[发明专利]一种基于Gabor直方图熵的图像分割方法

摘要

本发明涉及一种基于Gabor直方图熵的图像分割方法，属于数字图像处理技术领域。本发明首先构建归一化的Gabor直方图；然后通过灰度图像归一化的Gabor直方图熵，求取最佳阈值；最后根据得到的最佳阈值将灰度图像分成目标部分和背景部分。本发明方法使用Gabor滤波器来引入像素的空间信息，Gabor滤波器同时在空域和时域上具有优良的响应特性。所以可以很薄的表征像素的方向和幅度的空间信息；对于已有同类算法分割较好的图像类型，我们的算法也可以获得同水平或更好的效果；对于已有同类算法存在的鲁棒性不够的问题，得到了有效改进。本算法具有更高的普适性。

主权项

1.一种基于Gabor直方图熵的图像分割方法，其特征在于：首先构建归一化的Gabor直方图；然后通过灰度图像I(x,y)归一化的Gabor直方图熵，求取最佳阈值t^*；最后根据得到的最佳阈值t^*将灰度图像I(x,y)分成目标部分和背景部分；所述方法的具体步骤如下：Step1、构建归一化的Gabor直方图：Step1.1、将灰度图像I(x,y)与二维Gabor核函数G(x,y)进行卷积，得到卷积图像F(x,y)，经过公式(1)处理后，生成K个卷积图像卷积之后的K个卷积图像，按照方向和尺度大小依次分成量化容器，得到K个量化容器；其中，k₃∈{1,2...,K}；F(x,y)＝I(x,y)*G(x,y)(1)Step1.2、将每个量化容器中的每一个点(x,y)作为中心，按w×w邻域窗口大小计算卷积值h_Θ(x,y)，对每一个点的w×w个卷积值求和，取K个量化容器中同一个点的卷积值之和的最大值所对应的量化容器的编号作为Θ_max(x,y)；其中，w取奇整数，Θ表示对应的量化容器编号，其取值范围为[1,K]；Θ_max(x,y)的取值范围为[1,K]；Step1.3、根据公式(3)，使用灰度图像I(x,y)及Θ_max(x,y)来创建二维直方图，作为Gabor直方图h(s,q)，接着对Gabor直方图h(s,q)做归一化处理，得到归一化的Gabor直方图h(s,q)＝prob(f(x,y)＝s andΘ_max(x,y)＝q)(3)其中，f(x,y)表示灰度图像I(x,y)点(x,y)处的灰度值，q∈{1,2,...,K}；Num(s,q)表示满足条件“f(x,y)＝s与Θ_max(x,y)＝q”的像素点的数目，Q×R表示整幅图像的像素点总数，L表示灰度图像I(x,y)的最大灰度级；Step2、通过灰度图像I(x,y)归一化的Gabor直方图熵，求取最佳阈值t^*：Step2.1、通过归一化的Gabor直方图计算灰度图像I(x,y)的概率函数p(s,q)：Step2.2、将灰度图像I(x,y)通过阈值t划分成目标部分L₁＝{0,1,2,...,t}和背景部分L₂＝{t+1,t+2,...,255}；划分后相关的目标部分和背景部分的概率函数分别为式(5)和式(6)；其中，P₁(t)和P₂(t)分别为式(7)和式(8)：P₁(t)+P₂(t)＝1(9)Step2.3、根据公式(10)、(11)分别求取目标部分所对应的熵H₁(t)和背景部分所对应的熵H₂(t)：Step2.3、根据公式(12)，计算得到灰度图像I(x,y)归一化的Gabor直方图熵φ(t)：φ(t)＝H₁(t)+H₂(t)(12)Step2.4、将t∈{0,1,2,...,255}的取值依次代入函数φ(t)，则maxφ(t)所对应的t值为最佳阈值t^*：t^*＝arg maxφ(t)(13)Step3、根据得到的最佳阈值t^*将灰度图像I(x,y)分成目标部分和背景部分。