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)04-0028-03

A recursive image segmentation algorithm based on the modified Otsu .s rule

CAI 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-1

1p 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

112

1.2 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)