曲 楊, 許衛(wèi)東, 楊駿堂, 童 俊

(中國人民解放軍理工大學(xué)野戰(zhàn)工程學(xué)院, 江蘇 南京 210007)

基于邊緣信息和Otsu的紅外圖像分割方法

曲 楊, 許衛(wèi)東, 楊駿堂, 童 俊

(中國人民解放軍理工大學(xué)野戰(zhàn)工程學(xué)院, 江蘇 南京 210007)

針對Otsu法對目標(biāo)面積過小或灰度直方圖不呈明顯雙峰特性的紅外圖像難以有效分割的問題,了提出一種使用邊緣信息來改進(jìn)直方圖形狀的方法,這種方法使得圖像不受目標(biāo)和背景相對大小的限制,且改善了直方圖峰值的對稱性,獲得了被深谷分開的雙峰,與傳統(tǒng)的Otsu法相比,該方法能夠取得更理想的分割效果,更好地可以提取感興趣的紅外目標(biāo)。

圖像分割; Otsu; 邊緣信息; 紅外圖像

閾值分割技術(shù)是一種基于圖像中目標(biāo)與背景的灰度特性差異,來選擇合適的閾值將像素點(diǎn)劃分為不同區(qū)域的圖像分割技術(shù),其目的是分離目標(biāo)和背景,提取出人們感興趣的目標(biāo)[1]。閾值分割因其易于實(shí)現(xiàn)、計算量小、穩(wěn)定性好等優(yōu)點(diǎn),廣泛應(yīng)用于紅外目標(biāo)檢測、SAR圖像目標(biāo)識別、工業(yè)圖像缺陷提取、指紋識別等領(lǐng)域。經(jīng)典方法有Otsu法等[2]。Otsu法是一種全局閾值分割方法,其基本思想是將一幅圖像分為目標(biāo)類與背景類兩類,以目標(biāo)和背景之間的方差最大為準(zhǔn)則,動態(tài)確定圖像分割的閾值,性能較好。但是傳統(tǒng)的Otsu法對于目標(biāo)面積較小或灰度直方圖不呈現(xiàn)明顯雙峰特性的圖像,往往無法獲得較理想的分割效果。針對這一問題,本文提出了一種基于邊緣信息和Otsu法的分割方法,不僅改進(jìn)了直方圖的形狀,能夠獲得被深谷分開的雙峰直方圖,且使得圖像不受物體和背景相對大小的限制,能更理想地分割圖像,提取感興趣的紅外目標(biāo)。

1 類間方差(Otsu)法

1979年日本學(xué)者大津提出了類間方差(Otsu)法,其基本思想是用閾值把圖像像素分為兩類,即目標(biāo)與背景,用方差來衡量目標(biāo)和背景之間的差別,把使目標(biāo)和背景兩類的類間方差最大的灰度級認(rèn)定為最佳閾值,是一種較優(yōu)的閾值自動選取方法[3]。Otsu法自提出后得到了廣大研究人員的關(guān)注與深入研究,是目前應(yīng)用較廣的圖像分割技術(shù)之一[4]。一幅圖像的最大類間方差計算公式如下:

η(t)=max[w0(t)*(u0(t)-u)2+w1(t)*(u1(t)-u)2]

(1)

式中,t為分割的閾值,w0為目標(biāo)類在整幅圖像灰度所占比例,w1為背景類在整幅圖像灰度所占比例,u0為目標(biāo)類灰度均值,u1為背景類灰度均值,u為整幅圖像的灰度均值。令η(t)取最大值,此時的t值即為分割的最佳閾值。

由式(1)可知,Otsu法的所有參數(shù)均來源于圖像的灰度直方圖,最佳閾值是根據(jù)直方圖計算而得,所以直方圖的形狀對分割結(jié)果有很重要的影響,當(dāng)圖像的灰度直方圖沒有高窄且對稱的雙峰時,Otsu方法往往無法取得較好的分割結(jié)果。此外,Otsu法對需要提取的目標(biāo)大小十分敏感[5]。Kittler和Illingworth的實(shí)驗(yàn)表明:當(dāng)圖像中目標(biāo)與背景的面積之比很小時,Otsu法的準(zhǔn)確性較差[6]。Lee S U等人的研究也揭示,當(dāng)目標(biāo)的面積接近整幅圖像的30%時,Otsu方法分割性能最理想,但當(dāng)感興趣目標(biāo)的面積減小時,Otsu方法的性能會迅速下降[7]。如圖1(a)煙幕偽裝中拍攝的紅外圖像所示,需要分割提取的紅外目標(biāo)相對于背景尺寸較小,圖1(b)為紅外圖像的灰度直方圖,呈單峰特性,由圖1(c)可見,采用傳統(tǒng)的Otsu法獲得的效果十分不理想。

圖1 煙幕偽裝中拍攝的紅外圖像

2 基于邊緣信息改進(jìn)的Otsu方法

根據(jù)神經(jīng)信息學(xué)原理,人眼對場景中亮度變化較快的部分比較敏感,人觀察場景時總會先留意其中不同物體的輪廓,以此完成對場景的理解[8]。這是因?yàn)閳鼍爸写蟛糠值闹匾畔⒍技性诓煌瑓^(qū)域的輪廓邊緣,邊緣對圖像的理解十分重要,它不僅是劃分目標(biāo)與背景的重要圖像元素,也是圖像分割的關(guān)鍵依據(jù)之一。

若灰度直方圖不具有高窄且對稱的雙峰,如呈單峰或多峰,則目標(biāo)與背景對比不夠強(qiáng)烈,或紅外目標(biāo)較小,對直方圖貢獻(xiàn)不大[9],此時Otsu法并不能很好地提取出紅外目標(biāo)。本文利用邊緣信息來改善這種情況,即僅考慮位于目標(biāo)與背景邊界上的重要信息,采用目標(biāo)與背景之間的強(qiáng)邊緣像素點(diǎn),來生成理想的雙峰直方圖,為下一步的Otsu分割提供依據(jù)。

具體步驟如下:

1) 使用Sobel梯度算子對待分割的紅外圖像f(x,y)進(jìn)行邊緣提取,得到邊緣圖像g(x,y)。

2) 將邊緣圖像g(x,y)的灰度值歸一化,歸一化后整幅圖像的灰度值區(qū)間為[0,1],歸一化公式為

(2)

式中,(i,j)為遍歷整個圖像的像素點(diǎn)。g(i,j)代表點(diǎn)(i,j)處的灰度值,max(g(i,j))代表邊緣圖像g(x,y)的灰度最大值。

3)對歸一化后的邊緣圖像的灰度值用高百分位(依實(shí)際而定,本文取99)進(jìn)行計算,得到閾值Q,該閾值Q大于邊緣圖像中99%的像素點(diǎn)的灰度值,使用其對原始圖像f(x,y)進(jìn)行閾值分割,得到二值圖像,即標(biāo)記圖像h(x,y)。這一步是為了篩選并保留邊緣圖像中較大的灰度值,該圖像中像素為1的點(diǎn)集合即為我們所需要的強(qiáng)邊緣。(第n個百分位是指集合中n%個元素數(shù)的最小數(shù)。如,在某幅圖像中,(x,y)處的像素灰度值為144,且該灰度值144大于所有像素中99%的像素點(diǎn)的灰度值,則認(rèn)為(x,y)的灰度值144處于第99個百分位。設(shè)定集合中最小數(shù)為第0個百分位,最大數(shù)為第100個百分位。)

4)將標(biāo)記圖像h(x,y)中1值像素點(diǎn)位置映射到原始圖像f(x,y)中,并用原始圖像f(x,y)映射位置的像素灰度值替換標(biāo)記圖像相應(yīng)位置的1值,得到映射圖像j(x,y),使用映射圖像j(x,y)中的非零像素計算出改進(jìn)的灰度直方圖。

5)使用步驟4得到的直方圖計算OTSU法的最佳閾值T,用來分割圖像f(x,y),生成二值圖像,即為改進(jìn)方法的分割結(jié)果。

3 實(shí)驗(yàn)結(jié)果及分析

本文對三組紅外圖像進(jìn)行實(shí)驗(yàn),通過仿真實(shí)驗(yàn)驗(yàn)證本文算法的有效性,對比方法1為Otsu法,對比方法2基于梯度圖像直方圖計算分割閾值再運(yùn)用Otsu法[10]進(jìn)行分割,實(shí)驗(yàn)結(jié)果見圖2～4,圖2(a)為待分割的紅外原圖像f(x,y),圖2(b)為邊緣提取圖像g(x,y),圖2(c)為標(biāo)記圖像h(x,y),圖2(d)為映射圖像j(x,y),圖2(e)為原始紅外圖像的灰度直方圖,圖2(f)為改進(jìn)方法得到的灰度直方圖,圖2(g)為對比方法1分割得到的紅外目標(biāo),圖2(h)為對比方法2分割得到的紅外目標(biāo),圖2(i)為改進(jìn)方法分割得到的紅外目標(biāo)。

由圖2可以看出,該紅外圖像的紅外目標(biāo)較小(見圖2(a)),且灰度直方圖呈單峰特性(見圖2(e),對比方法1分割失敗(見圖2(g)),對比方法2提取的紅外區(qū)域清晰但有一個紅外目標(biāo)被錯分為了背景(見圖2(h)),通過改進(jìn)方法得到的直方圖呈明顯雙峰特性(見圖2(f)),基于改進(jìn)直方圖使用Otsu法分割得到的紅外目標(biāo)更準(zhǔn)確(見圖2(i))。

由圖3可以看出,該紅外圖像的紅外目標(biāo)也較小(見圖3(a)),灰度直方圖雖然是雙峰,但峰間谷底不夠深(見圖3(e)),對比方法1、對比方法2法分割會把一些不感興趣的背景錯分為目標(biāo)(見圖3(g)(h)),通過改進(jìn)方法得到的直方圖雙峰間谷底深且寬,有利于目標(biāo)與背景分離(見圖3(f)),基于改進(jìn)直方圖使用Otsu法提取的紅外目標(biāo)更精準(zhǔn),也更符合人眼觀察(見圖3(i))。

圖2 煙幕偽裝中拍攝的紅外圖像

圖3 UN CAMP紅外圖片

由圖4可以看出,該紅外圖像雖然紅外目標(biāo)大小適中(見圖4(a)),但灰度直方圖呈多峰,灰度級分布較分散(見圖4(e)),對比方法1、對比方法2雖然能提取出目標(biāo)大致形狀,但目標(biāo)熱輻射強(qiáng)的區(qū)域輪廓邊緣不夠精確(見圖4(g)(h)),通過改進(jìn)方法得到的直方圖呈明顯雙峰特性(見圖4(f)),基于改進(jìn)直方圖使用Otsu法提取的紅外目標(biāo)更理想,能更準(zhǔn)確反映目標(biāo)的熱特性,更有利于對圖像的理解和進(jìn)一步分析(見圖4(i))。

圖4 海上輪船的紅外圖像

4 結(jié)束語

本文基于Otsu方法的基本理論,針對目標(biāo)面積過小或灰度直方圖不呈明顯雙峰特性的紅外圖像難以有效分割的問題,采用邊緣信息改進(jìn)了灰度直方圖的形狀,使得直方圖具有明顯的雙峰,且不受物體和背景的相對大小的限制,與傳統(tǒng)的Otsu方法相比,該方法分割結(jié)果科學(xué)合理,也與人眼主觀判斷相符,有利于人眼對圖像的理解和計算機(jī)進(jìn)一步處理。

[1] 劉超,蔡文華,陸玲. 圖像閾值法分割綜述[J]. 電腦知識與技術(shù),2015,11(1):140-142，145.

[2] 何俊,葛紅,王玉峰. 圖像分割算法研究綜述[J]. 計算機(jī)工程與科學(xué),2009,31(12):58-61.

[3] 許向陽,宋恩民,金良海. Otsu 準(zhǔn)則的閾值性質(zhì)分析[J].電子學(xué)報, 2009,37(12):2716-2719.

[4] 王磊,段會川. Otsu方法在多閾值圖像分割中的應(yīng)用[J]. 計算機(jī)工程與設(shè)計,2008,29(11):2844-2845.

[5] Wang H., Suh J.W., Das S.R., et al. Multi-atlas segmentation with joint label fusion[J].Pattern Analysis and Machine Intelligence, IEEE Transactions on, 2013, 35(3): 611-623.

[6] Nguyen T.M., Wu Q.J. Robust student’s-t mixture model with spatial constraints and its application in medical image segmentation[J]. Medical Imaging, IEEE Transactions on, 2012,31(1): 103-116.

[7] Gong M., Liang Y., Shi J., et al. Fuzzy c-means clustering with local information and kernel metric for image segmentation[J]. Image Processing, IEEE Transactions on, 2013, 22(2):573-584.

[8] 安成錦,牛照東,李志軍,等.典型Otsu算法閾值比較及其SAR圖像水域分割性能分析[J]. 電子與信息學(xué)報,2010,32(9):2215-2219.

[9] 李光耀. 圖像閾值分割法和邊緣檢測法的研究與應(yīng)用[J]. 信息通信,2013(4):19.

[10] 秦劍,李林,李紹明,等. 基于梯度的圖像分割新方法[J]. 計算機(jī)應(yīng)用,2009,29(8):2071-2073.

Infrared Image Segmentation Method Based on Edge Information and Otsu

QU Yang, XU Wei-dong, YANG Jun-tang, TONG Jun

(College of Field Engineering, PLA University of Science and Technology, Nanjing 210007, China)

Infrared images with small target or gray histogram without obvious double crest characteristics are hard to segment effectively. To solve this problem, a method for improving histogram shapes by edge information is proposed. This method overcomes the restriction of the relative size of the target and background and improves the symmetry of histogram crest value.And we can get double crests separated by a deep valley. Compared to traditional Otsu method,the improving method can obtain the more desirable segmentation results and get better interest target.

image segmentation; Otsu; edge information;infrared image

1673-3819(2017)06-0130-04

TP391.41

A

10.3969/j.issn.1673-3819.2017.06.027

2017-06-15

2017-06-29

曲 楊(1994-),女,吉林松原人，碩士研究生，研究方向?yàn)楸骺茖W(xué)與技術(shù)。許衛(wèi)東(1966-)，男，教授。楊駿堂(1991-)，男，碩士研究生。童 俊(1994-)，男，碩士研究生。