基于图像结构的门限自动选择及其目标提取.pdfVIP

199S年s月 !里堡墨里!!竺皇 _—●—————_————_————_———_—————————_———一———————————_————————————————一 一————!堕：堡全堕里墨璺受堂堂查垒塑堡奎叁 ，工4； 。、 基于图霉结构的门脲自动选择及目拯握取 02， ¨’列 王秋让 赵荣椿 ● (西北工业大掌i--算机蕞710072 籀要在识别复杂环境中的目标时，门限自动选择和可能目标提取是两个非常重要的预处理步骤。门限选择通 常采用基于灰度直方图的统计方法，而从门限化的二值图象中提取可能目标则经常采用基于结构的方法。长期 参 以来，人们将这两个步骤独立开来，使二者之间基本上无任何联系。本文将拓扑稳态门限选择[1】的思想引入目 标提取过程，并提出了同时适于门限选择和目标提取的数据结构和算法．从而将二者很好地统一起来，大大节 省了模式识别过程中预处理阶段的开销。而且采用这种数据结构使得目标提取结束时的数据组织形式极适于下 一阶段的识别之用．为下一阶段的工作提供了方便。 的模式排除掉。我们把这个从二值图象中提取充分 1 引言 大区域的预处理过程称为目标提取。一种显而易见 要从复杂的环境中将目标识别出来．最大困难 的目标提取方法就是将每个区域所拥有的象素数目 不是识别本身，而是来自预处理，即如i可完整、准 与一预先设定的值(此值的大小是依赖于目标的) 确地将每个独立的、尺寸足够大的模式(可能目标J 做一比较，如果某区域的象素数目大于此值，则认 从复杂的背景中分割出来。此处的图象分割指的是 为其可能是一目标+留下来供将来识别之用，否则 把图象中与周围灰度明显不同的区域提暇出来。 视其为噪声区域。例如，假设我们的目标是照片中 门限化是一种快速有效的图象分割方法。ARIE 的飞机和轮船，那么如果某一区域的象素数少于某 PIKAZ[I]等人提出的拓扑稳态门限自动选择方洼以一值(如30)，那么我们就不于理睬，实际上， 是一种基于图象拓扑结构的门限选择方法，它不仅 就算其确实是一目标模式，任何方法也很难将其识 利用了图象的灰度信息，也利用了图蒙的结构信 别出来。 ● 息；相比之下，基于灰度直方图的统计方法丢掉了 我们发现，AR正PⅨAz【11等人的拓扑稳态门 结构信息。如果识别的对象是复杂背景中的目标， 限自动选择方法的思想很适于目标提取，我们基于 这时基于灰度统计的门限选择方法往往不能找到jE 这一思想设计了同时适于门限自动选择和目标提取 确的门限值，而基于结构信息的门限选择方法就特 的数据结构和算法，从而将二者很好地结合起来， ● 别有效。统计方法的这种局限性其根源在于：一般 提高了模式识别预处理的效率。 在这种情况下，目标所拥有的象素数占总象素的比 实际结果表明本文的方法不但是有效的，即 重很小，因而在基于统计的方法中其左右大局的能 门限选择和目标抽取的准确度很高，而且是高效 力也就很小。这时的结构信息就显得格外重要了， 的，即算法的时间复杂度较低+其计算复杂度约为