一种高效的自适应多阈值图像分割方法

本发明涉及图像分割，具体涉及一种高效的自适应多阈值图像分割方法。

背景技术：

1、图像分割作为计算机视觉领域的关键技术之一，旨在根据诸如灰度值大小、空间纹理复杂度以及几何形状等多种特征将图像划分为互不相交的区域。这些特征在同一区域内呈现出一致性或相似性，同时在不同区域则呈现出显著差异。

2、阈值分割作为一种经典方法，通过确定一个或多个像素值作为阈值，将图像像素按照所选阈值分类，从而将图像分为不同区域。otsu方法(又称作最大类间方差法)正是其中的一个代表，在众多阈值分割方法中，其分割效果突出且得到广泛应用。随着阈值分割应用范围扩大，对分割质量的要求也日益增加。为此，研究者提出了各种改进方法，如fan等人提出的邻域谷强调方法，不仅考虑阈值，还考虑了阈值周围的邻域信息；xing等人提出利用二阶导数的修正谷值度量来改进otsu算法。然而，otsu在处理多类分割问题时，因为它使用穷举法进行阈值搜索，所以计算时间随着灰度级和类别数量呈指数增长。为解决计算时间成本问题，liao等人提出了优化类间方差准则；xu等人则基于otsu阈值等于其划分的两个类平均水平的平均值性质，限制了灰度级的搜索范围，提出了改进的otsu算法；huang等人提出了tsmo方法，它通过大幅减少计算图像类间方差所需的迭代次数从而提高了otsu的效率；wang等人简化tsallis熵和redyi熵，从而降低计算时间开销；而merzban等人结合动态规划算法，为多阈值分割提供了有效的解决方法。阈值分割在特定图像领域也有广泛应用，比如maciel等人结合不同部分的直方图进行独立阈值估计提出swot方法，用来分割图片中的色素皮肤病变；fan等人根据塘面水生植物图像的特点，提出了一种基于色相和饱和度分量相结合的改进otsu方法。

3、近年来，为降低图像阈值分割的计算复杂度和时间开销，研究者结合启发式算法进行阈值搜索，诸如多元宇宙(mvo)、花朵授粉(fp)、灰狼优化(gwo)、鲸鱼优化(woa)、遗传算法(ga)、和声搜索(hs)、风力优化(wdo0和蚁群优化(aco)等方法层出不穷。虽然这些方法在提高分割效率方面取得了一定效果，但实时性仍有待提升，同时往往容易陷入局部最优解，并且需要手动选择分割类数，无法实现自适应分割的目标。

4、而luessi等人提出的方法旨在获得一个全局最优解，其利用dp(动态规划)算法和smawk算法以求解在区间[1,l]内的m-1个最佳阈值(l为图像灰度级，m为分割类数)。但本申请的发明人经过研究发现，该方法仍存在需要人为指定一个固定的阈值分割类数即阈值个数，并且阈值搜索空间仍然较大。

技术实现思路

1、针对现有阈值分割方法通常需要人为指定一个固定的阈值分割类数来对图像进行分割，并且阈值搜索空间仍然较大的技术问题，本发明基于图像直方图谷底特性和全局优化的方式，提供一种高效的自适应多阈值图像分割方法。

2、为了解决上述技术问题，本发明采用了如下的技术方案：

3、一种高效的自适应多阈值图像分割方法，包括以下步骤：

4、s1、利用分割阈值通常出现在图像直方图的谷底位置这一特性对图像灰度级进行筛选，从图像灰度级中筛选出备选阈值，从而缩小阈值搜索空间，将阈值搜索空间限制在波谷范围之内，以减小计算复杂度并提高搜索效率；

5、s2、基于缩小后限制在波谷范围之内的阈值搜索空间，将利用动态规划算法和分治算法思想去解决的阈值搜索问题转化为矩阵搜索问题即是查找矩阵的行最大值问题，并结合smawk算法将矩阵搜索时间复杂度降低到线性时间复杂度水平，从而进一步提高分割实效性和算法效率；

6、s3、在缩小后的阈值搜索空间内进行不同阈值个数的全局搜索，确定全局最佳阈值个数及相应的最佳阈值，有效避免人为事先指定阈值分割类数即最佳阈值个数，从而实现自适应分割。

7、进一步，所述步骤s1中，利用分割阈值通常出现在图像直方图谷底位置这一特性从图像灰度级中筛选出备选阈值具体包括：

8、首先根据定义的波谷度量函数计算波谷度量函数值valley(x)，对那些valley(x)＞0的点进行从大到小排序，所述波谷度量函数定义如下：

9、valley(x)＝(p[x-δ]-p[x])+(p[x+δ]-p[x])

10、其中，x是图像亮度值，p(·)为对应亮度值的概率，δ为计算差值的窗口大小；

11、然后将valley(x)＞0的部分记为集合s，在集合s当中从大到小选取前k个亮度值作为备选阈值空间记为ω，ω＝top{s,k}。

12、进一步，所述步骤s2中，将利用动态规划算法和分治算法思想去解决的阈值搜索问题转化为矩阵搜索问题中，转化得到的矩阵表示为以下形式：

13、

14、其中，x∈{k,k+1,…,k+l-m}表示起点亮度值；y∈{k,k+1,…,k+l-m}表示结尾亮度值；lk表示上一阶段的最大；l(y+k-1,x+k)表示像素点y+k-1到亮度值x+k之间的代价。

15、进一步，所述步骤s3中通过定义以下全局类数度量函数o(m)来计算最佳分割类数即全局最佳阈值个数：

16、

17、其中，为谷底强调项，m表示不同分割类数，表示亮度值为的概率，lm(tm)表示每一个m对应的总代价值。

18、与现有技术相比，本发明提供的高效的自适应多阈值图像分割方法具有以下优点：

19、1、通过谷底筛选将阈值的搜索范围从整个灰度级缩小到可能出现的灰度级，有效减小了阈值搜索空间和降低了搜索的复杂度。

20、2、将阈值搜索问题转化为矩阵搜索问题，利用矩阵性质进行高效搜索，进一步提高了分割的效率，确保了在阈值搜索空间中寻找最佳阈值的准确性和速度。

21、3、通过在备选阈值空间里进行全局阈值个数搜索，确定全局最佳阈值个数，从而实现自适应分割。

22、4、所提算法能够在较低的时间复杂度下获得全局最佳阈值，所选的阈值能够有效分割图像，并且有较快的运行速度，从而显著缓解了阈值分割速度方面的困境。

技术特征：

1.一种高效的自适应多阈值图像分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的高效的自适应多阈值图像分割方法，其特征在于，所述步骤s1中，利用分割阈值通常出现在图像直方图谷底位置这一特性从图像灰度级中筛选出备选阈值具体包括：

3.根据权利要求1所述的高效的自适应多阈值图像分割方法，其特征在于，所述步骤s2中，将利用动态规划算法和分治算法思想去解决的阈值搜索问题转化为矩阵搜索问题中，转化得到的矩阵表示为以下形式：

4.根据权利要求1所述的高效的自适应多阈值图像分割方法，其特征在于，所述步骤s3中通过定义以下全局类数度量函数o(m)来计算最佳分割类数即全局最佳阈值个数：

技术总结本发明提供一种高效的自适应多阈值图像分割方法，包括利用分割阈值通常出现在图像直方图的谷底位置这一特性对图像灰度级进行筛选，从图像灰度级中筛选出备选阈值，从而缩小阈值搜索空间，将阈值搜索空间限制在波谷范围之内；基于缩小后限制在波谷范围之内的阈值搜索空间，将利用动态规划算法和分治算法思想去解决的阈值搜索问题转化为矩阵搜索问题，并结合SMAWK算法将矩阵搜索时间复杂度降低到线性时间复杂度水平；在缩小后的阈值搜索空间内进行不同阈值个数的全局搜索，确定全局最佳阈值个数及相应的最佳阈值，有效避免人为事先指定阈值分割类数，实现自适应分割。本发明能有效减小阈值搜索空间和降低搜索复杂度，提高阈值分割的可行性和适用性。技术研发人员：龙建武,邹婉婷受保护的技术使用者：重庆理工大学技术研发日：技术公布日：2024/11/18