基于二维直方图的彩色图像全局阈值分割方法研究

韩玲燕，王佳丽

(安徽外国语学院信息技术教学与研究部，安徽 合肥 231201)

随着计算机图形图像信息处理技术的发展，需要对大量的彩色图像进行优化特征提取，采用种子点检测方法进行彩色图像的特征分割和边缘轮廓特征检测，提高彩色图像的视觉表达和信息特征提取能力，在彩色图像全局阈值分割过程中，受到种子点手动选择下随机性因素较大的影响，导致彩色图像全局阈值分割的准确度不高，需要进行彩色图像全局阈值分割方法的改进设计，结合对彩色图像的信息增强和角点标定技术，实现对彩色图像的优化分割和自动检测，从而提高彩色图像的识别和信息检测能力[1]，相关的彩色图像全局阈值分割研究在医学图像处理、遥感图像监测以及视频图像的帧特征提取中具有重要意义，相关的彩色图像全局阈值分割方法研究受到人们的极大关注.

通过对彩色图像进行边缘轮廓检测和分割，提取彩色图像的三维特征量，采用边缘轮廓特征检测方法，实现彩色图像信息检测和特征重构，提高彩色图像的三维视觉特征表达能力.传统方法中，对彩色图像的分割技术重要有小波分割方法、Harris特征分割方法、Logistics特征映射分割方法等[2-3]，构建彩色图像分割和边缘检测的特征提取模型，结合对彩色图像的二值拟合和灰度直方图重构技术，实现彩色图像的优化分割.文献[4]中提出基于深度学习的彩色图像阈值分割算法，采用边缘轮廓特征提取方法进行彩色图像的微小细粒度特征提取，根据特征提取结果构建彩色图像分割的灰度直方图检测模型，采用灰度信息识别方法进行图像分割.但该方法进行彩色图像分割未考虑全局轮廓生长规则，图像特征信息表达能力较差.文献[5]中提出基于模糊度特征分解方法的彩色图像分割方法，结合模糊度特征分解方法对彩色图像进行多尺度的颜色结构特征分解，构建彩色图像的多维像素特征表达模型，利用二分法确定生长规则实现图像分割.但该方法进行彩色图像分割的随机性较大，分割的精度不高.文献[6]中提出基于二分法的彩色图像分割方法，确定生长规则中的最佳阈值进行彩色图像分割.但该法方法采用手动选择种子造成彩色图像分割的随机扰动性较大，分割过程的抗干扰性不好.

针对上述问题，本文提出基于二维直方图的彩色图像全局阈值分割方法.为了解决手动选择种子造成彩色图像分割的随机扰动性较大的问题建立彩色图像全局阈值分割的边缘轮廓特征提取模型，采用水平集法获取彩色图像的初始轮廓，实现图像轮廓的自动提取.为了解决图像特征信息表达能力较差的问题，结合二分法确定彩色图像全局轮廓生长规则，构建彩色图像规划的视觉图像采集模型.为了更精准的提取图像的特征信息，对彩色图像的视觉信息增强处理，构建彩色图像的多维特征提取和关键特征点检测模型和彩色图像的全局阈值分割模型.通过统计形状分析方法校准分割的轮廓结果，实现对彩色图像的优化分割.

1 图像特征采样及边缘轮廓特征提取

1.1 彩色图像特征采样

为了实现基于二维直方图的彩色图像全局阈值分割，需要首先构建彩色图像的阈值分割特征提取模型，采用初始轮廓特征分割的方法进行彩色视觉图像的三维重构，建立二维 OTSU模型，进行彩色图像特征采样，构建彩色图像的视觉信息特征提取模型，在彩色图像的轮廓边缘最远点，进行二维直方图特征提取，建立彩色图像的多维视觉信息采集模型，采用多维度的信息跟踪和融合方法，进行彩色图像空间的视觉特征提取[7]，结合模糊信息特征提取技术，提取图像的边缘像素点作为目标区域的特征，计算一个最大后验概率进行彩色图像空间视觉特征分布式采集，得到彩色图像的驱动形变轮廓空间分布为s(X，Y)，在目标区域的边缘轮廓[8]，得到参数化表达模型为

(1)

公式中：Cut(A，B)表示图像轮廓分割点坐标.assoc(A，V)是目标边缘连续的标记点，表示为彩色图像的种子像素点子集在边缘像素区域A中的像素交叉点，assoc(B，V)为彩色图像主要变化特征的线性组合.

假设彩色图像空间视觉图像的空间灰度像素集为(i，j)，以此为像素中心，在形变复杂的区域，建立根彩色图像的视觉信息融合模型，采用水平集法获取彩色图像的初始轮廓[9]，结合二分法确定彩色图像全局轮廓生长规则，建立彩色图像空间视觉融合的二值模型(Dominant LBP，DLBP)，在目标边缘标记点的坐标系中，得到彩色图像参数化表达式为

(2)

公式中：a为模糊匹配指数；T为图像的稀疏编码.

通过先验形状来给形变轮廓进行特征标定和模糊匹配，在目标区域的边缘轮廓区域中，进行彩色图像的稀疏编码，提取彩色图像的灰度直方图，在像素分布空间内，计算彩色图像目标边缘标记点的坐标，在4×4子块的局部区域内建立彩色图像的最大全局阈值分割模型，得到彩色图像的视觉信息采样输出描述为

(3)

公式中：F为色彩图像点阵；di为点阵i在其子块上的最大阈值；B彩色图像的采样点；xB为采样点B的矢量特征值.

在N个连续的半径区域中，彩色图像特征采样优化输出为

(4)

公式中：K为彩色图像子块中的特征连续值；P为特征优化点；σ为初始轮廓信号特征.

根据对彩色图像视觉信息采样结果，建立彩色图像全局阈值分割的边缘轮廓特征提取模型，采用水平集法获取彩色图像的初始轮廓，提高图像的全局区域分割能力.

1.2 彩色图像的边缘轮廓特征提取

结合二分法确定彩色图像全局轮廓生长规则，构建彩色图像规划的视觉图像采集模型，实现对彩色图像的边缘轮廓特征提取，在像素空间中进行彩色图像的二维灰度直方图模板匹配，在m*n区域内，根据目标区域的边缘轮廓进行局部关联帧二值重构，构建彩色图像的目标形状的先验模型，彩色图像空间视觉图像的区域特征分布点为

(5)

公式中：t0为轮廓边缘相交的标记点，在图像3*3邻域结构进行彩色图像的灰度边缘特征匹配，并用低秩属性对其进行建模.

采用一个4×4子块分割模型进行彩色图像的全局阈值分割，引入Langiven方程对目标彩色图像进行三维边缘特征重构，在D维空间中进行彩色图像空间视觉重构和边缘轮廓检测，根据彩色图像形变模型提供目标区域特征匹配度，得到彩色图像空间视觉特征分布为

u(x，y；t)=G(x，y；t)，

(6)

(7)

公式中：Δu为彩色图像全局阈值分割的关联像素点；u为彩色图像的颜色差异度特征量.

在∂x区域内，得到彩色图像空间视觉像素点的局部关联帧，重构彩色图像的边缘轮廓特征分布集，得到彩色图像的边缘轮廓，采用多重分形技术进行彩色图像的形状特征匹配[10]，根据特征匹配结果对不同分辨率的彩色图像进行边缘轮廓检测，采用加权平均的方法对图像的颜色分量进行多尺度分解，得到分解模型为

s(k)=φ·s(k-1)+w(k)，

(8)

公式中：

(9)

根据特征分解结果，得到彩色图像的R、G、B分量，结合细节分布进行彩色图像的模板匹和角点检测，分别为AR、AG、AB和WR、WG、WB，图像分割成M×N个2×2的子块Gm，n，得到彩色图像的灰度模板特征匹配集为

E[f(θ，k)]=0，∀θ∈[-π，π]，∀k∈Z.

(10)

结合彩色图像的边缘轮廓特征重构结果进行彩色图像的联合稀疏结构重组，建立彩色图像的全局阈值特征提取模型，对彩色图像进行二值拟合，实现彩色图像边缘检测，根据特征分割结果进行彩色图像的多维度特征重建，实现彩色图像的灰度像素特征分布重构，建立彩色图像的模糊二维直方图提取模型，进行图像的优化分割，彩色图像的边缘轮廓特征提取输出的计算公式为

(11)

(12)

Ui， j(t)=exp[-b[zi(t)-zj(t)]2]，

(13)

公式中：pi， j(t)为t时刻彩色图像的统计形状模型；spi， j(t)为彩色图像的形变模型分布像素集；Δp(t)为径向纹理特征模型，zi(t)、zj(t)分别为相似度彩色图像的背景像素集和灰度像素集，b为彩色图像整个轮廓形状的分布概率.根据对彩色图像的边缘轮廓特征提取结果，进行彩色图像全局阈值分割优化[11].

2 彩色图像全局阈值分割优化

2.1 彩色图像的二维直方图构建

在上述建立彩色图像全局阈值分割的边缘轮廓特征提取模型，并采用水平集法获取彩色图像的初始轮廓的基础上，进行彩色图像全局阈值分割，本文提出基于二维直方图的彩色图像全局阈值分割方法.采用高分辨灰度直方图特征提取方法进行彩色图像的视觉信息增强处理，提取彩色图像的二维直方图，采用空间视觉重构技术进行彩色图像的线性拟合，对分割目标的先验形状进行均值分割，建立彩色图像的参数初始化模型，在彩色图像的视觉分布空间中，进行彩色图像的二维直方图构建，得到彩色图像的结构相似性特征分布集为

(14)

公式中：

为彩色图像分割空间中最大内切圆的圆心.

提取彩色图像的视觉梯度特征，定义彩色图像空间视觉图像的梯度模特征，采用低秩属性特征匹配方法进行彩色图像的多维尺度分解，建立彩色图像的模糊关联特征匹配模型，根据目标区域的边缘轮廓进行彩色图像空间视觉表达，建立彩色图像的梯度分割模型，采用离散的时间序列来表达彩色图像的灰度像素序列，采用梯度模特征提取模型.在模糊区域，根据目标边缘相邻的像素的强度进行彩色图像的分块融合处理，对彩色图像进行灰度二维直方图提取，对目标边缘相邻的像素的强度信息进行建模[12].

假设输入的彩色图像空间视觉图像模糊区域梯度模特征

(15)

设J(x)t(x)为彩色图像的边缘像素集，采用Harris角点检测方法得到目标边缘连续的标记点，彩色图像空间采样的特征点为

bnrβ(X)=RβX-RβX1.

(16)

构建彩色图像空间信息增强模型，结合视觉传导技术进行灰度像素特征分布式调节和色彩矫正，对彩色图像的目标区域的边缘轮廓进行特征匹配处理，建立彩色图像的空间视觉信息增强模型，得到彩色图像的离散的时间序列为

(17)

在彩色图像序列中目标形状模型中，得到彩色图像的特征分割块模型结构为M×N，根据彩色图像边界演化分布进行空间轮廓特征提取，采用分段区域检测方法，建立彩色图像的初始轮廓分割模型，彩色图像的二维直方图的交换拟合函数为

(18)

综上分析，构建彩色图像的二维直方图提取模型，根据特征提取结果，进行彩色图像的全局阈值分割.

2.2 彩色图像分割优化

构建彩色图像的多维特征提取和关键特征点检测模型，采用小波多尺度特征分集方法实现彩色图像的分布式重组和二维直方图重构，提取彩色图像视觉特征量，建立彩色图像的全局阈值分割模型，得到种子点区域特征匹配模型为

f=〈f，dγ0〉dγ0+Rf，

(19)

公式中：〈f，dγ0〉表示彩色图像边界演化的方向梯度模.

在合成图像和真实图像上，构建彩色图像的全局阈值分割模型，彩色图像的分割阈值f(gi)为

(20)

图像的权值矩阵为相似度矩阵，获得彩色图像初始轮廓与目标边界的分割线，采用全局阈值特征匹配方法，构建彩色图像的全局阈值分割模型，彩色图像的全局阈值表达式为

(21)

公式中：i为彩色图像的边缘像素点集；R为一个规范常量；sj为彩色图像的模糊度系数.

计算彩色图像的边缘像素特征分布集，进行彩色图像二维视觉空间规划设计，得到彩色图像二维直方图中的灰度像素空间分布模型为

(22)

采用模板构建和色差校准方法，建立彩色图像的中心像素点检测模型，得到彩色图像的灰度像素特征分布集为

I(x)=J(x)t(x)+A(1-t(x))，

(23)

公式中：A为彩色图像的多尺度融合特征分布系数；t(x)为彩色图像的模板匹配系数.

采用自适应的全局阈值分割方法，进行彩色图像的全局阈值分割，提高彩色图像的阈值分割精度.

3 仿真实验与结果分析

为了验证本文方法在实现彩色图像的全局阈值分割中的应用性能，进行仿真实验分析.采用Matlab R2008进行彩色图像的全局阈值分割的算法设计和仿真测试，设定彩色图像的边缘像素分布为a1=(0.4，0.9，0.9)，a2=(0.6，0.7，0.6)，其对应的不同阶数P下彩色图像的二阶灰度直方图特征矩阵分别为

图1 原始的待分割彩色图像

以图1的图像为测试对象，用水平集法获取彩色图像的初始轮廓，结合二分法确定彩色图像全局轮廓生长规则，得到彩色图像的分割曲线如图2所示.

图2 彩色图像的分割曲线

采用小波多尺度特征分集方法实现彩色图像的分布式重组和二维直方图重构，建立彩色图像的全局阈值分割模型，得到彩色图像的二维直方图如图3所示.

图3 彩色图像的二维直方图

根据图3的直方图构建结果，采用小波多尺度特征分集方法实现彩色图像的分布式重组和二维直方图重构，建立彩色图像的全局阈值分割模型，通过统计形状分析方法，实现对彩色图像的优化分割，并结合传统方法进行对比，得到分割结果如图4所示.

对比图4得知，采用本文方法进行彩色图像分割的边缘轮廓特征检测能力较好，提高了图像的分割精度，测试不同方法进彩色图像分割的误差，得到对比结果见表1，分析得知，本文方法进行彩色图像分割的均方根误差较低，提高了图像分割的质量.

图4 彩色图像的阈值分割结果

表1 彩色图像分割的均方根误差对比

4 结 语

为了优化彩色图像的特征分割和边缘轮廓特征检测技术，提高彩色图像的视觉表达和信息特征提取能力，本文提出基于二维直方图的彩色图像全局阈值分割方法.通过先验形状来给形变轮廓进行特征标定和模糊匹配，在目标区域的边缘轮廓区域中，进行彩色图像的稀疏编码，提取彩色图像的灰度直方图，结合二分法确定彩色图像全局轮廓生长规则，根据彩色图像形变模型提供目标区域特征匹配度，得到彩色图像空间视觉特征分布结构，根据特征分割结果进行彩色图像的多维度特征重建，实现彩色图像的优化分割，提高彩色图像的视觉表达和特征提取能力.研究得知，本文方法进行彩色图像分割的误差角度，有效克服了手动选择种子点随机性大和分割准确度不高的问题.