專利名稱：含噪遙感圖像分割的新方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種改進(jìn)的含噪遙感圖像2D Otsu分割方法，屬于遙感技術(shù)領(lǐng)域。
背景技術(shù)：
圖像分割是圖像處理領(lǐng)域極為重要的內(nèi)容之一，是實(shí)現(xiàn)圖像分析與理解的基礎(chǔ)。 圖像分割可以理解為將圖像中有意義的特征區(qū)域或者需要應(yīng)用的特征區(qū)域提取出來，它可 以分離出目標(biāo)物體，同時(shí)識(shí)別出具有相似特征參數(shù)的背景。目前有大量的圖像分割技術(shù)研 究成果，在所有這些分割技術(shù)中，閾值分割方法因算法簡(jiǎn)單、適用范圍廣而得到廣泛應(yīng)用， 而大部分閾值分割方法是通過圖像的灰度直方圖選取最佳閾值，比如熵閾值和Otsu方法寸寸。Otsu方法基于圖像的灰度直方圖，以目標(biāo)和背景的類間方差最大為最優(yōu)閾值選 取準(zhǔn)則，所以又稱最大類間方差法，在圖像的質(zhì)量較好或者背景和目標(biāo)差別較大的情況下， 一維Otsu算法可以取得令人滿意的分割效果，但當(dāng)圖像中噪聲較強(qiáng)時(shí)，由于該方法僅僅考 慮了像素自身灰度，而沒有考慮像素空間上的相互關(guān)系，因此并不能得到理想的分割效果。 針對(duì)一維Otsu算法抗噪性較差的缺點(diǎn)，J. Z. Liu等人在1933年發(fā)表的《The automatic thresholding of gray-level picture via 2D Otsu method〉〉以像素灰度禾口鄰域均值組合 的二維向量表示二維灰度直方圖，提出了二維Otsu算法，該算法極大的提高了圖像分割效 果，特別是在低信噪比的情況下，但是這種方法運(yùn)行速度很慢。L. J. Dong等人在2005年提 出了一種基于二維直方圖的快速圖像分割方法(參見文獻(xiàn)《The automatic thresholding of gray-level picture via 2D Otsu method》， Journal of Northeastern University, 2005,26(3) :220-223)，但是這種方法對(duì)于含噪圖像并不能得到最佳分割效果。Zhang等 人在2008年提出了一種基于小波變換的2D Otsu直方圖分析用于圖像分割(參見文 獻(xiàn)《Image segmentation based on 2D Otsu method with histogram analysis》，2008 International Conference on Computer Science and Software Engineering)，克月艮了 對(duì)分割物體大小敏感的問題。Zhu等人在2009年提出了一種基于改進(jìn)直方圖的快速2D Otsu 閾值算法(參見文獻(xiàn)〈〈A fast 2D otsu thresholding algorithm based on improved Histogram)), Pattern Recognition，CCPR 2009，Chinese Conference)，雖然極大的提高 了閾值搜索速度，但是分割效果并不理想。D. Y. Himng等人在2009年提出了兩級(jí)多閾值 Otsu 方法(參見文獻(xiàn)((Optimal multi-level thresholding using a two-stage Otsu optimization approach》，Pattern Recognit. Lett，vol. 30，pp. 275-284，F(xiàn)eb. 2009)，大大 的提高了 Otsu方法的效率，同時(shí)對(duì)不同的測(cè)試圖像有較小的運(yùn)行時(shí)間差異。但是，2D Otsu方法有時(shí)并不能獲得很好的分割效果，尤其對(duì)包含了更多噪聲的遙 感圖像，因此，本文提出了一種含噪遙感圖像分割的新算法。

發(fā)明內(nèi)容
技術(shù)問題本發(fā)明的目的是提出了一種含噪遙感圖像分割的新算法，該方法不僅峰值信噪比高，具有很好的去噪效果，而且產(chǎn)生了優(yōu)異的分割性能。技術(shù)方案本發(fā)明的目的可以通過以下方案實(shí)現(xiàn)首先利用小波包時(shí)_空高分辨率的特性對(duì)圖像進(jìn)行分解，與小波分析相比，小波 包分析同時(shí)對(duì)圖像的低頻和高頻部分進(jìn)行分解，而且，它能夠根據(jù)信號(hào)的特征提供最優(yōu)基， 為信號(hào)處理中的數(shù)據(jù)壓縮以及去噪處理提供一個(gè)較好的分解和重構(gòu)途徑。在紋理分類中， 基函數(shù)的正交性和緊支性是必須的，因此，本文選擇Daubechies正交小波函數(shù)族中的db3 小波函數(shù)對(duì)圖像進(jìn)行小波包分解，又由于在圖像分解中，分解級(jí)數(shù)與圖像的邊界效應(yīng)成正 比，而且實(shí)驗(yàn)表明，紋理圖像經(jīng)過三級(jí)小波包變換后，其低頻子帶的細(xì)節(jié)已基本上被平滑， 分解到第四級(jí)時(shí)，子帶圖像的能量已經(jīng)很小了，因此將選擇Daubechies正交小波函數(shù)族中 的db3小波函數(shù)對(duì)圖像進(jìn)行三級(jí)小波包分解。小波包分解后，將采用自適應(yīng)閾值進(jìn)行去噪處理，與單一閾值法相比，自適應(yīng)閾值 法可以更有效地去除噪聲并保留有用信號(hào)，它根據(jù)每級(jí)尺度上小波包系數(shù)幅值的不同特 點(diǎn)，分別在視為相互獨(dú)立的每級(jí)尺度上對(duì)小波包系數(shù)進(jìn)行閾值處理，尋找一個(gè)與之最匹配 的閾值進(jìn)行去噪，因此，本文使用SureShrink自適應(yīng)閾值去噪算法，它采用了 Stein無偏誤 差估計(jì)方法，使均方誤差最小的同時(shí)保留了圖像的細(xì)節(jié)并消除了噪聲。最后利用改進(jìn)的2D Otsu方法使搜尋空間由二維簡(jiǎn)化為一維，在一維直方圖上利 用Otsu閾值方法得到分割點(diǎn)，通過分割點(diǎn)畫一條垂直于對(duì)角線的直線，這樣就在直線的兩 邊很容易分割出目標(biāo)和背景，實(shí)現(xiàn)圖像分割。有益效果本發(fā)明具有以下優(yōu)點(diǎn)1)利用Daubechies正交小波函數(shù)族中的db3小波函數(shù)對(duì)圖像進(jìn)行三級(jí)小波包 分解，并使用SureShrink自適應(yīng)閾值去噪算法對(duì)圖像進(jìn)行去噪處理后，與原始含噪圖像相 比，明顯清楚了很多，并保留了大部分細(xì)節(jié)，同時(shí)消除了圖像中包含的噪聲。2)利用改進(jìn)的2D Otsu算法，使閾值搜索由原來的二維變換到一維，降低了計(jì)算量。3)結(jié)合小波包與改進(jìn)的2D Otsu算法用于圖像分割，獲得了理想的分割效果。


附圖1表示二維直方圖投影到對(duì)角線上的頂視圖，圖2表示在改進(jìn)直方圖上搜尋 最佳分割閾值的頂視圖，圖3表示原始圖像，圖4表示原灰度圖像加噪后的圖像，圖5表示 小波包去噪后的圖像，圖6表示原2D Otsu算法分割的結(jié)果，圖7表示文獻(xiàn)《A fast 2D otsu thresholding algorithm based on improved Histogram》分害Ij的結(jié)果，圖8表不應(yīng)用本文 算法分割的結(jié)果。
具體實(shí)施例方式下面對(duì)本發(fā)明的實(shí)施例作詳細(xì)說明本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行 實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施 例。本實(shí)施例首先根據(jù)含噪遙感圖像的特征，選擇Daubechies正交小波函數(shù)族中的 db3小波函數(shù)對(duì)圖像進(jìn)行三級(jí)小波包分解，然后使用SureShrink自適應(yīng)閾值去噪算法
T = aigmin(SURE(f,Y))(2)原2D Otsu算法以像素灰度和鄰域均值組合的二維向量表示二維直方圖，采用“四 方塊劃分法”及“正交直線對(duì)”的閾值選取策略給定二維閾值向量[s，t]，用一對(duì)正交直線 f = s, g = t將二維直方圖劃分為四個(gè)長方形區(qū)域，45°對(duì)角線附近的區(qū)域0和區(qū)域1分 別對(duì)應(yīng)于背景和目標(biāo)，遠(yuǎn)離對(duì)角線的區(qū)域2和區(qū)域3對(duì)應(yīng)于少量的強(qiáng)邊緣及強(qiáng)噪聲，但是這 種方法使閾值搜索范圍從一維上升到二維，計(jì)算量以指數(shù)快速增長，而且有時(shí)并不能獲得 理想的分割效果。設(shè)圖像f(x，y)的灰度級(jí)為L，在點(diǎn)(Χ(1，Υ(1)處的灰度值為f (Xt^ytl),該點(diǎn)周圍ηΧη 鄰域的平均灰度值為g (xo，Yo)，設(shè)滿足灰度f = i和均值g = j的像素個(gè)數(shù)為h (i，j)，可知 平均鄰域灰度圖g(x，y)的灰度級(jí)也為L。圖1表示二維直方圖投影到對(duì)角線上的頂視圖， 圖2表示在改進(jìn)直方圖上搜尋最佳分割閾值的頂視圖(如

所示)。由圖1可知分割對(duì)角線的長度P和對(duì)角線的離散值χ e P(0，l，2，...，P_1)分別 為P = [4l(L-I)](3)x = [^(i+ j)](4)其中，ie L(0，l，2，...，L-l)，j e L(0，l，2，...，L_l)分別表示原始圖像和平均
鄰域灰度圖像的灰度級(jí)，[·]表示取整函數(shù)。當(dāng)把點(diǎn)Q(i，j)投影到對(duì)角線上的點(diǎn)X，h(i，j)也投影到對(duì)角線上，令H(X)為h(i， j)對(duì)角線上的投影值，則 因此，這樣就得到了具有明顯“雙峰”分布的一維直方圖，然后可以在一維直方圖 上利用Otsu閾值方法得到分割點(diǎn)K(如圖2所示)，通過點(diǎn)K畫一條垂直于對(duì)角線的直線 P，這樣就在直線P的兩邊很容易分割出目標(biāo)和背景，閾值搜索由原來的二維變換到一維， 降低了計(jì)算量，直線P可以表示為如下的等式g(x, y) = -f(x, y)+2i i e L (0，1，2，· · ·，L_l)(6)以下進(jìn)一步說明本實(shí)施應(yīng)用情況實(shí)驗(yàn)將采用實(shí)拍遙感圖片，由于它的尺寸比較大，在實(shí)驗(yàn)中無法完整顯示，因此文 中截取的是512X512的圖像，實(shí)驗(yàn)環(huán)境為matlabR2008a，PC機(jī)處理器為T6600，內(nèi)存為 2GB。在小波包分解時(shí)，選擇Daubechies標(biāo)準(zhǔn)正交小波函數(shù)族中的db3小波函數(shù)對(duì)圖像進(jìn) 行3級(jí)小波包分解，圖像中添加方差為0. 005的高斯白噪聲，鄰域尺寸取η = 3，去噪的效果 用峰值信噪比(PSNR)來衡量。實(shí)驗(yàn)通過對(duì)比原2D Otsu分割算法及文獻(xiàn)《A fast 2D otsu thresholding algorithm based on improved Histogram》的算法來驗(yàn)證本文算法的有效性，實(shí)驗(yàn)結(jié)果如 附圖中的圖3至圖8所示。根據(jù)各算法分割的結(jié)果，可以得到各Otsu算法的性能評(píng)價(jià)結(jié)果，如下表1所示
表1各Otsu算法性能評(píng)價(jià)結(jié)果 由以上的結(jié)果可以明顯的看出本文算法分割的效果要比原2D Otsu分割算法和文 獻(xiàn)《A fast 2D otsu thresholding algorithm based on improved Histogram》算法的 效果好很多。原2D Otsu分割算法不僅背景孤立錯(cuò)分點(diǎn)比較多，而且分割時(shí)間較長，文獻(xiàn) 《Afast 2D otsu thresholding algorithm based on improved Histogram》分割算法雖然 時(shí)間較短，但是黑色背景中的白色非目標(biāo)雜點(diǎn)很多，效果并不理想。相比之下，本文提出的 算法雖然運(yùn)行時(shí)間比文獻(xiàn)《A fast 2D otsu thresholding algorithm based on improved Histogram》長，可是從以上分割結(jié)果可以明顯看出分割效果是最好的，除了白色目標(biāo)區(qū)域 比較完整以外，黑色背景也很干凈，幾乎沒有錯(cuò)分的白色雜點(diǎn)，而且，本文算法的峰值信噪 比也很高，具有很好的去噪效果。由此可見，本文算法產(chǎn)生了優(yōu)異的分割性能，是一種有效 的分割算法。
權(quán)利要求
根據(jù)權(quán)利要求所述的含噪遙感圖像分割的新方法，其特征在于首先選擇Daubechies正交小波函數(shù)族中的db3小波函數(shù)對(duì)圖像進(jìn)行三級(jí)小波包分解，然后采用SureShrink自適應(yīng)閾值的方法去除圖像中的噪聲。
2.根據(jù)權(quán)利要求所述的含噪遙感圖像分割的新方法，其特征在于小波包去噪以后，應(yīng) 用改進(jìn)的2D Otsu分割方法。
3.根據(jù)權(quán)利要求所述的含噪遙感圖像分割的新方法，其特征在于改進(jìn)的2DOtsu分割 方法首先將圖像的二維直方圖投影到對(duì)角線上，形成有明顯“雙峰”分布的一維直方圖，然 后應(yīng)用2D otsu方法在垂直于對(duì)角線的直線上尋找最佳分割閾值實(shí)現(xiàn)圖像分割。
全文摘要
為了提高含噪圖像分割的精度，提出了一種基于小波包分析和改進(jìn)二維最大類間方差(2D otsu)相結(jié)合的含噪遙感圖像分割算法。該算法首先用小波包對(duì)含噪遙感圖像進(jìn)行分解，然后采用自適應(yīng)閾值的方法去除圖像中的噪聲，之后將圖像的二維直方圖投影到對(duì)角線上，形成有明顯“雙峰”分布的一維直方圖，最后應(yīng)用2D otsu方法在垂直于對(duì)角線的直線上尋找最佳分割閾值實(shí)現(xiàn)圖像分割。本發(fā)明不僅有效去除了噪聲的干擾，而且取得了較好的分割結(jié)果。
文檔編號(hào)G06T5/00GK101894372SQ20101024365
公開日2010年11月24日 申請(qǐng)日期2010年8月3日 優(yōu)先權(quán)日2010年8月3日
發(fā)明者劉文靜, 周同馳, 賈振紅 申請(qǐng)人:新疆大學(xué)