基于改进Otsu法的自动阈值分割方法
- 格式：pdf
- 大小：198.70 KB
- 文档页数：2
维普资讯 旦：
Ｓ ｃ ｅｎｃ ａｎ Ｔｅｃｈｎ ｏ ｙ ｉ ｅ ｄ ｏｌ ｇ Ｃ ｏｎ ｓｕｌｉ ｇ Ｈｅｒ ｄ ｔｎ ａｌ
工 业 技 术
基于 改进 Ｏｔ ｕ法 的 自动 阈值 分割方法 ｓ
马英 辉
，
Ｏ
‘
＆
Ｏ
‘
ｌ ｌ
Ｎ５ ＋Ｎ ３ ／２。 ）
图 ２ 第 ４ 帧 图像 中 目标 区域分割 结果 ｌ
ｐ（＝ ｏ ∑ ／ ￡ ｔ （ ｊ
｛
２ 实验分析 与结 论
图ｌ 、２、３是 同一运 动 目标 在不 同时 刻 的分割结 果 ， 选择 了图像 序列 中的第 ８ 、第 帧 ４ 帧 、第 ４ ｌ ３帧图像 中的运动 目 ， ｌ 示 标 图 显 的是第 ８ 图像 中的运 动 目 区域选择 的阈值 帧 标 为８， ｌ 这幅 图像 中 目 周 围有零散 的小 目标 ， 标 但 是分割 出了孤立的运 动 目标 ； ２显示的是 图 第 ４ 帧图像 中的运 动 目标 区域选择 的阈值为 ｌ ８， ９ 目标与标杆 分离时 ， 标 产生分 离 ， 目 这是 分 割 中仍需解决的 问题 ； ３ 图 显示的是第 ４ 帧图 ３ 像 中的运动 目标 区域选择的阈值为 ９ ， 标 与 ０目 标 杆 完全分 离后 ， 仍能 得到 完整 的 目标 边缘 。 在这 ３ 图像 中 ， 帧 我们看 出了阈值虽然 是成递
一
＝∞ （０ 一 ｌ１＋０ ｔ ｔ 一 ） ０ ） （（ ／ ） １￣ｌ ＝∞ （ ０（ ＋∞ ｛１】 ｒ （ ｏ ｒ １ 。 ） ８ ， １ ０ 【 ＋ １ １ １ ， ｃ
＝ ＋ （ １） 式 ０
由于口 ’ 阀值没有 关 系 ， 和 因此 ． 、 节的 最优化 式是等价 的 。人们通 常通过最大 化 。 或 最小化口 来 达到获 取 阈值 的 目的 －。 ６ ＿ 改进 Ｏｔ ｓ ｕ的阈值选 取方法 的改进形式 是 式（ ４ 所示 ： １）
ｃ ’ ａｇ ｍ ａ ｒ ｘ
。
—
ｌ
Ｉ＿ ｆ ｌ
， ：
［ｏ ） ｉ‘ ｃ ＩＡＣ ｔｌ ｏｔ ￣
三
（４ １）
且
１基 于改进Ｏ ｓ法 的自动阈值 分割方法 ｔ ｕ
１ ２ 自动分割阈值确 定的基本步骤 １ １ 改进 Ｏ ｓ 法的阈值确定 方法 ｔ ｕ （） 用改进 Ｏ ｓ 法 确定原 图像 Ｉ 的阈值 １ 运 ｔ ｕ ２ 二维图像的每一像素的信息可以用灰度值 Ｎ １； 来表 示。 所有 灰度值的统计信息可 以用一维直 （ ） 用改进 Ｏｔ ｕ法 确定运 动 目标 区域 ２运 ｓ 方图来 表示 ， 该直 方图用 （：１ Ｔ 来表 ｉ ， Ａ， ） ２ Ｍ１的阈值 Ｎ２ ； 示。可 看成 是对背景和对象物的混 合概率密度 （） 用 ｒ ｎ Ｎ１Ｎ２ ， ３ 运 ａ ｛ ， ｝确定两 阈值的最小 ｉ 函数的一 个估计 。对 阈值， ｆ Ｔ ， （ ） 记 １ 值 Ｎ３ ； （） ４ 用函数 ｍ ａ ２ 函数 ｓ ２ 求得运动 目 ｅｎ 和 ｔ ， ｄ 标 区域的 灰度平均值 Ｎ ４和灰 度方差 Ｎ５ ； （ 得到 最终 的分 割 阈值 ， Ｎ一（ ５） 即 Ｎ４
【 ｌ
（ 宿迁学院计算机科 学系 江苏 宿迁 ２ ３０ ） ２ ８ ０
摘 运
．
∑ ∑
Ｑ 『
要： 针对 图像序列的背景变化 和背景的复杂性 ， 本文提 出了一种基于改进 Ｏ ｓ 的 自动阈值分割方法 ， ｔｕ法 实现 了复杂背 景 三 序 ｌ １ ． 歹中 图 Ｊ 动 目标 的快 速分割 。实验表 明 ， 种 目标分割 方法 ， 少了 图像降噪和 图像增强等处理 ， 这 减 同时 还降低 了噪声 的影 响 ， 且算法简单 ， 具有较 好 的分 割效 果 和较 高 的效 率 。 关键词 ： ｔ 法 闽值 目标 分割 ｏｓｕ 中图分类 号 ： ＴＰ３ ． １ ４ ７ 文献标识码 ： Ａ 文章编号 ： ６ ３ ５ ４２ ０ ）７ｃ ０ ４ ０ １ ７ ０ ３ （０ ７ ０ （） ０ ７ ２ 复杂 背景下 运 动 目标 分 割技 术研 究的 主 要 目的 是把待 识 别的 目标 图像从原 始 图像 中 分割 出 来Ｉ 。 图像分 割就 是依 据 一定 的阈 值 将 目标 图像从 背景 中分割 出来的过程 ， 括阈 包 值选取 和 目标分割 两个过程 ， 它是 目标跟踪 系 统 中极其 关键 的一 个环 节【 。 ２ 】 阈值化 分 割算 法是 图像 分割 中应 用数 量 最 多 的一 类 。简 单地 说 ， 灰度 图像 的 阈值 对 分割就 是先 确定 一个 处于 图像灰 度 取值 范围 内的灰度 阈值 ， 然后 将 图像 中各个像素 的灰度 值与这个 阀值相比较 ， 并根 据比较的结 果将对 应的像 素划分 （ 分割 ） 为两类 ： 素灰度 值大干 像 阈值 的一 类 ， 像素 灰 度值 小于 阈 值 的为 另一 类， 灰度 值等于 阈值的像素可 以归于这两 类之 分割 后的两 类像 素一 般分 属 图像的 两个 不同 区域 ， 所以 对像素根据 阈值分类来达 到区 域分 割 的 目的 。 由此 可见 ， 闽值 分 割算 法主 要有两 个步骤 ： 】 （ ） 定需 要分割 的阈值 ； １确 （） ２将分割 阈值与像素点 的灰度值 比较 ， 来 分割 图像的像 素 。 以上步 骤中 ， 定闽 值是分 割的关 键 ， 确 如 果能 确定 一个 合适 的阀 值就可 准确 地将 图像 分割 开来 。阈值 确定后 ， 将阈值 与像素点 的灰 度值比较和像素 分割可对 各像素并行地 进行 ， 分割的结果 直接给 出图像区域 。
（ ９ ）
在式 （） １ ） １到（ ０规定 的基础上 Ｏｔｕ通过 最 ｓ 大化式（ １ 、１ ）（３ 之一来选 取最佳阈值 ｔ １ ） （２ 、１ ） ：
，
＝
Ｏ－ ｗ
一
（１ １）
２
。
＝
Ｕ ｙ
一
（２ １）
２
ｒ＝ ／
（３ １）
图 １ 第 ８ 图像 中 目标 区域分 割结果 帧
Ｓ ｃ ｅｎｃ ａｎ Ｔｅｃｈｎ ｏ ｙ ｉ ｅ ｄ ｏｌ ｇ Ｃ ｏｎ ｓｕｌｉ ｇ Ｈｅｒ ｄ ｔｎ ａｌ
工 业 技 术
基于 改进 Ｏｔ ｕ法 的 自动 阈值 分割方法 ｓ
马英 辉
，
Ｏ
‘
＆
Ｏ
‘
ｌ ｌ
Ｎ５ ＋Ｎ ３ ／２。 ）
图 ２ 第 ４ 帧 图像 中 目标 区域分割 结果 ｌ
ｐ（＝ ｏ ∑ ／ ￡ ｔ （ ｊ
｛
２ 实验分析 与结 论
图ｌ 、２、３是 同一运 动 目标 在不 同时 刻 的分割结 果 ， 选择 了图像 序列 中的第 ８ 、第 帧 ４ 帧 、第 ４ ｌ ３帧图像 中的运动 目 ， ｌ 示 标 图 显 的是第 ８ 图像 中的运 动 目 区域选择 的阈值 帧 标 为８， ｌ 这幅 图像 中 目 周 围有零散 的小 目标 ， 标 但 是分割 出了孤立的运 动 目标 ； ２显示的是 图 第 ４ 帧图像 中的运 动 目标 区域选择 的阈值为 ｌ ８， ９ 目标与标杆 分离时 ， 标 产生分 离 ， 目 这是 分 割 中仍需解决的 问题 ； ３ 图 显示的是第 ４ 帧图 ３ 像 中的运动 目标 区域选择的阈值为 ９ ， 标 与 ０目 标 杆 完全分 离后 ， 仍能 得到 完整 的 目标 边缘 。 在这 ３ 图像 中 ， 帧 我们看 出了阈值虽然 是成递
一
＝∞ （０ 一 ｌ１＋０ ｔ ｔ 一 ） ０ ） （（ ／ ） １￣ｌ ＝∞ （ ０（ ＋∞ ｛１】 ｒ （ ｏ ｒ １ 。 ） ８ ， １ ０ 【 ＋ １ １ １ ， ｃ
＝ ＋ （ １） 式 ０
由于口 ’ 阀值没有 关 系 ， 和 因此 ． 、 节的 最优化 式是等价 的 。人们通 常通过最大 化 。 或 最小化口 来 达到获 取 阈值 的 目的 －。 ６ ＿ 改进 Ｏｔ ｓ ｕ的阈值选 取方法 的改进形式 是 式（ ４ 所示 ： １）
ｃ ’ ａｇ ｍ ａ ｒ ｘ
。
—
ｌ
Ｉ＿ ｆ ｌ
， ：
［ｏ ） ｉ‘ ｃ ＩＡＣ ｔｌ ｏｔ ￣
三
（４ １）
且
１基 于改进Ｏ ｓ法 的自动阈值 分割方法 ｔ ｕ
１ ２ 自动分割阈值确 定的基本步骤 １ １ 改进 Ｏ ｓ 法的阈值确定 方法 ｔ ｕ （） 用改进 Ｏ ｓ 法 确定原 图像 Ｉ 的阈值 １ 运 ｔ ｕ ２ 二维图像的每一像素的信息可以用灰度值 Ｎ １； 来表 示。 所有 灰度值的统计信息可 以用一维直 （ ） 用改进 Ｏｔ ｕ法 确定运 动 目标 区域 ２运 ｓ 方图来 表示 ， 该直 方图用 （：１ Ｔ 来表 ｉ ， Ａ， ） ２ Ｍ１的阈值 Ｎ２ ； 示。可 看成 是对背景和对象物的混 合概率密度 （） 用 ｒ ｎ Ｎ１Ｎ２ ， ３ 运 ａ ｛ ， ｝确定两 阈值的最小 ｉ 函数的一 个估计 。对 阈值， ｆ Ｔ ， （ ） 记 １ 值 Ｎ３ ； （） ４ 用函数 ｍ ａ ２ 函数 ｓ ２ 求得运动 目 ｅｎ 和 ｔ ， ｄ 标 区域的 灰度平均值 Ｎ ４和灰 度方差 Ｎ５ ； （ 得到 最终 的分 割 阈值 ， Ｎ一（ ５） 即 Ｎ４
【 ｌ
（ 宿迁学院计算机科 学系 江苏 宿迁 ２ ３０ ） ２ ８ ０
摘 运
．
∑ ∑
Ｑ 『
要： 针对 图像序列的背景变化 和背景的复杂性 ， 本文提 出了一种基于改进 Ｏ ｓ 的 自动阈值分割方法 ， ｔｕ法 实现 了复杂背 景 三 序 ｌ １ ． 歹中 图 Ｊ 动 目标 的快 速分割 。实验表 明 ， 种 目标分割 方法 ， 少了 图像降噪和 图像增强等处理 ， 这 减 同时 还降低 了噪声 的影 响 ， 且算法简单 ， 具有较 好 的分 割效 果 和较 高 的效 率 。 关键词 ： ｔ 法 闽值 目标 分割 ｏｓｕ 中图分类 号 ： ＴＰ３ ． １ ４ ７ 文献标识码 ： Ａ 文章编号 ： ６ ３ ５ ４２ ０ ）７ｃ ０ ４ ０ １ ７ ０ ３ （０ ７ ０ （） ０ ７ ２ 复杂 背景下 运 动 目标 分 割技 术研 究的 主 要 目的 是把待 识 别的 目标 图像从原 始 图像 中 分割 出 来Ｉ 。 图像分 割就 是依 据 一定 的阈 值 将 目标 图像从 背景 中分割 出来的过程 ， 括阈 包 值选取 和 目标分割 两个过程 ， 它是 目标跟踪 系 统 中极其 关键 的一 个环 节【 。 ２ 】 阈值化 分 割算 法是 图像 分割 中应 用数 量 最 多 的一 类 。简 单地 说 ， 灰度 图像 的 阈值 对 分割就 是先 确定 一个 处于 图像灰 度 取值 范围 内的灰度 阈值 ， 然后 将 图像 中各个像素 的灰度 值与这个 阀值相比较 ， 并根 据比较的结 果将对 应的像 素划分 （ 分割 ） 为两类 ： 素灰度 值大干 像 阈值 的一 类 ， 像素 灰 度值 小于 阈 值 的为 另一 类， 灰度 值等于 阈值的像素可 以归于这两 类之 分割 后的两 类像 素一 般分 属 图像的 两个 不同 区域 ， 所以 对像素根据 阈值分类来达 到区 域分 割 的 目的 。 由此 可见 ， 闽值 分 割算 法主 要有两 个步骤 ： 】 （ ） 定需 要分割 的阈值 ； １确 （） ２将分割 阈值与像素点 的灰度值 比较 ， 来 分割 图像的像 素 。 以上步 骤中 ， 定闽 值是分 割的关 键 ， 确 如 果能 确定 一个 合适 的阀 值就可 准确 地将 图像 分割 开来 。阈值 确定后 ， 将阈值 与像素点 的灰 度值比较和像素 分割可对 各像素并行地 进行 ， 分割的结果 直接给 出图像区域 。
（ ９ ）
在式 （） １ ） １到（ ０规定 的基础上 Ｏｔｕ通过 最 ｓ 大化式（ １ 、１ ）（３ 之一来选 取最佳阈值 ｔ １ ） （２ 、１ ） ：
，
＝
Ｏ－ ｗ
一
（１ １）
２
。
＝
Ｕ ｙ
一
（２ １）
２
ｒ＝ ／
（３ １）
图 １ 第 ８ 图像 中 目标 区域分 割结果 帧
