[发明专利]基于显著过渡区域的图像分割方法

说明书

技术领域

本发明属于图像处理技术领域,主要应用于对图像中的目标进行提取,为目标识别等提供依据。

背景技术

图像分割是图像处理中利用图像特征进行目标提取的技术。它是图像分析与理解的关键预处理步骤。图像分割技术已经广泛应用于生物医学图像分析、目标识别等领域。图像分割算法大致可以分为三类：基于边界的方法、基于区域的方法以及混合型方法。

基于边界的图像分割算法着重考察图像局部特征的变化，通过寻找目标与背景之间的过渡地带(边界或边缘)将目标从背景中分离出来。这类方法的典型代表是边缘检测算子和图割方法。边缘检测算子在检测边缘时，容易出现边缘断裂或者不必要的背景或目标内部繁杂边缘问题，给目标识别带来困难。近年来，图割方法获得了研究者广泛的关注。这类方法把图像看作无向图，把图像分割问题转化为图划分问题。典型的图割算法包括标准割(Normalized cut)和等周割(Isoperimetric cut)。标准割通常仅对具有高对比度、简单背景的单目标图像分割效果较好。等周割的分割效果往往好于标准割，但其对具有低对比度或多目标的图像分割效果欠佳。

基于区域的分割算法着重考察图像区域的均匀性，包括区域生长、区域分裂合并、聚类以及阈值分割。其中，阈值分割因其简单、实时性好的特点而被广泛应用。阈值分割算法可以简单地分为全局阈值和局部自适应阈值分割两类。前者先选定一个灰度作为全局阈值，然后根据该阈值结合像素点灰度将图像分成目标和背景两类，实现分割。全局阈值分割无法处理目标和背景存在灰度重叠的图像，因为目标的完整分割势必会造成具有重叠灰度的背景像素被误分成目标。局部自适应阈值分割算法根据像素点局部邻域内容自适应地确定分割阈值，一定程度上减轻了上述问题，但其效果仍然欠佳。

混合型分割方法旨在同时利用边界和区域信息来实现目标的准确分割。比如，2010年，Chen等提出了一种双阈值图像二值化分割方法。此方法综合利用了边缘检测、区域生长和阈值分割技术来实现图像分割。其分割效果的好坏严重依赖于Canny算子的边缘检测结果。而Canny算子容易检测出繁杂而无用的目标和背景区域内部边缘，造成分割效果的急速下降。基于过渡区域的阈值分割算法先利用具有类边缘结构的图像过渡区域确定一个分割阈值，进而执行全局阈值分割，属于一类简单的混合型图像分割技术。这类方法本质上仍然属于全局阈值分割范畴,保留了全局阈值分割的上述缺陷。

发明内容

为了减轻上述方法在图像分割过程中存在的缺陷,本发明从定义过渡区域的显著性出发,提出一种基于显著过渡区域的图像分割新方法，改善了图像分割的准确性和鲁棒性。

本发明采用以下方案实现：一种基于显著过渡区域的图像分割方法，其特征在于包括如下步骤：

步骤S01：读取待分割图像；

步骤S02：提取图像的过渡区域；

步骤S03：筛选出显著过渡区域；

步骤S04：确定分割阈值、执行阈值分割、获得二值化分割结果；

步骤S05：执行目标区域筛选、获得最终分割结果。

在本发明一实施例中，所述步骤S02中的提取图像过渡区域的具体过程如下：

步骤S021：选定邻域窗口大小m，根据式(1)计算每个像素点p_i,j对应的m×m邻域窗口Ω的灰度方差，其中f(x,y)代表窗口Ω内像素点p_x,y的灰度，代表窗口Ω的灰度均值：