基于数据场和云模型的图像阈值化方法
————————————
基金项目基金项目：：中央高校基本科研业务费专项基金资助项目(201121302020010)；广东省自然科学基金资助项目(S2012010009759)；广东高校优秀青年创新人才培养计划基金资助项目(2012LYM_0092)
作者简介作者简介：：吴 涛(1980－)，男，讲师、博士、CCF 会员，主研方向：智能图像处理；陈一祥，博士研究生；杨俊杰，教授、博士 收稿日期收稿日期：：2012-09-12 修回日期修回日期：：2012-11-20 E-mail ：taowu0706@https://www.wendangku.net/doc/7316933384.html,
基于基于数据场和云模型的图像阈值化方法数据场和云模型的图像阈值化方法
吴 涛1，陈一祥2，杨俊杰1
(1. 湛江师范学院信息科学与技术学院，广东 湛江 524048；2. 武汉大学遥感信息工程学院，武汉 430079)
摘 要：针对图像自动分割中的最优阈值选择问题，提出一种基于数据场和云模型的图像阈值化方法。计算一个与局部相关的全局阈值，根据该阈值将图像自适应划分为若干个子区域，形成四叉树结构描述。通过逆向云发生器生成各个子区域对应的云模型，在云概念空间上产生云数据场，利用数据场的自适应特性实施质心迭代，最终完成不确定性分割，获得图像的二值化结果。该方法从认知物理学的角度重新认识图像阈值的自动优选问题，具有不确定性和空间全局性。分析及实验结果表明，该方法的分割效果较好、性能稳定。
关键词关键词：：图像分割；认知物理学；不确定性；四叉树；云模型；图像阈值化
Image Threshold Method Based on Data Field and Cloud Model
WU Tao 1, CHEN Yi-xiang 2, YANG Jun-jie 1
(1. School of Information Science and Technology, Zhanjiang Normal University, Zhanjiang 524048, China; 2. School of Remote Sensing and Information Engineering, Wuhan University, Wuhan 430079, China)
【Abstract 】In order to select the optimal threshold for automatic image segmentation, a novel method for image threshold based on data field and cloud model, is proposed. The method calculates the global threshold related with local image. According to the threshold, it adaptively divides the image into several sub-areas, and forms a quad tree. It produces the cloud models for each sub-area using backward cloud generator, generates a data field based on cloud model, and implements centroid iteration using adaptive characteristic of data field. It achieves image segmentation with uncertainty, and yields the binary result. The proposed method recognizes the issue on the automatic optimization of image threshold from the point of view of the cognitive physics, and it has uncertainty and global optimization. It is indicated by the quantitative and qualitative experiments that the proposed method yields accurate and robust result. 【Key words 】image segmentation; cognitive physics; uncertainty; quad tree; cloud model; image threshold DOI: 10.3969/j.issn.1000-3428.2013.10.055
计 算 机 工 程 Computer Engineering 第39卷 第10期
V ol.39 No.10 2013年10月
October 2013
·图形图像处理图形图像处理·· 文章编号文章编号：：1000—3428(2013)10—0258—06 文献标识码文献标识码：：A
中图分类号中图分类号：：TP391.41
1 概述
图像分割是图像处理、分析与理解领域最重要的研究课题之一，在模式识别、医学影像分析等方面具有广泛的应用[1-3]。其中阈值法是一类非常重要的有效方法，通过选择合适的灰度阈值将图像二值化，并分成背景和目标2个部分。迄今为止，大量文献对此进行了深入研究，文献[4]对图像阈值分割进行了全面综述，其中的最大类间方差法(记作Otsu)、最大熵方法(记作Kapur)、最小误分法(记作MET)等被认为是有代表性的经典方法。
四叉树利用统计特征依据一致性准则把图像定量划分为可变大小的网格。文献[5]指定四叉树划分的层次数目，根据灰度方差实现图像格网的划分，通过典型样区的选取
生成相应的云模型概念，采用云变换实现概念跃升、概念判别，获得分割结果。在图像阈值化的过程中存在广泛的不确定性[6]，经典方法用模糊集合表征定性概念的模糊性，如模糊C 均值聚类(记作FCM)[7]，但存在确定隶属函数及参数等困难。为此，文献[8-9]提出了基于二型模糊集合和云模型直方图分析的阈值化方法。总体上，文献[5]引入云模型实现分割过程中定性概念的不确定性处理具有重要意义，但人为指定参数不利于自动化处理。
云模型、数据场是认知物理学方法的核心理论[10]，文献[11-12]同时结合数据场和云模型进行图像阈值化的尝试，但是其数据场仍然建立在原始图像空间上。针对上述研究，本文提出一种基于数据场和云模型的图像阈值化 方法。