[发明专利]一种基于二维经验模态分解和遗传算法的图像阈值分割方法

摘要

本发明涉及一种基于二维经验模态分解和遗传算法的图像阈值分割方法，本发明首先输入一幅待分割的图像，通过形态学差分法去除图像的背景，得到差分图像，再通过二维经验模态分解算法分解得到一系列内禀模式函数和余项；去除并不能表现细节信息的低频子图像，筛选出频率高的子图像；再利用对比拉伸变换算法对高频子图像进行对比度拉伸变换；然后对变换后的高频子图像相加融合得到增强后的图像；最后利用遗传算法对增强后的图像进行阈值分割。本发明在分割效果方面，相对于不加区分地直接对图像进行遗传算法阈值分割，目标分割效果更好，分割更完整。在特征相似性方面，本发明高于直接进行遗传算法阈值分割的值。

主权项

1.一种基于二维经验模态分解和遗传算法的图像阈值分割方法，其特征在于：输入一幅待分割的图像，通过形态学差分法去除图像的背景，得到差分图像d(x,y)，再通过二维经验模态分解算法分解得到一系列内禀模式函数IMF(x,y)和余项REF；该系列内禀模式函数IMF(x,y)表示为不同频率的子图像，去除并不能表现细节信息的低频子图像，筛选出频率高的子图像；再利用对比拉伸变换算法对高频子图像进行对比度拉伸变换；然后对变换后的高频子图像相加融合得到增强后的图像H；最后利用遗传算法对增强后的图像进行阈值分割。