基于二維直方圖的彩色圖像全局閾值分割方法研究

韓玲燕，王佳麗

(安徽外國(guó)語(yǔ)學(xué)院信息技術(shù)教學(xué)與研究部，安徽 合肥 231201)

隨著計(jì)算機(jī)圖形圖像信息處理技術(shù)的發(fā)展，需要對(duì)大量的彩色圖像進(jìn)行優(yōu)化特征提取，采用種子點(diǎn)檢測(cè)方法進(jìn)行彩色圖像的特征分割和邊緣輪廓特征檢測(cè)，提高彩色圖像的視覺(jué)表達(dá)和信息特征提取能力，在彩色圖像全局閾值分割過(guò)程中，受到種子點(diǎn)手動(dòng)選擇下隨機(jī)性因素較大的影響，導(dǎo)致彩色圖像全局閾值分割的準(zhǔn)確度不高，需要進(jìn)行彩色圖像全局閾值分割方法的改進(jìn)設(shè)計(jì)，結(jié)合對(duì)彩色圖像的信息增強(qiáng)和角點(diǎn)標(biāo)定技術(shù)，實(shí)現(xiàn)對(duì)彩色圖像的優(yōu)化分割和自動(dòng)檢測(cè)，從而提高彩色圖像的識(shí)別和信息檢測(cè)能力[1]，相關(guān)的彩色圖像全局閾值分割研究在醫(yī)學(xué)圖像處理、遙感圖像監(jiān)測(cè)以及視頻圖像的幀特征提取中具有重要意義，相關(guān)的彩色圖像全局閾值分割方法研究受到人們的極大關(guān)注.

通過(guò)對(duì)彩色圖像進(jìn)行邊緣輪廓檢測(cè)和分割，提取彩色圖像的三維特征量，采用邊緣輪廓特征檢測(cè)方法，實(shí)現(xiàn)彩色圖像信息檢測(cè)和特征重構(gòu)，提高彩色圖像的三維視覺(jué)特征表達(dá)能力.傳統(tǒng)方法中，對(duì)彩色圖像的分割技術(shù)重要有小波分割方法、Harris特征分割方法、Logistics特征映射分割方法等[2-3]，構(gòu)建彩色圖像分割和邊緣檢測(cè)的特征提取模型，結(jié)合對(duì)彩色圖像的二值擬合和灰度直方圖重構(gòu)技術(shù)，實(shí)現(xiàn)彩色圖像的優(yōu)化分割.文獻(xiàn)[4]中提出基于深度學(xué)習(xí)的彩色圖像閾值分割算法，采用邊緣輪廓特征提取方法進(jìn)行彩色圖像的微小細(xì)粒度特征提取，根據(jù)特征提取結(jié)果構(gòu)建彩色圖像分割的灰度直方圖檢測(cè)模型，采用灰度信息識(shí)別方法進(jìn)行圖像分割.但該方法進(jìn)行彩色圖像分割未考慮全局輪廓生長(zhǎng)規(guī)則，圖像特征信息表達(dá)能力較差.文獻(xiàn)[5]中提出基于模糊度特征分解方法的彩色圖像分割方法，結(jié)合模糊度特征分解方法對(duì)彩色圖像進(jìn)行多尺度的顏色結(jié)構(gòu)特征分解，構(gòu)建彩色圖像的多維像素特征表達(dá)模型，利用二分法確定生長(zhǎng)規(guī)則實(shí)現(xiàn)圖像分割.但該方法進(jìn)行彩色圖像分割的隨機(jī)性較大，分割的精度不高.文獻(xiàn)[6]中提出基于二分法的彩色圖像分割方法，確定生長(zhǎng)規(guī)則中的最佳閾值進(jìn)行彩色圖像分割.但該法方法采用手動(dòng)選擇種子造成彩色圖像分割的隨機(jī)擾動(dòng)性較大，分割過(guò)程的抗干擾性不好.

針對(duì)上述問(wèn)題，本文提出基于二維直方圖的彩色圖像全局閾值分割方法.為了解決手動(dòng)選擇種子造成彩色圖像分割的隨機(jī)擾動(dòng)性較大的問(wèn)題建立彩色圖像全局閾值分割的邊緣輪廓特征提取模型，采用水平集法獲取彩色圖像的初始輪廓，實(shí)現(xiàn)圖像輪廓的自動(dòng)提取.為了解決圖像特征信息表達(dá)能力較差的問(wèn)題，結(jié)合二分法確定彩色圖像全局輪廓生長(zhǎng)規(guī)則，構(gòu)建彩色圖像規(guī)劃的視覺(jué)圖像采集模型.為了更精準(zhǔn)的提取圖像的特征信息，對(duì)彩色圖像的視覺(jué)信息增強(qiáng)處理，構(gòu)建彩色圖像的多維特征提取和關(guān)鍵特征點(diǎn)檢測(cè)模型和彩色圖像的全局閾值分割模型.通過(guò)統(tǒng)計(jì)形狀分析方法校準(zhǔn)分割的輪廓結(jié)果，實(shí)現(xiàn)對(duì)彩色圖像的優(yōu)化分割.

1 圖像特征采樣及邊緣輪廓特征提取

1.1 彩色圖像特征采樣

為了實(shí)現(xiàn)基于二維直方圖的彩色圖像全局閾值分割，需要首先構(gòu)建彩色圖像的閾值分割特征提取模型，采用初始輪廓特征分割的方法進(jìn)行彩色視覺(jué)圖像的三維重構(gòu)，建立二維 OTSU模型，進(jìn)行彩色圖像特征采樣，構(gòu)建彩色圖像的視覺(jué)信息特征提取模型，在彩色圖像的輪廓邊緣最遠(yuǎn)點(diǎn)，進(jìn)行二維直方圖特征提取，建立彩色圖像的多維視覺(jué)信息采集模型，采用多維度的信息跟蹤和融合方法，進(jìn)行彩色圖像空間的視覺(jué)特征提取[7]，結(jié)合模糊信息特征提取技術(shù)，提取圖像的邊緣像素點(diǎn)作為目標(biāo)區(qū)域的特征，計(jì)算一個(gè)最大后驗(yàn)概率進(jìn)行彩色圖像空間視覺(jué)特征分布式采集，得到彩色圖像的驅(qū)動(dòng)形變輪廓空間分布為s(X，Y)，在目標(biāo)區(qū)域的邊緣輪廓[8]，得到參數(shù)化表達(dá)模型為

(1)

公式中：Cut(A，B)表示圖像輪廓分割點(diǎn)坐標(biāo).assoc(A，V)是目標(biāo)邊緣連續(xù)的標(biāo)記點(diǎn)，表示為彩色圖像的種子像素點(diǎn)子集在邊緣像素區(qū)域A中的像素交叉點(diǎn)，assoc(B，V)為彩色圖像主要變化特征的線(xiàn)性組合.

假設(shè)彩色圖像空間視覺(jué)圖像的空間灰度像素集為(i，j)，以此為像素中心，在形變復(fù)雜的區(qū)域，建立根彩色圖像的視覺(jué)信息融合模型，采用水平集法獲取彩色圖像的初始輪廓[9]，結(jié)合二分法確定彩色圖像全局輪廓生長(zhǎng)規(guī)則，建立彩色圖像空間視覺(jué)融合的二值模型(Dominant LBP，DLBP)，在目標(biāo)邊緣標(biāo)記點(diǎn)的坐標(biāo)系中，得到彩色圖像參數(shù)化表達(dá)式為

(2)

公式中：a為模糊匹配指數(shù)；T為圖像的稀疏編碼.

通過(guò)先驗(yàn)形狀來(lái)給形變輪廓進(jìn)行特征標(biāo)定和模糊匹配，在目標(biāo)區(qū)域的邊緣輪廓區(qū)域中，進(jìn)行彩色圖像的稀疏編碼，提取彩色圖像的灰度直方圖，在像素分布空間內(nèi)，計(jì)算彩色圖像目標(biāo)邊緣標(biāo)記點(diǎn)的坐標(biāo)，在4×4子塊的局部區(qū)域內(nèi)建立彩色圖像的最大全局閾值分割模型，得到彩色圖像的視覺(jué)信息采樣輸出描述為

(3)

公式中：F為色彩圖像點(diǎn)陣；di為點(diǎn)陣i在其子塊上的最大閾值；B彩色圖像的采樣點(diǎn)；xB為采樣點(diǎn)B的矢量特征值.

在N個(gè)連續(xù)的半徑區(qū)域中，彩色圖像特征采樣優(yōu)化輸出為

(4)

公式中：K為彩色圖像子塊中的特征連續(xù)值；P為特征優(yōu)化點(diǎn)；σ為初始輪廓信號(hào)特征.

根據(jù)對(duì)彩色圖像視覺(jué)信息采樣結(jié)果，建立彩色圖像全局閾值分割的邊緣輪廓特征提取模型，采用水平集法獲取彩色圖像的初始輪廓，提高圖像的全局區(qū)域分割能力.

1.2 彩色圖像的邊緣輪廓特征提取

結(jié)合二分法確定彩色圖像全局輪廓生長(zhǎng)規(guī)則，構(gòu)建彩色圖像規(guī)劃的視覺(jué)圖像采集模型，實(shí)現(xiàn)對(duì)彩色圖像的邊緣輪廓特征提取，在像素空間中進(jìn)行彩色圖像的二維灰度直方圖模板匹配，在m*n區(qū)域內(nèi)，根據(jù)目標(biāo)區(qū)域的邊緣輪廓進(jìn)行局部關(guān)聯(lián)幀二值重構(gòu)，構(gòu)建彩色圖像的目標(biāo)形狀的先驗(yàn)?zāi)Ｐ停噬珗D像空間視覺(jué)圖像的區(qū)域特征分布點(diǎn)為

(5)

公式中：t0為輪廓邊緣相交的標(biāo)記點(diǎn)，在圖像3*3鄰域結(jié)構(gòu)進(jìn)行彩色圖像的灰度邊緣特征匹配，并用低秩屬性對(duì)其進(jìn)行建模.

采用一個(gè)4×4子塊分割模型進(jìn)行彩色圖像的全局閾值分割，引入Langiven方程對(duì)目標(biāo)彩色圖像進(jìn)行三維邊緣特征重構(gòu)，在D維空間中進(jìn)行彩色圖像空間視覺(jué)重構(gòu)和邊緣輪廓檢測(cè)，根據(jù)彩色圖像形變模型提供目標(biāo)區(qū)域特征匹配度，得到彩色圖像空間視覺(jué)特征分布為

u(x，y；t)=G(x，y；t)，

(6)

(7)

公式中：Δu為彩色圖像全局閾值分割的關(guān)聯(lián)像素點(diǎn)；u為彩色圖像的顏色差異度特征量.

在?x區(qū)域內(nèi)，得到彩色圖像空間視覺(jué)像素點(diǎn)的局部關(guān)聯(lián)幀，重構(gòu)彩色圖像的邊緣輪廓特征分布集，得到彩色圖像的邊緣輪廓，采用多重分形技術(shù)進(jìn)行彩色圖像的形狀特征匹配[10]，根據(jù)特征匹配結(jié)果對(duì)不同分辨率的彩色圖像進(jìn)行邊緣輪廓檢測(cè)，采用加權(quán)平均的方法對(duì)圖像的顏色分量進(jìn)行多尺度分解，得到分解模型為

s(k)=φ·s(k-1)+w(k)，

(8)

公式中：

(9)

根據(jù)特征分解結(jié)果，得到彩色圖像的R、G、B分量，結(jié)合細(xì)節(jié)分布進(jìn)行彩色圖像的模板匹和角點(diǎn)檢測(cè)，分別為AR、AG、AB和WR、WG、WB，圖像分割成M×N個(gè)2×2的子塊Gm，n，得到彩色圖像的灰度模板特征匹配集為

E[f(θ，k)]=0，?θ∈[-π，π]，?k∈Z.

(10)

結(jié)合彩色圖像的邊緣輪廓特征重構(gòu)結(jié)果進(jìn)行彩色圖像的聯(lián)合稀疏結(jié)構(gòu)重組，建立彩色圖像的全局閾值特征提取模型，對(duì)彩色圖像進(jìn)行二值擬合，實(shí)現(xiàn)彩色圖像邊緣檢測(cè)，根據(jù)特征分割結(jié)果進(jìn)行彩色圖像的多維度特征重建，實(shí)現(xiàn)彩色圖像的灰度像素特征分布重構(gòu)，建立彩色圖像的模糊二維直方圖提取模型，進(jìn)行圖像的優(yōu)化分割，彩色圖像的邊緣輪廓特征提取輸出的計(jì)算公式為

(11)

(12)

Ui， j(t)=exp[-b[zi(t)-zj(t)]2]，

(13)

公式中：pi， j(t)為t時(shí)刻彩色圖像的統(tǒng)計(jì)形狀模型；spi， j(t)為彩色圖像的形變模型分布像素集；Δp(t)為徑向紋理特征模型，zi(t)、zj(t)分別為相似度彩色圖像的背景像素集和灰度像素集，b為彩色圖像整個(gè)輪廓形狀的分布概率.根據(jù)對(duì)彩色圖像的邊緣輪廓特征提取結(jié)果，進(jìn)行彩色圖像全局閾值分割優(yōu)化[11].

2 彩色圖像全局閾值分割優(yōu)化

2.1 彩色圖像的二維直方圖構(gòu)建

在上述建立彩色圖像全局閾值分割的邊緣輪廓特征提取模型，并采用水平集法獲取彩色圖像的初始輪廓的基礎(chǔ)上，進(jìn)行彩色圖像全局閾值分割，本文提出基于二維直方圖的彩色圖像全局閾值分割方法.采用高分辨灰度直方圖特征提取方法進(jìn)行彩色圖像的視覺(jué)信息增強(qiáng)處理，提取彩色圖像的二維直方圖，采用空間視覺(jué)重構(gòu)技術(shù)進(jìn)行彩色圖像的線(xiàn)性擬合，對(duì)分割目標(biāo)的先驗(yàn)形狀進(jìn)行均值分割，建立彩色圖像的參數(shù)初始化模型，在彩色圖像的視覺(jué)分布空間中，進(jìn)行彩色圖像的二維直方圖構(gòu)建，得到彩色圖像的結(jié)構(gòu)相似性特征分布集為

(14)

公式中：

為彩色圖像分割空間中最大內(nèi)切圓的圓心.

提取彩色圖像的視覺(jué)梯度特征，定義彩色圖像空間視覺(jué)圖像的梯度模特征，采用低秩屬性特征匹配方法進(jìn)行彩色圖像的多維尺度分解，建立彩色圖像的模糊關(guān)聯(lián)特征匹配模型，根據(jù)目標(biāo)區(qū)域的邊緣輪廓進(jìn)行彩色圖像空間視覺(jué)表達(dá)，建立彩色圖像的梯度分割模型，采用離散的時(shí)間序列來(lái)表達(dá)彩色圖像的灰度像素序列，采用梯度模特征提取模型.在模糊區(qū)域，根據(jù)目標(biāo)邊緣相鄰的像素的強(qiáng)度進(jìn)行彩色圖像的分塊融合處理，對(duì)彩色圖像進(jìn)行灰度二維直方圖提取，對(duì)目標(biāo)邊緣相鄰的像素的強(qiáng)度信息進(jìn)行建模[12].

假設(shè)輸入的彩色圖像空間視覺(jué)圖像模糊區(qū)域梯度模特征

(15)

設(shè)J(x)t(x)為彩色圖像的邊緣像素集，采用Harris角點(diǎn)檢測(cè)方法得到目標(biāo)邊緣連續(xù)的標(biāo)記點(diǎn)，彩色圖像空間采樣的特征點(diǎn)為

bnrβ(X)=RβX-RβX1.

(16)

構(gòu)建彩色圖像空間信息增強(qiáng)模型，結(jié)合視覺(jué)傳導(dǎo)技術(shù)進(jìn)行灰度像素特征分布式調(diào)節(jié)和色彩矯正，對(duì)彩色圖像的目標(biāo)區(qū)域的邊緣輪廓進(jìn)行特征匹配處理，建立彩色圖像的空間視覺(jué)信息增強(qiáng)模型，得到彩色圖像的離散的時(shí)間序列為

(17)

在彩色圖像序列中目標(biāo)形狀模型中，得到彩色圖像的特征分割塊模型結(jié)構(gòu)為M×N，根據(jù)彩色圖像邊界演化分布進(jìn)行空間輪廓特征提取，采用分段區(qū)域檢測(cè)方法，建立彩色圖像的初始輪廓分割模型，彩色圖像的二維直方圖的交換擬合函數(shù)為

(18)

綜上分析，構(gòu)建彩色圖像的二維直方圖提取模型，根據(jù)特征提取結(jié)果，進(jìn)行彩色圖像的全局閾值分割.

2.2 彩色圖像分割優(yōu)化

構(gòu)建彩色圖像的多維特征提取和關(guān)鍵特征點(diǎn)檢測(cè)模型，采用小波多尺度特征分集方法實(shí)現(xiàn)彩色圖像的分布式重組和二維直方圖重構(gòu)，提取彩色圖像視覺(jué)特征量，建立彩色圖像的全局閾值分割模型，得到種子點(diǎn)區(qū)域特征匹配模型為

f=〈f，dγ0〉dγ0+Rf，

(19)

公式中：〈f，dγ0〉表示彩色圖像邊界演化的方向梯度模.

在合成圖像和真實(shí)圖像上，構(gòu)建彩色圖像的全局閾值分割模型，彩色圖像的分割閾值f(gi)為

(20)

圖像的權(quán)值矩陣為相似度矩陣，獲得彩色圖像初始輪廓與目標(biāo)邊界的分割線(xiàn)，采用全局閾值特征匹配方法，構(gòu)建彩色圖像的全局閾值分割模型，彩色圖像的全局閾值表達(dá)式為

(21)

公式中：i為彩色圖像的邊緣像素點(diǎn)集；R為一個(gè)規(guī)范常量；sj為彩色圖像的模糊度系數(shù).

計(jì)算彩色圖像的邊緣像素特征分布集，進(jìn)行彩色圖像二維視覺(jué)空間規(guī)劃設(shè)計(jì)，得到彩色圖像二維直方圖中的灰度像素空間分布模型為

(22)

采用模板構(gòu)建和色差校準(zhǔn)方法，建立彩色圖像的中心像素點(diǎn)檢測(cè)模型，得到彩色圖像的灰度像素特征分布集為

I(x)=J(x)t(x)+A(1-t(x))，

(23)

公式中：A為彩色圖像的多尺度融合特征分布系數(shù)；t(x)為彩色圖像的模板匹配系數(shù).

采用自適應(yīng)的全局閾值分割方法，進(jìn)行彩色圖像的全局閾值分割，提高彩色圖像的閾值分割精度.

3 仿真實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證本文方法在實(shí)現(xiàn)彩色圖像的全局閾值分割中的應(yīng)用性能，進(jìn)行仿真實(shí)驗(yàn)分析.采用Matlab R2008進(jìn)行彩色圖像的全局閾值分割的算法設(shè)計(jì)和仿真測(cè)試，設(shè)定彩色圖像的邊緣像素分布為a1=(0.4，0.9，0.9)，a2=(0.6，0.7，0.6)，其對(duì)應(yīng)的不同階數(shù)P下彩色圖像的二階灰度直方圖特征矩陣分別為

圖1 原始的待分割彩色圖像

以圖1的圖像為測(cè)試對(duì)象，用水平集法獲取彩色圖像的初始輪廓，結(jié)合二分法確定彩色圖像全局輪廓生長(zhǎng)規(guī)則，得到彩色圖像的分割曲線(xiàn)如圖2所示.

圖2 彩色圖像的分割曲線(xiàn)

采用小波多尺度特征分集方法實(shí)現(xiàn)彩色圖像的分布式重組和二維直方圖重構(gòu)，建立彩色圖像的全局閾值分割模型，得到彩色圖像的二維直方圖如圖3所示.

圖3 彩色圖像的二維直方圖

根據(jù)圖3的直方圖構(gòu)建結(jié)果，采用小波多尺度特征分集方法實(shí)現(xiàn)彩色圖像的分布式重組和二維直方圖重構(gòu)，建立彩色圖像的全局閾值分割模型，通過(guò)統(tǒng)計(jì)形狀分析方法，實(shí)現(xiàn)對(duì)彩色圖像的優(yōu)化分割，并結(jié)合傳統(tǒng)方法進(jìn)行對(duì)比，得到分割結(jié)果如圖4所示.

對(duì)比圖4得知，采用本文方法進(jìn)行彩色圖像分割的邊緣輪廓特征檢測(cè)能力較好，提高了圖像的分割精度，測(cè)試不同方法進(jìn)彩色圖像分割的誤差，得到對(duì)比結(jié)果見(jiàn)表1，分析得知，本文方法進(jìn)行彩色圖像分割的均方根誤差較低，提高了圖像分割的質(zhì)量.

圖4 彩色圖像的閾值分割結(jié)果

表1 彩色圖像分割的均方根誤差對(duì)比

4 結(jié) 語(yǔ)

為了優(yōu)化彩色圖像的特征分割和邊緣輪廓特征檢測(cè)技術(shù)，提高彩色圖像的視覺(jué)表達(dá)和信息特征提取能力，本文提出基于二維直方圖的彩色圖像全局閾值分割方法.通過(guò)先驗(yàn)形狀來(lái)給形變輪廓進(jìn)行特征標(biāo)定和模糊匹配，在目標(biāo)區(qū)域的邊緣輪廓區(qū)域中，進(jìn)行彩色圖像的稀疏編碼，提取彩色圖像的灰度直方圖，結(jié)合二分法確定彩色圖像全局輪廓生長(zhǎng)規(guī)則，根據(jù)彩色圖像形變模型提供目標(biāo)區(qū)域特征匹配度，得到彩色圖像空間視覺(jué)特征分布結(jié)構(gòu)，根據(jù)特征分割結(jié)果進(jìn)行彩色圖像的多維度特征重建，實(shí)現(xiàn)彩色圖像的優(yōu)化分割，提高彩色圖像的視覺(jué)表達(dá)和特征提取能力.研究得知，本文方法進(jìn)行彩色圖像分割的誤差角度，有效克服了手動(dòng)選擇種子點(diǎn)隨機(jī)性大和分割準(zhǔn)確度不高的問(wèn)題.