[发明专利]基于Renyi交叉熵与高斯分布的图像阈值分割方法

摘要

基于Renyi交叉熵与高斯分布的图像灰度直方图阈值分割方法，包括步骤：1初始化Renyi交叉熵指数α；2读取待分割的灰度图像并将其存入一个二维图像数组I中；3遍历图像数组I，计算得到图像最大灰度级数L及灰度级集合G={0,1,…,L}；4假定t为分割阈值，t将图像像素分为归属于两个不同类的灰度级集合C₀与C₁；5用公式计算出关于C₀与C₁的先验概率P₀及P₁、灰度级均值M₀与M₁，C₀与C₁的类方差S₀与S₁，图像每个灰度级i关于C₀与C₁的类概率与，图像灰度级i用高斯拟合得到的归一化后验概率；经过定义图像关于Renyi交叉熵的具有对称性的信息量；得到最优分割阈值；最后输出分割后的图像。

主权项

基于Renyi交叉熵与高斯分布的图像灰度直方图阈值分割方法，其特征在于，包括如下步骤：（1）初始化Renyi交叉熵指数α（α>0且α≠1）；（2）读取待分割的灰度图像，并将其存入一个二维图像数组I中；（3）遍历图像数组I，计算得到图像最大灰度级数L及灰度级集合G={0, 1, …, L}，计算归一化的灰度直方图H（H={h₀, h₁, …, h_L}）；（4）假定t为分割阈值，t将图像像素分为归属于两个不同类的灰度级集合C₀与C₁，C₀={0, 1, 2, …, t}，C₀={t+1, t+2, …, L}；（5）用H做为图像灰度级的概率密度函数估计，则可以用以下公式计算出关于C₀与C₁的先验概率P₀及P₁、灰度级均值M₀与M₁；公式一：；公式二：；公式三：；公式四：；（6）为了用高斯分布拟合图像灰度级概率分布，用以下公式计算关于C₀与C₁的类方差S₀与S₁；公式五：；公式六：；（7）用以下公式计算图像每个灰度级i 关于C₀与C₁的类概率与；公式七：；公式八：；（8）用公式九计算图像灰度级i 用高斯拟合得到的归一化后验概率；公式九：；（9）基于以上假设，定义图像关于Renyi交叉熵的具有对称性的信息量公式D；公式十：；（10）在G={0, 1, …, L}范围内搜索使下式获得最小值的灰度级t^*，t^*即最优分割阈值；公式十一：；（11）设f (x ,y)表示图像I坐标(x,y)处的像素灰度值，则可用下式对图像I实施分割；公式十二：；（12）输出分割后的图像。