據(jù)波谷位置，確定波峰位置； 步驟4,根據(jù)波峰的峰值，確定兩臨近波峰間的距離，并根據(jù)不同波峰間的距離計算不 同圖像的隸屬函數(shù)窗寬大??； 步驟5,確定分割閾值。2. 根據(jù)權利要求1所述的基于模糊閾值的自適應圖像分割方法，其特征在于，步驟1中 所述預處理包括:對單峰直方圖進行反變換，以及直方圖平滑處理。3. 根據(jù)權利要求2所述的基于模糊閾值的自適應圖像分割方法，其特征在于，所述步驟 3具體包括： 對預處理后的新直方圖進行均衡處理； 采用對均衡處理后的直方圖求微分和直線掃描相結合的方法確定波峰位置。4. 根據(jù)權利要求3所述的基于模糊閾值的自適應圖像分割方法，其特征在于，所述步驟 4具體包括： 選定隸屬函數(shù)； 根據(jù)波峰峰值確定臨近波峰的距離Dj; 在[0.3,0.8]內選取參數(shù)λ; 根據(jù)不同峰值間距計算窗寬c，c = XDj。5. 根據(jù)權利要求4所述的基于模糊閾值的自適應圖像分割方法，其特征在于，根據(jù)不同 峰值間距計算窗寬之后還包括對圖像進行濾波處理。6. 根據(jù)權利要求5所述的基于模糊閾值的自適應圖像分割方法，其特征在于，所述步驟 5具體包括： 分段計算直方圖呈多峰分布的圖像； 分開計算直方圖中的各波峰； 通過直方圖求一階微分和直線掃描的方法確定波谷； 將直方圖分為η個部分； 確定各部分峰值所在位置； 確定各部分使模糊率曲線達到最小值的參數(shù)； 求出各部分直方圖的最佳分割閾值； 根據(jù)各部分閾值進行圖像自適應分割。
【專利摘要】本發(fā)明屬于圖像處理技術領域，具體說，涉及一種基于模糊閾值的自適應圖像分割方法，包括：步驟1，對直方圖進行預處理，獲取具有雙峰特性的圖像直方圖；步驟2，對預處理后的圖像直方圖進行梯度檢測，確定波谷的位置；步驟3，根據(jù)波谷位置，確定波峰位置；步驟4，根據(jù)波峰的峰值，確定兩臨近波峰間的距離，并根據(jù)不同波峰間的距離計算不同圖像的隸屬函數(shù)窗寬大小；步驟5，確定分割閾值。實現(xiàn)了窗口寬度的自適應選取，并且有效改善了模糊閾值法對直方圖呈不明顯雙峰的圖像分割困難的缺點，拓展了模糊閾值圖像分割方法的適用范圍，改善了模糊閾值分割方法的分割效果。
【IPC分類】G06T7/00
【公開號】CN105654501
【申請?zhí)枴?br>【發(fā)明人】張永梅, 馬禮, 巴德凱, 郭莎, 葉青
【申請人】北方工業(yè)大學
【公開日】2016年6月8日
【申請日】2016年2月22日