基于最大信息熵閾值紅外圖像分割方法研究

周熠

摘 要：紅外圖像技術是在飛機檢測中使用廣泛的圖像之一，其最大信息熵閾值分割方法擁有易行、簡單、有效的優(yōu)點，在使用中比較廣泛。為了有效分割出實際拍攝的紅外目標信號，傳統(tǒng)最大信息熵閾值分割方法所求出的最佳閾值和手動切分閾值點存在著一定的偏差。本文提出一種新的預處理方法，使得最大信息熵閾值分割結果在計算最終閾值能更加接近手動分割閾值。

關鍵詞：最大信息熵閾值；圖像分割；最佳閾值；手動分割閾值

一、簡介

紅外圖像成像技術是根據物體表面的溫度輻射形成的，這也造成了紅外圖像的一些特性，邊緣模糊以及區(qū)域層次劃分清晰。紅外圖像是由溫度變化引起的，因此它形成的是單一通道的偽彩色圖像，顏色的深淺只是表明了物體表面溫度的高低。閾值的選取是閾值法分割的關鍵，如果閾值選取太低，會把背景點錯分為目標點，給圖像分割的后續(xù)工作帶來誤差；反之，如果閾值選取過大，則會把目標點錯分為背景點，從而丟失圖像的有用信息。所以，最大信息熵閾值分割方法必須選取一個合適的閾值才能使分割的效果達到最好。

二、最大信息熵

信息熵是用來計量信息不確定程度的最合適標尺。一個事件或一組事件發(fā)生的概率大，它的不確定性就??；反之，發(fā)生的概率小，則不確定性就大。

假設一幅大小為M×N圖像可以分類成為L個灰度級，對于整個圖像灰度直方圖可以用h（i）（i=0，1，2，3，4，…，L1）來表示。我們可以定義為下列式子：

p（i）=h（i）M×N

式子表示灰度值為i的概率密度的估計。閾值t將圖像分類為目標和背景兩大類。因為圖像的灰度值的變化范圍是從01之間，所以我們可以首先假設小于等于t的所有像素灰度點表示為目標背景，而灰度值大于t的所有像素點表示為圖片目標。為了更好地進行圖像分割，我們首先可以定義一下統(tǒng)計量。

P（t）=∑ti=0p（i）

上式中的t表示為閾值，其含義為像素點被分到背景類的概率。因此我們可以進一步將所有的像素點分成下面的兩類。一類是背景類像素點，我們可以用C1表示：p（0）P（t），p（1）P（t），…，p（t）P（t）以及另一類目標類像素點，我們用C2表示：p（t+1）1-P（t），p（t+2）1-P（t），…，p（L-1）1-P（t）。

我們可以定義C1，C2的信息熵為：

綜上所述，圖像被閾值t分割成為的C1和C2兩類的熵值可以分別求出，我們可以得到兩類的總熵值。

可以求得t為我們所需的最佳閾值，我們可以將經典最大熵圖像分割問題轉化成為一個求解最優(yōu)值的問題。

三、改進方法

前面兩節(jié)我們講到利用最大熵閾值分割方法來處理圖像問題，但是在實際的分割過程中會與最佳閾值出現一定的偏差。本文試驗方法采用的是紅外主動的方法，紅外主動加熱方法是通過外界激勵來加熱待測物體表面。如果出現積水，裂痕等損傷，那么它們的退熱過程中一定存在不均勻的部分。我們通過分割出不均勻部分來判斷是否出現損傷。

本文采用過濾全黑和全白像素點方法來進行實驗，取點分別為0.10.9，0.20.8，0.30.7。

四、實驗部分

根據上述方法，為論證本文觀點的有效性。本文在win8系統(tǒng)下，以MATLAB2014a作為仿真軟件進行編程實現，硬件環(huán)境為i53230，，260GHz，4GB內存，圖片分辨率為256×320。

圖一為最大熵閾值分割圖像結果，沒有經過任何的預處理，分割區(qū)域太大而且出現了未閉合的小瑕疵區(qū)域，因此對于此類算法進行改進是非常有必要的。圖二是第一次進行像素點的過濾，但是未能滿足我們的最終需求。圖三是進一步的改進，從實驗的結果上可以看出，有明顯的進步，而且中間的凹陷已經明顯分離。圖四是最終得到的圖像，對比于圖一來說，不僅去除了凹陷部分，而且對于圓形的損傷已經完全可以分割出現。由此可見，本文的方法論證和改進是非常有必要，而且有效果的。

五、歸納與總結

本文通過對紅外灰度圖像進行預處理之后所得到的結果不僅可以改善了分割的最終效果，而且在分割過程中，去除了圖像的部分不必要的像素點之后，我們可以簡化計算，節(jié)約了計算時間。此外，對于紅外灰度圖像的改進方法隨著計算機的進步也慢慢在進步，還有更多的改進方法值得我們去尋求。

參考文獻：

[1]莫玉龍，張鄭擎，彭明生.具有抗噪能力的圖像閾值分割法[J].上海大學學報（自然科學版），2001，7（6）.