一种基于多目标的自适应阈值图像分割方法
【专利摘要】本发明公开了一种基于多目标的自适应阈值图像分割方法，包括以下步骤：1.输入待分割的图像，如果是彩色图像，需转换为灰度图像；2.设置多目标进化自适应目阈值图像分割的参数，将最大阈值分割数设置为5；3.对输入的图像数据分别进行1～5阈值的多目标阈值图像分割；4.通过步骤2将得到1～5阈值下的Parato最优解，利用F函数分别求得1～5阈值下的最优解，5.通过比较F函数值间的差值选择最合适的解作为图像的最佳分割阈值；6.通过选择出来的最佳阈值来对原图像进行类别划分来得到最终的分割结果。本发明能够实现自适应阈值图像分割，分割结果精确，算法实现简单。
【专利说明】
一种基于多目标的自适应阈值图像分割方法
技术领域
[0001] 本发明属于图像处理领域，具体涉及一种基于多目标的自适应阈值图像分割方 法。
【背景技术】
[0002] 图像分割是图像处理中最底层也是最重要的一步，其目的是根据图像中的灰度、 颜色和纹理等特征将图像划分成若干个互不相交的区域，并使得同一区域具有相似的特 征，不同区域间具有明显的特征差异。
[0003] 基于阈值的图像分割方法一般是根据某一个阈值准则来对图像进行阈值分割，因 此获得的图像在该准则下是最优的或者是接近最优的。但在实际应用中，图像分割是一个 根据人们实际需求和实际应用环境，根据具体的问题进行分割的，因此单个的阈值准则有 可能已经满足不了具体的需求，我们需要从多个角度去考虑问题。此外，在阈值数目的选择 方面都是先确定好阈值数目再进行分割的，这样就必须人为的判断阈值分割数目。
【发明内容】
[0004] 本发明的目的在于提供一种基于多目标的自适应阈值图像分割方法，以克服上述 现有技术存在的缺陷，本发明能够实现自适应阈值图像分割，分割结果精确，算法实现简 单。
[0005] 为达到上述目的，本发明采用如下技术方案：
[0006] -种基于多目标的自适应阈值图像分割方法，包括以下步骤：
[0007]步骤一:输入待分割图像，若待分割图像为彩色图像，先将其转换为灰度图像；
[0008] 步骤二:针对步骤一所得到的灰度图像分别进行若干不同阈值数目的多目标进化 阈值分割，得到若干不同的Parato解集；
[0009] 步骤三:采用函数Fk求出每个Parato解集中的最优阈值；
[0010] 步骤四：通过比较不同阈值数目下的Fk差值识别最佳阈值分害擞目；
[0011] 步骤五:通过最佳阈值分割数目对原图像进行类别划分得到最终的分割结果。
[0012] 进一步地，步骤二中多目标进化阈值分割方法具体为：
[0013] 2a)设置多目标进化阈值分割的参数:最大阈值数目为5,种群规模为200,最大遗 传代数为300,交叉概率为0.9,变异概率为0.1，基因变异范围为5~15,基因编码范围0~ 255；
[0014] 2b)种群初始化，随机产生200个个体，假设有k个阈值则每个染色体有k个基因位， 每个基因位取值为0~255，遗传代数g = 1;
[0015] 2c)计算种群中每个个体的两个目标函数值，将两个目标函数值分别添加到染色 体的k+l、k+2基因位；
[0016] 2d)利用步骤2c)中计算的目标函数值对种群进行非支配排序以及拥挤距离计算， 并将个体序值和拥挤距离分别添加到染色体的k+3、k+4基因位；
[0017] 2e)开始进化，采用锦标赛法根据序值和拥挤距离大小从种群中选出一半数量的 个体作为父代种群；
[0018] 2f)对父代种群进行交叉和变异操作，产生子代种群；
[0019] 2g)将当前种群与子代种群合并并进行精英选择，获得与初始种群大小相同的新 一代种群；
[0020] 2h)如果g>300，则执行步骤三，否则，g = g+1，跳转到步骤2c)。
[0021] 进一步地，步骤2c)中的两个目标函数分别为体现类间方差函数心以及最大可能 保留图像原有信息以及边缘轮廓信息的熵函数f 2。
[0022] 进一步地，计算种群中每个个体的两个目标函数值具体为：
[0023]假设一幅图像中包含的像素数目为N，图像中的灰度级范围为[0，···，L]，灰度级为 i的像素个数为m，则灰度级i出现的概率为：
[0025] 则目标函数&为：
[0026] fl(tl, t2, ???tk) =Wl(ui-UT)2+W2(u2-UT)2+---+Wk+l(uk+l-UT)2
[0027] 其中：
[0031]其中，（1：142，-41〇为图像的阈值，1^为图像所分割的阈值数目，￥11(1彡11彡1^+1)为 第η类像素的灰度出现概率和，un(l<n<k+l)为第η类像素的灰度平均值，UT是整幅图像的 平均灰度值；
[0032]目标函数5为：
[0033] f2( ti，t2，...tk) =Hl+H2^-----i~Hk+i
[0034] 其中：
[0038]式中，（ti，t2，···tk)为图像的阈值，k为图像所分割的阈值数目，Hn( 1 彡k+1)为 第η类像素的信息熵之和，wn(l<n$k+l)为第η类像素的灰度出现概率和，Pl为像素i出现的 概率。
[0039]进一步地，步骤三中函数Fk具体为：
[0041]其中，N为整幅图像的像素数目，k为图像所分割的阈值数目，m(k+l)为第k+1类的 灰度平均值，m(l)为第一类的灰度平均值，为第j类的灰度平均值，Cj是第j类的像素集合， gl是像素 i的灰度值。
[0042]进一步地，步骤四中通过比较不同阈值数目下的Fk差值识别最佳阈值分割数目， 具体为：
[0043] 4a)计算当前阈值数目下的F^zFk-F^，如果这个值为负值，将其置0;第一阈值下 的 Fa = Fi;
[0044] 4b)比较不同阈值数目下的F△值，选择F△值最大时的阈值数目作为最佳阈值分割 数目。
[0045] 与现有技术相比，本发明具有以下有益的技术效果：
[0046] 本发明首先利用多目标进化阈值分割方法进行分割。与单一的阈值分割准则算法 相比，多目标进化阈值分割算法对图像背景与目标是否明有明显双峰不再敏感，并且尽可 能多的保留图像的原有信息及边缘轮廓信息，阈值分割的结果更佳符合实际的需求。最后 使用了 Fk函数可以从最后一组Pareto最优解中选择合适的阈值，还能从不同的阈值数目中 获得最佳的阈值，并且获得较为理想的分割结果。
【附图说明】
[0047]图1为本发明方法的整体流程图；
[0048]图2为本发明方法的shotl图像分割结果对比图；
[0049]图3为本发明仿真实验中使用的Berkeley图像分割结果对比图；
[0050]图4为本发明仿真试验中使用的Berkeley图像分割结果对比图；
[0051 ]其中，（a)为待分割图像；（b)为给定阈值数目下Otsu方法分割结果；（c)为给定阈 值数目下最大熵法分割结果；（d)为本发明在没有给定阈值数目下，自适应的分割结果。
【具体实施方式】
[0052]下面结合附图对本发明作进一步详细描述：
[0053] 一种基于多目标的自适应阈值图像分割方法，包括以下步骤：
[0054] 步骤一:输入待分割图像，若待分割图像为彩色图像，先将其转换为灰度图像；
[0055] 步骤二:针对步骤一所得到的灰度图像分别进行若干不同阈值数目的多目标进化 阈值分割，得到若干不同的Parato解集;具体步骤为：
[0056] 2a)设置多目标进化阈值分割的参数:最大阈值数目为5,种群规模为200,最大遗 传代数为300,交叉概率为0.9,变异概率为0.1，基因变异范围为5~15,基因编码范围0~ 255；
[0057] 2b)种群初始化，随机产生200个个体，假设有k个阈值则每个染色体有k个基因位， 每个基因位取值为0~255，遗传代数g = 1;
[0058] 2c)计算种群中每个个体的两个目标函数值，将两个目标函数值分别添加到染色 体的k+l、k+2基因位；
[0059]两个目标函数分别为体现类间方差函数心以及最大可能保留图像原有信息以及 边缘轮廓信息的熵函数f2,为了计算目标函数，假设一幅图像中包含的像素数目为N，图像 中的灰度级范围为[0，…，L]，灰度级为i的像素个数为m，则灰度级i出现的概率为：
[0061 ]则目标函数负为：
[0062] fl(tl, t2, ???tk) =Wl(ui-UT)2+W2(u2-UT)2+---+Wk+l(uk+l-UT)2
[0063] 其中：
[0067]在上式中（11,12，···tk)为图像的阈值，k为图像所分割的阈值数目，wn(1彡n彡k+1) 为第η类像素的灰度出现概率和，un(l<n<k+l)为第η类像素的灰度平均值，ut是整幅图像 的平均灰度值。
[0068] 目标函数f2为：
[0069] f2( ti，t2，...tk) =Hl+H2^-----i~Hk+i
[0070] 其中：
[0074]在上式中（11，t2，···tk)为图像的阈值，k为图像所分割的阈值数目，Hn(1彡n彡k+1) 为第η类像素的信息熵之和，wn( 1 <n<k+l)为第η类像素的灰度出现概率和，Pl为像素 i出现 的概率。
[0075] 为了获得最佳阈值，需同时最大化函数f#Pf2。由于在多目标进化算法中，同时优 化函数的最小值便于算法的计算，因此在本方法中将同时最小化1/fi、l/f 2两个目标函数来 求取最佳阈值。
[0076] 2d)利用步骤2c)中计算的目标函数值对种群进行非支配排序以及拥挤距离计算， 并将个体序值和拥挤距离分别添加到染色体的k+3、k+4基因位；
[0077] 2e)开始进化，采用锦标赛法根据序值和拥挤距离大小从种群中选出一半数量的 个体作为父代种群；
[0078] 2f)对父代种群进行交叉和变异操作，产生子代种群；
[0079] 2g)将当前种群与子代种群合并并进行精英选择，获得与初始种群大小相同的新 一代种群；
[0080] 2h)如果g>300，则执行步骤三，否则，g = g+1，跳转到步骤2c)。
[0081 ]步骤三:采用函数Fk求出每个Parato解集中的最优阈值，函数Fk值越大，则分割结 果越好;具体为：
[0083]其中，N为整幅图像的像素数目，k为图像所分割的阈值数目，m(k+l)为第k+Ι类的 灰度平均值，m(l)为第一类的灰度平均值，为第j类的灰度平均值，Cj是第j类的像素集合， gl是像素 i的灰度值。
[0084] 步骤四：通过比较不同阈值数目下的Fk差值识别最佳阈值分割数目；具体为：
[0085] 4a)计算当前阈值数目下的，如果这个值为负值，将其置0;第一阈值下 的 Fa = Fi;
[0086] 4b)比较不同阈值数目下的F△值，选择F△值最大时的阈值数目作为最佳阈值分割 数目。
[0087]步骤五:通过最佳阈值分割数目对原图像进行类别划分得到最终的分割结果。 [0088]为了验证本发明的有效性，实验中选取一幅shot图像（图2中（a)所示）以及 Berkeley图像数据库中的2幅图像(如图3中（a)及图4中（a)所示），图2-图4中的(b)是在给 定阈值数目下Otsu法（即最大类间方差法)的分割结果，图2-图4中的(c)是给定阈值数目下 最大熵法的分割结果，图2-图4中的(d)是本发明的分割结果。
[0089]仿真效果分析:本发明利用多目标进化算法来对阈值图像进行分割，在最后最优 解的选择上，使用Fk函数可以自适应的选择出最佳阈值获得阈值图像分割的最终结果，相 对于传统的给定阈值数目求解最终阈值有较大进步，分割结果也有所提高。
【主权项】
1. 一种基于多目标的自适应阔值图像分割方法，其特征在于，包括W下步骤： 步骤一:输入待分割图像，若待分割图像为彩色图像，先将其转换为灰度图像； 步骤二:针对步骤一所得到的灰度图像分别进行若干不同阔值数目的多目标进化阔值 分割，得到若干不同的化rato解集； 步骤Ξ:采用函数Fk求出每个化rato解集中的最优阔值； 步骤四：通过比较不同阔值数目下的Fk差值识别最佳阔值分割数目； 步骤五:通过最佳阔值分割数目对原图像进行类别划分得到最终的分割结果。2. 根据权利要求1所述的一种基于多目标的自适应阔值图像分割方法，其特征在于，步 骤二中多目标进化阔值分割方法具体为： 2a)设置多目标进化阔值分割的参数:最大阔值数目为5,种群规模为200,最大遗传代 数为300,交叉概率为0.9,变异概率为0.1，基因变异范围为5~15,基因编码范围0~255; 2b)种群初始化，随机产生200个个体，假设有k个阔值则每个染色体有k个基因位，每个 基因位取值为0~255,遗传代数g = l; 2c)计算种群中每个个体的两个目标函数值，将两个目标函数值分别添加到染色体的k +l、k+2基因位； 2d)利用步骤2c)中计算的目标函数值对种群进行非支配排序W及拥挤距离计算，并将 个体序值和拥挤距离分别添加到染色体的k+3、k+4基因位； 2e)开始进化，采用锦标赛法根据序值和拥挤距离大小从种群中选出一半数量的个体 作为父代种群； 2f)对父代种群进行交叉和变异操作，产生子代种群； 2g)将当前种群与子代种群合并并进行精英选择，获得与初始种群大小相同的新一代 种群； 2h)如果g〉300，则执行步骤Ξ，否则，g = g+1，跳转到步骤2c)。3. 根据权利要求2所述的一种基于多目标的自适应阔值图像分割方法，其特征在于，步 骤2c)中的两个目标函数分别为体现类间方差函数fiW及最大可能保留图像原有信息W及 边缘轮廓信息的赌函数f 2。4. 根据权利要求3所述的一种基于多目标的自适应阔值图像分割方法，其特征在于，计 算种群中每个个体的两个目标函数值具体为： 假设一幅图像中包含的像素数目为N，图像中的灰度级范围为[0，···，L]，灰度级为i的 像素个数为m，则灰度级i出现的概率为： P -二山 ' N 则目标函数fi为： f 1 (11, t2，... tk) = W1 (山-UT) 2+W2 (U2-UT) 2+... +Wk+1 (Uk+1-UT) 2 其中：其中，（ti，t2，-，tk)为图像的阔值，k为图像所分割的阔值数目，￥。(1《11《4+1)为第]1类 像素的灰度出现概率和，un(l《n《k+l)为第η类像素的灰度平均值，UT是整幅图像的平均灰 度值； 目标函数f 2为： f2(tl, t2, ...tk) =Hl+出+...+Hk+l 其中：式中，（ti，t2，一tk)为图像的阔值，k为图像所分割的阔值数目，Hn(l《n《k+1)为第η类 像素的信息赌之和，wn( l《n《k+l)为第η类像素的灰度出现概率和，Pi为像素 i出现的概率。5. 根据权利要求1所述的一种基于多目标的自适应阔值图像分割方法，其特征在于，步 骤Ξ中函数Fk具体为：其中，N为整幅图像的像素数目，k为图像所分割的阔值数目，m化+1)为第k+1类的灰度 平均值，m(l)为第一类的灰度平均值，为第j类的灰度平均值，Cj是第j类的像素集合，gi是 像素 i的灰度值。6. 根据权利要求1所述的一种基于多目标的自适应阔值图像分割方法，其特征在于，步 骤四中通过比较不同阔值数目下的Fk差值识别最佳阔值分割数目，具体为： 4a)计算当前阔值数目下的FA = Fk-Fk-i，如果运个值为负值，将其置0;第一阔值下的Fa = Fi； 4b)比较不同阔值数目下的Ρλ值，选择Ρλ值最大时的阔值数目作为最佳阔值分割数目。
【文档编号】G06T7/00GK106097351SQ201610423850
【公开日】2016年11月9日
【申请日】2016年6月13日 公开号201610423850.1, CN 106097351 A, CN 106097351A, CN 201610423850, CN-A-106097351, CN106097351 A, CN106097351A, CN201610423850, CN201610423850.1
【发明人】赵凤, 惠房臣, 刘汉强, 郑月, 王俊, 韩文超
【申请人】西安邮电大学