主权项 |
一种并行组合的图像分割方法,其特征在于:是并行执行基于图像统计模型的自动阈值分割和自适应熵分割,然后通过对这两个分割方法的分割结果进行融合,从而得到最终的分割结果,其步骤如下:1)、对图像进行基于图像统计模型的自动阈值分割,得到有效的分割参数,实现快速分割;(1)通过非均匀性校正方法对非均匀性的图像进行校正,将非高斯性图像转换为高斯图像;(2)对图像建模,计算图像的背景均值μ和标准差σ;(3)设系数η<sub>1</sub>,η<sub>2</sub>为图像分割时的灵敏度,图像背景灰度分布的区间为[μ‑η<sub>1</sub>δ,μ+η<sub>2</sub>δ],缺陷阈值区域为[0,μ‑η<sub>1</sub>δ)U(μ+η<sub>2</sub>δ,255],像素值落入该区域内的像素都视为缺陷;(4)形态学处理,滤除探测噪声,改善缺陷的连通性,改进分割结果,得出的分割结果为一个二值图像,记为Z;2)、对缺陷图像进行自适应熵分割;(1)通过高斯平滑算子对图像进行卷积运算,实现图像去噪;(2)采用8个方向的Prewitt算子对图像进行缺陷多方向边界探测及定位;(3)对Prewitt算子边界定位结果进行一维信息熵阈值分割,实现缺陷边界增强;Prewitt算子为边界探测算子,使用的Prewitt算出采用8个方向的核;(4)对一维信息熵的分割结果进行形态学处理,来增强边界增强,实现缺陷的有效分割,实现计算出分割结果记为E;3)、融合两种分割方法的分割结果;当自动阈值分割和自适应信息熵分割分别对图像进行缺陷分割后,均得到一个二值图像,依次记为:Z、E,对这两个二值图,采用与运算进行融合,融合后的二值图记为R,融合过程由下面的式子表示:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>R</mi><mo>=</mo><mi>Z</mi><mo>⊕</mo><mi>E</mi></mrow>]]></math><img file="FDA0000873897010000021.GIF" wi="289" he="67" /></maths>即,<img file="FDA0000873897010000022.GIF" wi="1067" he="195" />最后得到最终的图像缺陷目标。 |