[发明专利]一种基于非线性尺度空间的图像分割方法

权利要求书

1.一种基于非线性尺度空间的图像分割方法，其特征在于，该方法步骤如下：

S1：基于KAZE特征，构建非线性尺度空间；

S2：通过KAZE算法对输入的图片进行非线性滤波，然后计算图像的梯度直方图，获取对比度参数k，根据一组进化时间t，利用加性分子分裂算法得到非线性尺度空间的所有图像；

S3：对S2获取的图像进行平滑处理，并利用迭代算法进行全局阈值处理，再利用边缘改进全局阈值处理，基于改进后的阈值对图像中物体和背景进行初步分割；

S4：对物体和背景进行对比，当物体和背景的对比度在图像中不统一时，根据图像的局部特征，通过最大类间方差法得到阈值并进行图像的分割。

2.根据权利要求1所述的基于非线性尺度空间的图像分割方法，其特征在于：所述S3中，迭代算法进行全局阈值处理，步骤如下：

S301：统计图像灰度直方图，求出图像的最大灰度值和最小灰度值，分别记为Z_MAX和Z_MIN，令初始阈值T₀＝(Z_MAX+Z_MIN)/2，迭代次数K＝1；

S302：根据第K次迭代阈值T_K将图像分割为前景和背景，计算小于T₀所有灰度的均值Z_A，和大于T₀的所有灰度的均值Z_B；

S303：求出新阈值T_K+1＝(Z_A+Z_B)/2；

S304：若T_K和T_K+1之间的差小于预定义参数ΔT，则所得T_K+1即为迭代最终阈值，否则迭代次数K加1，转S302，继续迭代计算。

3.根据权利要求1所述的基于非线性尺度空间的图像分割方法，其特征在于：所述S3中，利用边缘改进全局阈值处理，步骤如下：

S311：采用特征检测方法计算f(x,y)的边缘图像；其中f(x,y)表示经过KAZE特征处理后的图像；

S312：设定一个阈值T_t；

S313：用S312中的阈值对S311中的图像进行阈值处理，产生一幅二值图像g_T(x,y)；

S314：仅用f(x,y)中对应于g_T(x,y)中像素值为1的位置的像素计算直方图。

4.根据权利要求1-3任一所述的基于非线性尺度空间的图像分割方法，其特征在于：所述S4中，通过最大类间方差法得到阈值，具体包括：

计算输入图像的归一化直方图，使用p_i,i＝0,1,2,…,L-1表示该直方图的各个分量，p_i表示像素的灰度级为i的概率，L表示L个不同的灰度级；计算各分量的累计和P_i(k)，累计均值m(k)；计算全局灰度值m_G，计算类间方差σ²_B(k)；

使类间方差σ²_B(k)最大化的灰度级k即为Otsu阈值k^*，如果最大值不唯一，则使用各个最大值k的平均值得到k^*；在k^*处计算可分性度量η^*。

5.根据权利要求4所述的基于非线性尺度空间的图像分割方法，其特征在于：设定输入图像中有MxN个像素，L个不同的灰度级，n_i表示灰度级为i的像素个数；

图像中像素总数MN为MN＝n₀+n₁+n₂+…+n_L-1；该直方图各分量满足：

归一化的直方图各分量p_i＝n_i/MN。