论文部分内容阅读
[摘 要]红外图像是在飞机检测中较为广泛使用的图像之一，OTSU分割方法拥有其简单、易行、有效的优点，在使用中比较广泛。但是针对红外图像的所有像素点，传统OTSU方法的最佳阈值点和手动切分阈值点存在一定的偏差。本文提出一种预处理方法，使得OTSU在计算最终阈值能更加接近手动分割阈值。
[关键词]OTSU，最佳阈值，手动分割阈值
中图分类号：TP391.41 文献标识码：A 文章编号：1009-914X（2017）30-0076-01
一.简介
紅外图像成像技术是根据物体表面的温度辐射形成的，这也造成了红外图像的一些特性，边缘模糊以及区域层次划分清晰。红外图像是由温度变化引起的，因此它形成的不是三色的彩色图像，是单一通道的伪彩色图像，颜色的深浅只是表明了物体表面温度的高低。阈值的选取是阈值法分割的关键，如果阈值选取太低，会把背景点错分为目标点，给图像分割的后续工作带来误差；反之，如果阈值选取过大，则会把目标点错分为背景点，从而丢失图像的有用信息。
二.OTSU方法介绍
日本学者Otsu提出的最大类间方差法是基于一维直方图的，又称为Otsu法。为了与二维和三维的Otsu阈值分割方法相区分，本文称为一维Otsu阈值分割方法，简称一维Otsu法。该方法是一种自动的无监督无参数的，并且是在判决分析最小二乘法原理的基础上推导得出的阈值分割方法。一维Otsu法具有模式别的理论基础和良好的分割性能，因而在众多的阈值分割方法中，是最为流行的阈值化方法之一。
根据图像的灰度特征，一维Otsu法将图像划分为目标和背景两部分。目标和背景之间的类间方差越大，说明构成图像的两部分的差别越大。当部分背景错分为目标或部分目标错分为背景时都会导致两部分的差别变小。因此，类间方差最大的分割意味着最小的错分概率，并且根据该准则选取最佳阈值使得目标和背景之间的分离性最好。该判决准则基于灰度直方图的一阶统计特性，具有运算速度快，适用于实时处理的优点。
所以我们将经典OTSU问题划分为一个求解最优值的問题。但是在实际的运算中会出现所求的最佳阈值与手动分割阈值有一定的偏差。本文提出一种预处理的方法，可以有效使得所求分割阈值接近手动分割阈值。
三.改进
红外图像分割的过程中存在太亮或者太暗的像素点，这样一来我们计算得到的方差值会增大，但是实际上完全黑色或者白色的点对于我们人眼视觉的意义并不是很大，如果我们在计算中适当减小全白，或者减少全黑的灰度值，这样我们所能得到的方差是介于0（黑）和1（白）接近于手动分割的最佳阈值。
图像灰度转化是由物体表面温度决定的，所以在灰度转化过程中，接近白色的像素点表示的含义为物体表面的温度非常高，一般情况下没有实际意义。同理接近黑色的像素点表示为温度特别低的点，对于我们的实验主动红外探伤来说，温度低的点没有进入我们检测的范围。红外主动探伤的原理是通过加热待检测物体表面，当温度达到预定需求时开始降温。我们选取降温时，根据颜色的差异来判断是否出现损伤。因此，根据所述理论，我们将像素点分类成以下的三类：0.1-0.9；0.2-0.8；0.3-0.7。
四.实验部分
根据上述方法，论证本文观点的有效性。本文在win8系统下，以MATLAB2014a作为仿真软件进行编程实现，硬件环境为i53230，，260GHz，4GB内存，图片分辨率为256320。
图1为未经过处理直接财通OTSU算法进行分割的结果，图2，图3，图4分别为过滤0.1，0.2，0.3之后的分割结果。
五.总结及结尾
经过实验论证，经过过滤的方法有效减少了图像分割中出现的误分割情况，不仅如此，而且在实验过程中，因为减少部分像素点的进入，可以有效减少计算使得该方法可以进入实时计算范围之内，提升了可靠性。
参考文献
[1] 汪国有，陈振学，李乔亮.复杂背景下红外弱小目标检测的算法研究综述[J].红外技术，2006，28（5）：287-292.
[关键词]OTSU，最佳阈值，手动分割阈值
中图分类号：TP391.41 文献标识码：A 文章编号：1009-914X（2017）30-0076-01
一.简介
紅外图像成像技术是根据物体表面的温度辐射形成的，这也造成了红外图像的一些特性，边缘模糊以及区域层次划分清晰。红外图像是由温度变化引起的，因此它形成的不是三色的彩色图像，是单一通道的伪彩色图像，颜色的深浅只是表明了物体表面温度的高低。阈值的选取是阈值法分割的关键，如果阈值选取太低，会把背景点错分为目标点，给图像分割的后续工作带来误差；反之，如果阈值选取过大，则会把目标点错分为背景点，从而丢失图像的有用信息。
二.OTSU方法介绍
日本学者Otsu提出的最大类间方差法是基于一维直方图的，又称为Otsu法。为了与二维和三维的Otsu阈值分割方法相区分，本文称为一维Otsu阈值分割方法，简称一维Otsu法。该方法是一种自动的无监督无参数的，并且是在判决分析最小二乘法原理的基础上推导得出的阈值分割方法。一维Otsu法具有模式别的理论基础和良好的分割性能，因而在众多的阈值分割方法中，是最为流行的阈值化方法之一。
根据图像的灰度特征，一维Otsu法将图像划分为目标和背景两部分。目标和背景之间的类间方差越大，说明构成图像的两部分的差别越大。当部分背景错分为目标或部分目标错分为背景时都会导致两部分的差别变小。因此，类间方差最大的分割意味着最小的错分概率，并且根据该准则选取最佳阈值使得目标和背景之间的分离性最好。该判决准则基于灰度直方图的一阶统计特性，具有运算速度快，适用于实时处理的优点。
所以我们将经典OTSU问题划分为一个求解最优值的問题。但是在实际的运算中会出现所求的最佳阈值与手动分割阈值有一定的偏差。本文提出一种预处理的方法，可以有效使得所求分割阈值接近手动分割阈值。
三.改进
红外图像分割的过程中存在太亮或者太暗的像素点，这样一来我们计算得到的方差值会增大，但是实际上完全黑色或者白色的点对于我们人眼视觉的意义并不是很大，如果我们在计算中适当减小全白，或者减少全黑的灰度值，这样我们所能得到的方差是介于0（黑）和1（白）接近于手动分割的最佳阈值。
图像灰度转化是由物体表面温度决定的，所以在灰度转化过程中，接近白色的像素点表示的含义为物体表面的温度非常高，一般情况下没有实际意义。同理接近黑色的像素点表示为温度特别低的点，对于我们的实验主动红外探伤来说，温度低的点没有进入我们检测的范围。红外主动探伤的原理是通过加热待检测物体表面，当温度达到预定需求时开始降温。我们选取降温时，根据颜色的差异来判断是否出现损伤。因此，根据所述理论，我们将像素点分类成以下的三类：0.1-0.9；0.2-0.8；0.3-0.7。
四.实验部分
根据上述方法，论证本文观点的有效性。本文在win8系统下，以MATLAB2014a作为仿真软件进行编程实现，硬件环境为i53230，，260GHz，4GB内存，图片分辨率为256320。
图1为未经过处理直接财通OTSU算法进行分割的结果，图2，图3，图4分别为过滤0.1，0.2，0.3之后的分割结果。
五.总结及结尾
经过实验论证，经过过滤的方法有效减少了图像分割中出现的误分割情况，不仅如此，而且在实验过程中，因为减少部分像素点的进入，可以有效减少计算使得该方法可以进入实时计算范围之内，提升了可靠性。
参考文献
[1] 汪国有，陈振学，李乔亮.复杂背景下红外弱小目标检测的算法研究综述[J].红外技术，2006，28（5）：287-292.