基于最大熵的直方图阈值分割算法.pdfVIP

基于最大熵的直方图阈值分割算法 1 1 1 苏茂君 陈锐 马义德 * 1兰州大学信息科学与工程学院，兰州 (730000) Email: ydma@ 摘 要：本文对图像阈值化分割算法进行了研究，提出了一种基于最大熵的直方图阈值分割 算法，并通过几种常用的评价准则对本文算法和几种典型的图像分割算法进行了客观而定量 的评价和比较，实验结果表明：基于最大熵的图像自动阈值选取分割算法分割效果良好，要 优于常用的直方图分割算法。 关键词：图像分割 直方图 分割评价 信息熵 1． 引 言 图像的二值分割是数字图像处理中的一个很重要的研究领域。图像的二值化在计算机图 像处理技术中的应用非常广泛，可以应用于目标识别、图像分析、文本增强、字符识别、牌 照识别等各种应用领域，因此对其进行深入研究具有很重要的实际意义。 图像的二值分割就是把一幅图像分成目标和背景两大类，传统的二值分割方法主要是根 据目标和背景的灰度分布差异选取适当的阈值进行分割，因此如何来选取阈值是图像分割的 关键问题。本文中我们首先研究和分析了三种典型的图像阈值分割算法：直方图谷点阈值选 [1] [2] [3] 取算法 、最大类间方差法 （OSTU） 、基于灰度期望值的图像分割算法 。并在此基础上， 通过对常用直方图谷点阈值选取算法以及信息熵的研究，提出了一种基于最大熵的直方图阈 值分割算法，该算法不依赖于人的主观参与，利用计算机自动选取最佳阈值。为了将本文提 出的图像分割算法与常用的经典分割算法进行比较，我们运用了几种典型的并且通用性较强 的图像分割评价准则[4、5、8] ：区域内部均匀性准则(UM)，形状测度准则 （SM）和区域对比度 准则（GC）,对不同分割算法下的分割结果进行了比较和评价，实验结果表明：本文提出的 基于最大熵的 自动图像阈值选取分割算法分割效果要明显优于传统基于直方图的阈值分割 算法，分割效果良好。 2 ． 常用图像二值分割算法 2.1 直方图谷点阈值选取算法 这是最简单的一种图像阈值分割算法，一般是根据图像的直方图来进行的。基本原理是： 如果图像的目标和背景区域的灰度差异较大，则该图像的灰度直方图包络线就呈现双峰一谷 的曲线，那么选取两峰之间的谷值就可以作为阈值来分割图像的目标和背景[1]。这种方法在 图像的目标和背景之间的灰度差异较为明显时，可以取得良好的分割效果，通常可以满足我 们的分割要求。虽然由于该方法对图像直方图的特殊要求和依赖，使其在图像分割中具有一 定的局限性，但其操作简单运算量低，因此也被经常使用。 2.2 基于灰度期望值的图像分割算法 在对随机变量的统计过程中,期望值是一个十分重要的统计特征,它反映了随机变量的 平均取值，类似于物体的质量中心，因此从灰度“中心”进行分割应当是最佳的分割平衡点。 灰度图像的数学期望值[3]可以按下式计算得到： N µ ∑L P (L ) (1) threshold n n n 1 其中L 为图像的灰度级，P (L ) 为灰度级L 出现的概率。 n n n -1- 上式是一种基于全局的阈值分割法，分割效果要优于灰度差直方图法、微分直方图法以 及非等同熵法