歡迎登錄中國視覺網!
學術論文頻道
ACADEMIC PAPERS
位置導航:首頁 >> 學術論文 >> 專業論文 >> 基于Otsu局部遞歸和閉運算相結合多目標監測

基于Otsu局部遞歸和閉運算相結合多目標監測

發布時間:2020-03-11     來源:中國視覺網       訪問次數:3413


   摘要:在分析傳統Otsu算法局限性的基礎上,結合形態學閉運算的特點,提出了基于Otsu局部遞歸和閉運算相結合的算法。算法原理為先將原始圖像經過一次Otsu分割,對目標區域進行閉運算,由于剩余的背景圖象中仍含有部分目標區域,于是將背景圖像作為新的圖像進行下一次Otsu分割,如此遞歸下去,將每一次閉運算后得到的目標圖像按一定的權值進行累加,得到目標結果圖像。該算法有效地解決了由于目標車輛局部灰度與背景灰度相近而導致的單個目標被分割的現象,恰當的選取閉運算模版可有效防止多個目標粘連的問題。試驗結果表明,該算法能穩定地實現目標的提取,具有較好的魯棒性。

   關鍵詞:圖像分割;Otsu算法;局部遞歸;閉運算

   在圖像分割中,Otsu閾值化是一種廣泛使用的工具,它是一種自動的非參數無監督的閾值選擇法。該方法計算簡單,僅需計算灰度直方圖的零階和一階累積矩,經Sahoo等人通過試驗證明,Otsu法是一種很好的閾值化方法。但是,對于某些情況,用Otsu準則得到的門限與理想門限之間也會存在較大的差異,特別是當目標區域的面積與背景區域的面積相差懸殊時[3]。簡單的一次Otsu分割會錯誤地將部分目標劃分到背景區域,特別是對于多目標檢測,使檢測到的目標數量與實際不符。針對此問題,本文提出了一種基于Otsu局部遞歸和閉運算相結合的多目標監測算法。

1. 算法原理

1.1 Otsu閾值化方法原理
   Otsu閾值方法[2]是在判決分析最小二乘法原理的基礎上的最佳閾值法。假設原始圖像灰度級為L,灰度為i的像素的個數為ni,圖像的總像素數為N,則可以得到個灰度出現的概率Pi :      

   在圖像分割中,按照灰度級用閾值t將灰度劃分為兩類 :C0=(0,1,……t)和C1=(t+1,t+2,……L-1)。因此C0和C1出現的概率w0和w1為:

   因此C0和C1出現的平均灰度u0和u1為:

   其中

   C0和C1類的方差可由下式得到


   定義類內方差

   定義類間方差

   定義總體方差

   引進簡單的判決準則

   該準則將使兩類得到最佳分離的t*值作為最佳閾值。因此將    定為最大判定準則。

1.2 閉運算算法原理

1.2.1 膨脹
   膨脹是將與某物體接觸的所有背景點合并到該物體中的過程。過程的結果是使物體的面積增大了相應數量的點。如果兩個物體在某一點相隔少于三個象素,它們將在該點連通起來,合并成一個物體。它在填補分割后物體中的空洞時很有用。它的定義為[4]:

   其中,B為二值圖像,S為結構元素。

1.2.2 腐蝕
   腐蝕是消除物體所有邊界,使剩下的物體沿其周邊比原物體小一個象素的過程。腐蝕過后,在任何方向的寬度不大于兩個象素的物體將被除去。它能從一幅圖像中去除小且無意義的物體。一般腐蝕定義為:

1.2.3 閉運算
   閉運算是先膨脹后腐蝕的過程,它具有填充物體內細小空洞、連接臨近物體、在不明顯改變物體面積的情況下平滑其邊界的作用。其定義為:

1.3 Otsu局部遞歸和閉運算相結合算法

   遠距離的運動車輛實時監控中,常常同時有幾輛運動車輛同時進入視野中,而且運動車輛在圖像中占有的目標區域面積與背景面積相差懸殊,簡單的一次Otsu分割會錯誤地將部分目標劃分到背景區域[1]、或對進入視野的目標車輛數目進行錯誤的統計。為解決以上問題,提出了Otsu局部遞歸和閉運算相結合的算法。

   一次Otsu分割的結果圖像可以分為兩部分,像素級較高的背景區域和像素級相對較低的目標區域。由于汽車目標局部(特別是擋風玻璃)的灰度級十分接近背景的灰度級,一次分割后被錯誤的劃分到背景區域,于是一次Otsu分割后對二值圖像進行閉運算處理,用以連接同一車輛目標的不同部分。由于背景區域中含有部分目標,先將目標區域放在一邊,將背景區域提取出來作為結果圖像,接著對得到的結果圖像進行新一輪的Otsu分割和閉運算處理。具體步驟如下:
   將原始圖像的所有像素看成點集B,對它進行Otsu分割,得到的閾值t將其分為目標區域B1和背景區域O1兩個點集,其中B1的灰度級較低,O1的灰度級較高。

   接著用3×3的模版S對得到的目標區域B1進行閉運算處理,得到新的目標區域 ,即:

   用原始圖像除去 就得到閉運算后的背景圖像 。由于 中含有部分目標區域,于是對 進行Otsu分割,得到一個比t大的閾值t1將 分割為B2和O2兩個點集。其中B2的灰度級較低,O2的灰度級較高。

   同上,用3×3的模版S對得到的目標區域B2進行閉運算處理,得到新的目標區域 ,即:

   用 除去 就得到背景圖像 ,接著對 進行Otsu分割。按照以上方法依次遞歸下去,設n次后停止遞歸,得到目標區域點集 和背景區域點集
   最后,對由遞歸得到的目標區域點 …… 進行累加,記為A。

   其中, 是目標區域的權值,A是所求的多個目標監測的結果。

   由于采用規定遞歸次數作為停止判別條件,對于不同的圖像,n次分割后不一定會達到最佳效果。試驗中,針對不同的背景、目標與背景所占像素的比例關系確定最佳的遞歸次數。整個基于Otsu局部遞歸和閉運算相結合的目標提取算法流程如圖1所示。

2 實驗結果分析

   實驗中采用380×360的圖像,目的是提取運動中的四輛車,像素值從20到200不等。如圖2(a)-(c)所示為由Otsu局部遞歸和閉運算相結合算法的分割過程。(a)所示為經過一次Otsu局部遞歸和閉運算相結合算法后的分割結果,可以看出,單個目標物體被分割為幾部分,從而導致目標區域分割的失敗。(b)所示為經過6次分割后的結果,目標物體的分割狀況已大為改善,(c)所示為分割結果,得到了完整且相互獨立的四個目標區域。

3 結束語

   本文通過將Otsu局部遞歸算法與形態
   學閉運算結合起來,對得到的n個目標區域進行累加,有效的避免了目標區域的誤計數,較容易地將多個目標從背景中提取出來。

參考文獻:

[1] 汪國有,鄒玉蘭,凌勇.基于顯著性的OTSU局部遞歸分割算法.華中科技大學學報(自然科學版).2002,30(9):57~59。
[2] 魏陽杰,董再勵等.新的Otsu閾值改進方法的紅外小目標檢測.光電工程.2004,31(11):23~26。
[3] Ursula Gonzales-Barron, Francis Butler. A
comparison of seven thresholding techniques with the k-means clustering algorithm for measurement of bread-crumb features by digital image analysis. Journal of Food Engineering 74(2006) 268~278.
[4] Kenneth R.Castleman 等,朱志剛等譯.《數字圖像處理》.電子工業出版社,2002:396~397


喜乐彩什么时候开奖