红外热图象自动阈值分割方法

《红外热图象自动阈值分割方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、1996年6月安徽大学学报(自然科学版)June1996第20卷第2期JournalofAnhuiUniversityNaturalScienceEditionVol.20No.2红外热图象自动阈值分割方法任彬汪炳权束学斌(安徽大学电子工程与信息科学系合肥230039)摘要根据红外热图象的特点,提出基于灰度统计特性的直方图移动平均方法,实现了红外热图象自动阈值分割。实验结果表明,此方法算法简单、运行速度快、分割效果也较为满意。最后给出了计算机处理结果。关键词红外热图象,直方图,图象分割中图分类号TP38.41图象分割研究是计算机视觉、图象处理最基本和最重要的组成部分,也是任何自动

2、识别系统不可缺少的重要环节。在图象分析和识别过程中,如何快速、正确地把有意义的特征或区域分割出来,一直是研究者们共同感兴趣的问题。基于灰度统计特性的直方图取阈值分割是图象处理中常用的方法。通常的图象分割处理方法可分为二值和多值的两种情况。在二值化分割方法中,一般认为灰度直方图的分布具有双峰性,分别与图象中的背景和物体相对应。双峰之间存在谷点,当阈值取为谷点时就认为对图象进行了最好的分割。多值图象的处理方法可以看作是二值图象处理方法的推广。因此,实现自动阈值分割的关键在于如何自动选择阈值。一般来说,直方图中谷点处的灰度值可选定为阈值。作为谷点,其最明显的特征是该灰度级处象素出现的频

3、数应小于其左右邻域灰度级处象素出现的频数。但是,在实际图象中,由于图象本身灰度分布以及噪声干扰等因素的影响,直方图中非谷点处也常会出现一些符合谷点特征的干扰点,或称为噪声点。这些干扰点的存在给阈值的自动识别[1]带来了困难。文献中,Ahuja等人使用了M矩阵方法,用来使直方图中的峰更加尖锐、[2]而谷更加深凹。但这种方法不能有效地消除干扰点,因而不能作自动阈值选择。文献中提出一种基于最大方差设定的方法,该方法不管图象直方图有无明显的双峰,都能取到满意的阈值。然而,该方法适用于二值化处理,对多值图象,其算法较复杂。考虑到红外热图象是以不同的灰度层次来反映温度场的变化情况,其直方图具

4、有多峰特性,适合采用空域处理方法。为此,本文提出了基于灰度统计特性的直方图移动平均方法,消除不利于作自动阈值选择的一些干扰点,使得处理后的直方图适合采用简单的算法实现自动阈值选择,并用该方法对F—4型功率管壳焊料烧接质量的红外热图象进行缺陷的自动分割。通过对若干幅不同的热图处理结果表明,本文提出的方法是相当有效的。收稿日期:1994-11-30第2期任彬等:红外热图象自动阈值分割方法591直方图移动平均方法灰度直方图是研究图象灰度分布的常用手段,它描述了一幅图象的概貌。在直方图中,横坐标表示不同的灰度级,用L表示。纵坐标代表某灰度级象素出现的频数,用P表示。设某一幅图象的灰度直方

5、图如图1所示:图中,Pi表示图象中灰度值为i的象素出现的频数。设直方图中双峰分别代表背景和物体,双峰之间存在一个谷点j,明显有Pjth;g(x,y)=图1灰度直方图0当f(x,y)

6、Pa或Pb看作影响自动取阈的干扰点。因此,在自动阈值分割之前必须采取一定的措施消除这些干扰点。如果将直方图看作离散数列,则解决该问题的方法可以采用加权算术平均法,其实质是对离散数列进行修匀处理。然而,对多数值的权数的合理确定较为困难,往往带有主观性。因此,我们采用移动平均方法。设Pi为灰度值i处象素出现的频数值,样本数为N(对8bit数字图象,N=256),每次移动地求算术平均值所采用的灰度级个数为n,则在第j点的移动平均值Mj为:1Mj=(Pj+Pj-1+Pj-2+⋯+Pj-n+1)nj1=∑Pi(1)ni=j-n+1式中:Mj表示灰度值为j点的移动平均值。将(1)式写成111

7、Mj=(Pj-1+Pj-2+Pj-3+⋯+Pj-n+1+Pj-n)+Pj-Pj-nnnn1=Mj-1+(Pj-Pj-n)(2)n由(2)式可见,在计算各灰度级处的移动平均过程中,若已算出Mj-1,可由(2)式容易地迭代计算出Mj。其中,n的选择直接影响数列的修匀程度(或称平滑程度)。当n=1时,Mj数列与原数列Pi相同,n值愈大,Mj数列愈显修匀。极端情况是,当n=N时仅得一个平均值。在实际应用时,n通常取3、5、7,视原数列“干扰”程度而定。从移动平均的上述计算过程可以看出,其