融合视觉模型和最大类间方差的阈值分割算法

Image thresholding segmentation based on human vision model and maximum betweencluster variance
ZOU Xiaolin1 ， FENG Guocan2
*
( 1 ． School of Mathematics and Information Sciences， Zhaoqing University， Zhaoqing Guangdong 526061 ， China; 2 ． School of Mathematics and Computational Science， Sun Yatsen University， Guangzhou Guangdong 510275 ， China)
融合视觉模型和最大类间方差的阈值分割算法
1 2 邹 小 林 ，冯 国 灿
*
( 1． 肇庆学院 数学与信息科学学院 ，广东 肇庆 526061;
2． 中山大学 数学与计算科学学院， 广州 510275)
( * 通信作者电子邮箱 mcsfgc@ mail． sysu． edu． cn)
Leabharlann Baidu
摘
要： 针对传统二维直方图的区域划 分方法 存 在 把 图 像 的 部 分 目标 点和 背 景 点 错 误 划 分 为 边缘 点 或 噪声 点，
Abstract: Because the area division of the traditional twodimensional histogram has such shortcomings as part of the target points and background points are divided into edge points or noise points， while part of the edge points and noise points are divided into the target point and background points and the traditional twodimensional image thresholding segmentation algorithms' time complexity are high， a new twodimensional histogram was proposed by using human vision model， and a new region division method was proposed to the proposed histogram， and at the same time， the proposed histogram was applied to image thresholding segmentation based on maximum betweencluster variance． According to segmentation time， misclassification error and uniformity， a series of experiments were carried out to show the proposed algorithm reduces the time complexity and has good segmentation performance compared with several typical twodimensional threshold segmentation algorithms． Key words: human visual model; image segmentation; threshold selection; maximum betweencluster variance
阈值分割算法因简便有效， 而广泛应用于图像识别与计 最大 算机视觉等领域。常用的阈值算法有最大类间方差法 、 ［1 ］ ［2 ］ 该算法 熵法等 。其中最大类间方差法 是 Otsu 最先提出， 依据一维直方图选取阈值， 由于只考虑了图像的灰度信息而 没有考虑图像的局部空间邻域信息， 因此容易受到噪声的干 。 3 ］ 扰， 分割效果不佳 因此文献［ 提出了二维 Otsu 阈值算法， 二维阈值算法由于综合考虑了图像中像素的灰度信息和局部 空间信息， 因此分割噪声图像时也能获得比较满意的结果； 然 而， 二维阈值算法提高了抗噪性能的同时也提高了算法的时 间复杂度， 因此人们提出了一些二维 Otsu 阈值算法的快速算 ［4 － 6 ］ 。但是上述二维 Otsu 算法及其快速算法对二维直方 法 图的投影图的区域划分方法，都是采用分别与灰度级 、平均 灰度级两坐标轴平行的两条线将二维直方图的投影图划分为 ［7 ］ 四个矩形区域 。 计算阈值向量时仅考虑了两个主对角线 上的矩形区域 0 和区域 1 ， 而假设位于区域 2 和区域 3 上的点 ［7 ］ 因此分 出现的概率为零， 这个假设与实际情况经常不符 ， 8］和文献［ 9］分别提出了二维 割结果不够准确。于是文献［ Otsu 曲线阈值法和二维直方图区域斜分法， 这两种算法都采 用与主对角线垂直的斜线按灰度级与邻域平均灰度级对的概
Journal of Computer Applications 计算机应用，2013，33( 3) : 670 － 673，837 文章编号： 1001 － 9081 （ 2013 ） 03 － 0670 － 04
ISSN 1001-9081 CODEN JYIIDU
2013-03-01 http: / / www． joca． cn doi： 10． 3724 / SP． J． 1087． 2013． 00670
而把部分边缘点和噪声点划分为目标点和背景点的缺点， 以及传统 二 维 最大 类 间 方 差 阈 值 分 割 算 法的 时 间 复杂 度 较 高的缺点， 提出了采用视觉模型构造二维直方图， 并提出了该二维直 方 图 的 区域 划 分方法， 同时 还把 提出的 二 维直 方 图应用到最大类间方差阈值分割算法中。根据分割时间、 分类误差、 均匀性等定量评价标准， 做了一系列实验， 与几种 典型的二维阈值分割算法相比， 提出的阈值分割算法在降低计算复杂度的同时还具有很好的分割性能。 关键词： 人类视觉模型; 图像分割; 阈值选取; 最大类间方差法 中图分类号： TP391． 41 文献标志码： A
0
引言
率之和的大小进行阈值分割， 分割效果和分割速度都得到了 ［10 ］ 10］ 提高， 但斜分法的普适性不强 。文献［ 提出了二维直方 图 θ划分方法并应用到二维最大类间方差阈值算法中 。但该 算法需要大量的计算才能找到最优的 θ。 鉴于以上原因， 本 Dimensional 文提出了一个基于视觉模型的二维直方图 （ TwoHistogram Based on Human Visual Model， 2DHHVM） 及其区域 HVM 应用到最大类间方差的图像阈值 划分方法， 并把 2DH。 分割算法中