謝凱，王新生，2

（1.湖北大學(xué)資源環(huán)境學(xué)院，湖北 武漢430062；2.農(nóng)業(yè)部遙感應(yīng)用中心武漢分中心，湖北 武漢430062）

0 引言

數(shù)字圖像處理技術(shù)是一個(gè)跨學(xué)科的領(lǐng)域.隨著計(jì)算機(jī)科學(xué)技術(shù)的不斷發(fā)展，圖像處理和分析逐漸形成了自己的科學(xué)體系，新的處理方法層出不窮，盡管其發(fā)展歷史不長(zhǎng)，但卻引起各方面人士的廣泛關(guān)注.首先，視覺是人類最重要的感知手段，圖像又是視覺的基礎(chǔ)，因此，數(shù)字圖像成為心理學(xué)、生理學(xué)、計(jì)算機(jī)科學(xué)等諸多領(lǐng)域內(nèi)的學(xué)者們研究視覺感知的有效工具.其次，圖像處理在軍事、氣象遙感等大型應(yīng)用中有不斷增長(zhǎng)的需求.

圖像分割是圖像處理中一個(gè)基本概念，也叫門限處理［1］.閾值分割法是一種基于區(qū)域的圖像分割技術(shù).其基本原理是通過(guò)設(shè)定不同的特征閾值，把圖像像素點(diǎn)分為若干類.常用的特征包括直接來(lái)自原始圖像的灰度或彩色特征，以及原始灰度或彩色值變換得到的特征.灰度閾值分割時(shí)是基于灰度圖像的一種假設(shè)，目標(biāo)地物或背景內(nèi)的相鄰像素間的灰度值是相似的，但不同目標(biāo)地物或背景的像素在灰度上有差異，利用其差異選取合適的閾值對(duì)像素點(diǎn)進(jìn)行判定，看是否符合閾值要求，從而劃分出目標(biāo)地物和背景.閾值分割的優(yōu)點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，對(duì)于不同類的灰度值或其他特征值相差很大時(shí)，它能有效地對(duì)圖像進(jìn)行分割.近年來(lái)，研究人員不斷改進(jìn)原有的圖像分割方法，并把其他學(xué)科的一些新理論和新方法用于圖像分割，提出了不少新的分割方法，常用的有雙峰法、灰度期望值法、最大類間方差法和迭代閾值法等［2－19］.

遙感圖像分割和遙感圖像分類結(jié)果的優(yōu)劣，直接關(guān)系到能否對(duì)影像上目標(biāo)地物和背景有效地分離.本文中選取經(jīng)過(guò)幾何精校正的2010年3月湖北省襄陽(yáng)市快鳥影像作為數(shù)據(jù)源，進(jìn)行灰度迭代閾值法和最大類間方差法的圖像分割比較研究，試圖提出新的方法改善高分辨率影像的分割效果.提出了新的閾值改進(jìn)策略：選擇調(diào)整初始全局閾值T中的常數(shù)，調(diào)整其大小來(lái)進(jìn)行圖像分割，運(yùn)用數(shù)學(xué)形態(tài)學(xué)的閉運(yùn)算來(lái)對(duì)影像進(jìn)行一定程度的降噪處理，使得圖像在降噪后達(dá)到最優(yōu)分割效果.采用新的閾值策略改進(jìn)灰度迭代閾值法對(duì)圖像分割，且與最大類間方差法的分割結(jié)果比較，從時(shí)間效率及分割結(jié)果上來(lái)說(shuō)明灰度迭代閾值法優(yōu)于最大類間方差法.

1 基于全局閾值的圖像分割

閾值分割又分全局閾值分割和局部閾值分割［1］，局部閾值法常用的方法有灰度差直方圖法、微分直方圖法.局部閾值分割法雖然能改善分割效果，但需要進(jìn)行局部地區(qū)的灰度分布分析，處理的速度較慢，難以適應(yīng)實(shí)時(shí)性的要求［16］.全局閾值分割方法在圖像處理中應(yīng)用較多，在整幅圖像內(nèi)采用固定的閾值分割圖像.根據(jù)不同的全局閾值選取，可分為迭代閾值法、最大類間方差法和最大熵方法等.全局閾值算法簡(jiǎn)單，對(duì)于目標(biāo)和背景明顯分離，直方圖分布呈雙峰的圖像效果良好，對(duì)于噪聲干擾較大的非雙峰直方圖分布的圖像，分割效果較差［16］.在全局閾值處理中，最大類間方差法分割效果雖較好，但處理速度較慢，而迭代閾值法分割效果較好，運(yùn)行速度也較快.在圖像預(yù)處理階段結(jié)合數(shù)學(xué)形態(tài)學(xué)的膨脹和腐蝕運(yùn)算，對(duì)圖像進(jìn)行閉運(yùn)算［3］，即先膨脹后腐蝕，以對(duì)圖像進(jìn)行一定程度的降噪處理，使圖像在分割過(guò)程中能有較好的效果.

1.1 基于全局閾值的最大類間方差法 最大類間方差法［2］是由日本學(xué)者大津于1979年提出的，簡(jiǎn)稱OTSU法，是一種使類間方差最大的自動(dòng)確定閾值的方法，以目標(biāo)和背景的類間方差最大為閾值選擇原則［2］.我們運(yùn)用數(shù)學(xué)形態(tài)學(xué)閉運(yùn)算與最大類間方差法相結(jié)合，對(duì)快鳥影像進(jìn)行預(yù)處理及圖像分割，對(duì)比沒有改進(jìn)的原始最大類間方差法的分割結(jié)果.從分割的結(jié)果上看，結(jié)合閉運(yùn)算改進(jìn)后的最大類間方差法好于原始最大類間方差法.

1.2 基于全局閾值的迭代閾值法 迭代式閾值選擇的方法［1］基本思想是：首先選擇一個(gè)閾值作為初始估計(jì)值，然后按閾值改進(jìn)策略不斷地改進(jìn)這一初始值，直到滿足給定的準(zhǔn)則為止［1］.在迭代過(guò)程中，關(guān)鍵之處在于選擇什么樣的閾值改進(jìn)策略，也是本文的創(chuàng)新之處.好的改進(jìn)策略應(yīng)該具備兩個(gè)特征：一是能夠快速收斂，二是在每一個(gè)迭代過(guò)程中，新產(chǎn)生的閾值優(yōu)于上一次的閾值.

選擇調(diào)整初始全局閾值T0中的常數(shù)，調(diào)整其大小來(lái)進(jìn)行圖像分割，來(lái)確定一個(gè)最大程度上滿足分割要求的全局閾值T1，再根據(jù)其全局閾值T1的常數(shù)與前一次閾值T0的常數(shù)求和取其中值后，求得新的全局閾值T2，進(jìn)行圖像分割.如果不能達(dá)到理想分割效果，則繼續(xù)之前調(diào)整T2的常數(shù)大小，如果T2的常數(shù)增大能得到較好的分割結(jié)果，則與T1的常數(shù)求和取其中值，確定全局閾值的常數(shù)進(jìn)行分割，反之則與T0的常數(shù)求其中值，確定全局閾值的常數(shù)進(jìn)行分割.直至求的最優(yōu)全局閾值Tn，達(dá)到理想的圖像分割效果.

圖1是我們結(jié)合閉運(yùn)算后的改進(jìn)迭代閾值分割程序設(shè)計(jì)流程圖.

圖1 迭代閾值分割程序設(shè)計(jì)流程圖

2 圖像分割程序?qū)崿F(xiàn)及結(jié)果對(duì)比

2.1 圖像分割程序設(shè)計(jì) 對(duì)于以上算法使用Matlab2010a實(shí)現(xiàn)，代碼在Command window窗口下編寫即可，其中imclose是對(duì)灰度圖像進(jìn)行閉合運(yùn)算以實(shí)現(xiàn)降噪處理，T為圖像灰度中值作為初始閾值，while循環(huán)是計(jì)算新的閾值，r則進(jìn)行黑白圖像轉(zhuǎn)換，進(jìn)行圖像分割.本文中的程序設(shè)計(jì)擬解決圖像分割中時(shí)間效率低、分割精度低的問(wèn)題.具體代碼可分為以下3個(gè)部分.

2.2 圖像分割結(jié)果對(duì)比 以上代碼首先運(yùn)行（1）和（2），然后運(yùn)行（1）和（3）.分別得到圖像分割結(jié)果（圖2）和閾值及時(shí)間處理結(jié)果（表1）.通過(guò)以下6個(gè)特征區(qū)域的分析對(duì)比，來(lái)說(shuō)明兩種方法的優(yōu)劣.

圖2 圖像分割

表1 圖像分割結(jié)果對(duì)比

續(xù)表1

3 實(shí)驗(yàn)結(jié)果與分析

針對(duì)快鳥影像的圖像分割，本文中分別使用灰度迭代閾值分割和最大類間方差分割法，對(duì)一幅2010年3月湖北省襄陽(yáng)市的快鳥影像進(jìn)行分割研究.采用圖像處理的時(shí)間和算法所得閾值作為評(píng)價(jià)指標(biāo).

表2 兩種分割方法對(duì)比結(jié)果

表1表明，原始圖像上較亮且呈現(xiàn)淺綠的區(qū)域是油菜種植地，暗綠色是小麥種植地，咖啡色則是空地.通過(guò)人工目視解譯，從裁剪出的1至6號(hào)影像，可以看出灰度迭代閾值分割的分割效果好于最大類間方差法，灰度迭代閾值分割法錯(cuò)分和多分情況較少，而最大類間方差法錯(cuò)分和多分效果明顯，分割效果不能達(dá)到預(yù)期的效果.表2表明，從處理時(shí)間上看，灰度迭代閾值法也明顯快于最大類間方差法，原因是迭代閾值分割的處理時(shí)間主要取決于迭代次數(shù)的多少，而最大類間方差法是對(duì)圖像進(jìn)行較多次的遍歷.

4 結(jié)論

本文中提出新的閾值改進(jìn)策略，是對(duì)初始全局閾值T0的常數(shù)進(jìn)行調(diào)整，對(duì)程序算法進(jìn)行優(yōu)化.通過(guò)調(diào)整閾值對(duì)圖像分割試驗(yàn)，直至求得最優(yōu)全局閾值Tn，達(dá)到理想的圖像分割效果.我們選取2010年3月襄陽(yáng)市的快鳥影像，用灰度迭代閾值分割法得到的分割結(jié)果及處理時(shí)間都優(yōu)于最大類間方差法，實(shí)現(xiàn)了對(duì)快鳥影像的高效分割.本文中的研究是針對(duì)特定的高分遙感影像數(shù)據(jù)源的圖像分割，未能實(shí)現(xiàn)針對(duì)其他數(shù)據(jù)源的圖像分割，具有一定的局限性，在今后的研究中，將重點(diǎn)解決這一不足.

［1］黑光月.基于迭代閾值的女書分割算法研究［J］.軟件導(dǎo)刊，2011，9（10）：61－63.

［2］鄧林華，許駿，程向明.基于迭代閾值的太陽(yáng)像分割算法的應(yīng)用研究［J］.計(jì)算機(jī)與現(xiàn)代化，2010，10：72－74.

［3］張大坤，羅三明.形態(tài)學(xué)中閉運(yùn)算功能的擴(kuò)展及其應(yīng)用［J］.計(jì)算機(jī)工程及其應(yīng)用，2010，46（27）：185－187.

［4］張果，李曉娟，張憲.基于迭代閾值和形態(tài)學(xué)的圖像邊緣檢測(cè)［J］.微計(jì)算機(jī)信息，2007（27）：135－137.

［5］陳君，朱紅.基于互信息最佳閾值迭代的圖像分割方法研究［J］.武漢理工大學(xué)學(xué)報(bào)：交通科學(xué)與工程版，2011，3（35）：641－644.

［6］李海燕，張榆鋒，施心陵，等.基于灰度迭代閾值脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像分割［J］.計(jì)算機(jī)應(yīng)用，2011，10（31）：2753－2756.

［7］謝國(guó)慶，白瑩，王智文.基于全局迭代閾值和局部分析的護(hù)照?qǐng)D像的二值化算法［J］.計(jì)算機(jī)應(yīng)用與軟件，2009，11（26）：118－119，164.

［8］尹滄濤，何平，戴鵬，等.基于圖像序列期望特征的閾值分割方法［J］.計(jì)算機(jī)應(yīng)用研究，2012，29（1）：376－378.

［9］孫路，畢篤彥.基于信息熵的圖像分割閾值迭代算法改進(jìn)［J］.計(jì)算機(jī)應(yīng)用與軟件，2008，10（25）：225－226.

［10］呂書強(qiáng)，張思博.基于閾值分割和形態(tài)學(xué)的高分辨率遙感影像道路提?。跩］.北京建筑工程學(xué)院學(xué)報(bào)，2012，1（28）：35－39.

［11］汪丹平，唐勇.基于直方圖的迭代式自動(dòng)閾值分割技術(shù)研究［J］.軟件導(dǎo)刊，2011，8（10）：32－33.

［12］陳寧寧.幾種圖像閾值分割算法的實(shí)現(xiàn)與比較［J］.人工智能及識(shí)別技術(shù)，2011，13（7）：3109－3111.

［13］嚴(yán)曲，趙躍龍.一種基于迭代閾值法的身份證圖像二值化算法研究［J］.計(jì)算機(jī)測(cè)量與控制，2005，13（6）：595－597.

［14］胡敏，石美，汪榮貴.一種具有抗噪性的圖像分割方法［J］.計(jì)算機(jī)工程，2011，8（37）：231－235.

［15］王家文.Matlab7.6圖形圖像處理［M］.北京：國(guó)防工業(yè)出版社，2009：131－140.

［16］王愛玲，葉明生，鄧秋香.Matlab R2007圖像處理技術(shù)與應(yīng)用［M］.北京：電子工業(yè)出版社，2008：165－204.

［17］劉光宇，卞紅雨，石紅.結(jié)合形態(tài)學(xué)運(yùn)算的譜摳圖聲納圖像分割法［J］.吉林大學(xué)學(xué)報(bào)：工學(xué)版，2012，1（42）：228－233.

［18］Levin A，Rav－Acha A，Lischinski D.Spectral matting［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2008，30（10）：1699－1712.

［19］Levin A，Lischinski D，Weiss Y.A closed form solution to natural image matting［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2008，30（2）：228－242.