摘要：为提高红外图像中目标分割的精度和抗噪性能，提出了一种改进的交互式 Otsu图像分割算法；采用图像信息熵特征和类间方差特征对经典Otsu算法的阈值判别函数进行改进，获得的最优阈值能较好地将目标从背景中分割出来，且具有良好的边缘保持效果，提高了算法的分割精度同时，针对红外图像目标单一的特点，采用交互式粗分割的思路，先在红外图像中提取包含目标的局部封闭区域，进而在提取的区域内进行改进的Otsu分割；通过对红外图像激光光斑目标提取过程的实验结果表明∶改进的Otsu分割算法大大降低了背景噪声对分割算法的影响，提高了抗噪性能与分割精度，且最大程度地减少分割算法的运算量，并较好地保持了目标模糊边缘，分割效果优于传统的Otsu算法和相关的改进Otsu算法。
红外图像分割是目标检测、识别和跟踪等技术的前提，目的是将图像中关键有用的目标信息从背景中分离出来。由于在成像过程中受温度、气流、噪声和辐射等各种因素的影响，红外图像普遍具有低对比度和高噪声的特点，从而给目标的提取工作带来了很大的难度，是图像领域专家学者研究的热点问题。目前虽存在众多流派的图像分割算法，但由于图像的多样性和分割问题的复杂性，并没有通用的图像分割方法。文献【3】提出的最大类间方差（Otsu）法因其快速性、自适应性和良好的分割性而得到了广泛的研究和推广，但经典的 Otsu 算法只考虑了图像像素的灰度信息，很容易受到噪声的影响，效果不是很理想；文献【4】结合邻域信息设计了改进的 Otsu 算法，但是对于噪声强的图像分割效果依然很差；文献 【5】引入了类的概念，在充分考虑目标和背景二者之间分离性和各自类中的内聚性后，改进阈值判别函数，使得分割精度得到了一定的提高；文献【6】在经典 Otsu 准则的基础上，结合图像熵提出了一种改进的局部递归的阈值选取分割算法，使得分割后的图像细节更加丰富，但该算法对噪声很强的图像分割效果依然不理想。为了克服经典Otsu方法受噪声影响大的缺点，很多学者将经典Otsu法从单阈值推广到多阈值，从一维 Otsu 法推广到多维。但是随着维数的推广，虽然算法的性能有了很大的提高，但运算量却成倍的增加，仍然不适宜处理实时图像序列。为了获得更高的分割精度，同时最大程度地降低分割算法的运算量。为此，提出了一种交互式的改进的Otsu分割算法，首先采用交互式预处理的方式，大致勾画出目标区域，并将区域外部的图像全部视为背景，进而对区域内的图像采用改进的Otsu算法进行分割，进一步提高了算法的分割精度。通过对大量红外图像分割实验验证表明，改进算法对红外图像的抗噪性能好，分割精度明显优于经典 Otsu 算法及其它几种相关的Otsu改进算法。
1、Otsu 图像分割算法
经典Otsu算法核心思想是根据图像的灰度特征把图像分为目标和背景两部分，然后通过类间方差的值来评价两者的差别程度。因此，只要选择一个最佳阈值使得类间方差最大即可。具体的数学描述过程如下∶假设一幅灰度级为L的图像，其中灰度为i的像素个数为N；，总像素个数为N，灰度为i的像素个数所占的比例为P，，图像的平均强度为M，那么
2、改进的Otsu图像分割算法
由于经典Otsu图像分割算法是用图像的灰度均值特征来描述目标和背景的差异性，对于目标和背景灰度特性区分明显的图像有较好的分割效果。但由于上述方法仅利用了一维灰度信息，当图像的信噪比较低时，很容易受噪声的影响而降低图像的分割效果。事实上，图像的特征还可以用信息熵、信噪比和邻域均值等参数来描述。目前，对经典Otsu算法的改进大多是在改变或增加图像特征的基础上通过改进阈值判别函数实现的。在经典Otsu准则下，用信息熵取代灰度均值修改了阈值判别函数，使得改进后的算法不受灰度值的线性变化和平移变化的影响；而本文在经典的Otsu方法的基础上，针对红外图像的特点，结合类间方差和信息熵这两个图像特征，改进了Otsu 阈值判别函数，提出了新的阈值分割方法。
3、交互式图像分割预处理方法
虽然改进之后的算法能够在红外图像的分割中取得了较好的效果，但仍然受红外图像中边缘强噪声的影响，而红外图像的特点是噪声比较多，因此必须提高算法的抗噪性能El3-14。由于对于单一目标而言，如果对图像局部采用Otsu分割方法，即只对包含目标的局部相关区域进行Otsu 分割，从理论上讲，会比对整个图像使用Otsu分割的效果要好。因为在局部区域对目标分割结果受背景噪声的影响更小，同时目标分割的复杂性也大大降低。本文提出的对图像局部区域使用的改进的 Otsu 分割算法的实现有赖于交互式图像分割与处理技术。
在对红外图像分割的实验中发现，红外图像的边缘噪声最强，边缘像素的灰度值与目标模糊边缘甚至目标内部灰度值的大小几乎相同，因此，经典Otsu法及其改进算法很容易将这部分边缘噪声当作目标分割出来，或者将目标模糊边缘甚至其内部当作背景处理。为了能够减少边缘强噪声对分割算法的影响，提出了一种交互式的图像分割预处理方法。即在对图像分割前先勾画出包括目标区域，而不包括强噪声边缘的一部分封闭区域，进而只对含有目标的封闭区域作下一步处理，就可以消除边缘强噪声对后续智能算法的影响。勾画封闭域主要是去除大部分背景以及边缘强噪声，同时对封闭区域外一律视作背景处理。本文引入的交互式图像分割预处理方法属于一种简易的粗分割。通过引入这种交互式交互式粗分割，不仅可以很大程度地减少背景和噪声，提高了Otsu及其改进算法的抗噪性能，而且还有效降低了运算量，增加了处理的时效性。同时，这种粗分割使得分割的目标性极强，当图像中出现多个类似目标时，一般的智能算法是不可能将所需要的单个目标分割出来的，这时就体现出交互式分割极其重要的作用。这种交互式粗分割对图像没有严格的要求，可以和分割算法结合，从而弥补了单一智能分割算法的缺陷。
更多详细内容请下载附件查看
已绑定手机
发表于 2022-5-1 09:00:01
