基于二维Otsu的舰船目标图像分割方法*

余 扬

（南部战区海军参谋部作战勤务保障大队 湛江 524000）

1 引言

原始 Otsu[1]（最大类间方差（Maximum between-class variance））以一维直方图图像的背景与目标间的方差来确定最佳分割阈值，没有考虑像素间的空间关系，据此，将Otsu方法扩展为二维[2～3]直方图进行研究，二维直方图图像的分割质量虽好，但却增加了算法的时间开销，因此，降低Otsu算法的时间复杂度，提高其最佳阈值的计算速度成为当前研究的热点问题。

为克服算法的计算量大的问题，Wang等[4]提出了一种自适应的二维Otsu阈值分割方法，该方法通过迭代的方式大大提高了算法的技术速度；Jun等[5]研究提出了一种适用于SAR图像分割的改进Otsu算法；基于积分图像处理技巧，Lang等[6]设计了一种快速Otsu阈值分割方法；此外，李等[7]通过对图像分割算法的研究，提出了基于模糊判决的Otsu阈值选取算法，该算法的求取结果更接近实际最佳的分割阈值。

2 基于局部盒滤波的Otsu阈值分割

为提高二维Otsu方法阈值的计算速度，研究采用积分图像的处理方法[8]，以及局部网格盒滤波技术，提出一种高效的阈值分割算法。

设定图像I(x，y)的尺寸大小为M×N，像素灰度级记做L，假设3×3邻域内，像素点的平滑图像为G(x，y)。又假设图像I(x，y)的某一像素的灰度值i与其邻域的灰度均值j均出现的次数为fi，j，则联合概率密度为

假设从矩形L×L中任取一点为pi，j，计算其二维直方图，如图1（a）所示。给定任一阈值(s，t)，则直线对f=s，g=t将该二维直方图划分成4个区域，如图1（b）所示：A0，A1分别表示目标和背景，A2，A3分别表示边缘和噪声。

图1 原始二维Otsu方法

假设A0、A1分别代表目标区域和背景区域，其出现的概率分别表示为ω0、ω1，那么有：

同时，区域A0、A1的灰度均值矢量记为μ0、μ1，它们的灰度均值μ表示为

假设图1（b）中区域A2和A3上的所有的概率均忽略不计，亦即ω0+ω1≈1，则类间方差BCV可定义为

BCV取最大值时计算所得的二维阈值即为最佳阈值，即：

综上，研究给出基于积分图像处理的Otsu分割方法。

原始图像I(x，y)的积分图像记为II(x，y)，由文献[9]可得：

根据图2（a）所示的积分图像[10]，(x，y)为阴影区域的像素的灰度和。记图2（b）所示的像素灰度和为S，则：

图2 积分图像示计算意图

结合积分图像和盒滤波方法计算的高效性，研究提出基于盒滤波处理技巧的二维Otsu阈值分割算法。

为方便后续处理，给出如下的网格的定义。

假设某一数据区间为R，共有d维，现将第i维划分成ni个子小段，记子这些子小段构成的区间为Ri，则区间R被笛卡尔集(R1，R2，…，Rl) 划分为n1×n2×…×nl个网格 ，区间M被划分为(m1，m2，…，ml) ，如图3所示。

图3 基于局部网格技术的区域划分示意图

研究采用由整体到局部的研究思路，步骤如下。

第一步：对原始图像的对应的二维直方图进行区域划分，并将每个区域视为一个像素点，对阈值完成初步计算；

第二步：根据第一步计算结果确定阈值所在区域；

第三步：在第二步确定的区域内建立阈值求解模型。

3 时间复杂度分析

4 实验分析

实验选用了不同港口下、不同分辨率的光学遥感图像。如图4所示。

图4 原始目标图像

从图5可以看出，本文算法的分割结果基本完整反映真实情况，计算过程简单，算法的运行速度快。

图5 目标图像分割效果图

5 结语

为提高二维Otsu算法阈值分割计算的高效性，研究提出了基于局部网络区域划分技术的二维Otsu阈值分割算法。算法运用采用网格技术，采用先整体到局部的研究思想，实现了阈值的快速计算，仿真实验结果表明，该算法真实可行，为后续海战场舰船目标的检测和识别提供了技术基础。