一种基于二维模糊熵的粘连物分割方法

摘要

本发明公开了质量监测技术领域中的一种基于二维模糊熵的粘连物分割方法。本发明首先采集粘连物图像并将图像二值化提取目标粘连物图像，用分水岭方法获得粘连物图像的初始分割区域；然后计算初始分割区域中的过分割区域和正确分割区域之间最佳分割阈值，得到过分割区域和正确分割区域；之后计算过分割区域合并后的区域特征；最后通过合并后的区域的特征与标准样本特征模型比较，选择与标准样本特征模型最小距离对应的区域作为合并区域，进而得到粘连物的分割结果。本发明步骤简单清晰，耗时少，适用于对图像的快速分割，对粘连物的分割准确。

主权项

一种基于二维模糊熵的粘连物分割方法，其特征在于，该方法包括以下步骤：S1：采集粘连物图像并提取目标粘连物图像；S2：在步骤S1的基础上获得所述粘连物图像的初始分割区域；S3：计算初始分割区域中的过分割区域和正确分割区域之间的最佳分割阈值，根据所述最佳分割阈值得到过分割区域和正确分割区域；S4：计算过分割区域合并后的区域特征；S5：将所述区域特征与标准样本特征模型进行比较，选择与标准样本特征模型距离最小的所述区域特征对应的区域作为合并区域，进而得到粘连物的分割结果；其中，所述步骤S3具体包括：S31：确定粘连物图像的隶属度函数；S32：根据所述隶属度函数对粘连物图像进行二维划分；S33：通过所述二维划分得到二维模糊熵；S34：对所述二维模糊熵做最大化处理，得到初始分割区域的过分割区域和正确分割区域的最佳分割阈值，得到过分割区域和正确分割区域；所述最佳分割阈值的计算公式为：(a,b,c,d)＝Argmax_M×N(H)其中：a为过分割区域像素最小分割阈值；b为过分割区域像素最大分割阈值；c为过分割区域相对高度最小分割阈值；d为过分割区域相对高度最大分割阈值；H为二维模糊熵；M为集水盆中像素个数；N为分水岭和集水盆最低处的高度差的等级个数；二维模糊熵步骤具体为：H＝H(R_B)+H(R_O)H为二维模糊熵；H(R_B)为正确分割的熵；H(R_O)为过分割的熵；$H\left(R_B\right)=-\underset{i=1}{\overset{M}{\Sigma }}\underset{j=1}{\overset{N}{\Sigma }}{\mu }_B(i,j)\frac{c(i,j)}{\underset{i=1}{\overset{M}{\Sigma }}\underset{j=1}{\overset{N}{\Sigma }}c(i,j)}\log \left(\frac{c(i,j)}{\underset{i=1}{\overset{M}{\Sigma }}\underset{j=1}{\overset{N}{\Sigma }}c(i,j)}\right)$$H\left(R_O\right)=-\underset{i=1}{\overset{M}{\Sigma }}\underset{j=1}{\overset{N}{\Sigma }}{\mu }_O(i,j)\frac{c(i,j)}{\underset{i=1}{\overset{M}{\Sigma }}\underset{j=1}{\overset{N}{\Sigma }}c(i,j)}\log \left(\frac{c(i,j)}{\underset{i=1}{\overset{M}{\Sigma }}\underset{j=1}{\overset{N}{\Sigma }}c(i,j)}\right)$μ_B(i,j)为正确分割的隶属度函数；c(i,j)表示集水盆的像素个数为i，分水岭和集水盆最低处的相对高度等级为j的参数对的发生次数；μ_O(i,j)为过分割的隶属度函数。