技术摘要：
本发明属于图像处理与分析技术领域，公开了一种基于二维Tsallis灰度熵快速迭代的阈值分割方法，利用了图像中类内灰度信息并结合图像目标和背景的邻域灰度信息，给出了基于灰度‑邻域平均灰度级二维直方图的Tsallis灰度熵阈值选取公式；随后，采取快速迭代算法改进最佳  全部
背景技术：
图像分割是为了将目标和背景分离，而将图像划分为若干特定类别并从中提取感 兴趣区域的技术和过程。在目标自动检测及识别过程中，图像分割是其中一个重要环节，分 割的结果将直接影响着目标自动检测与识别的最终精度。因此，图像分割一直是图像处理 与分析领域的研究热点。 现有的图像分割方法主要包括基于边缘的分割方法、基于区域生长的分割方法和 基于阈值的分割方法等。其中，基于阈值的分割方法因其实现简单、实用有效而成为常用的 图像分割方法。阈值分割的核心是快速获取合适的阈值分离图像中的目标和背景，为此，学 者们提出了多种阈值选取准则函数。其中，Shannon熵因其具有良好的理论基础且较为有 效，而成为备受关注的准则函数，因而以最大Shannon熵和最小Shannon交叉熵为准则的阈 值法成为一类较为经典的阈值分割方法。但由于Shannon熵存在无定义值和零值的问题，且 这类经典方法容易忽略分割时各类别之间的相互作用。为此，几种Shannon熵广义形式的准 则函数被应用到阈值选择中，如：Renyi熵、Tsallis熵等。这类熵具有非可加性特点，能很好 地适用于图像阈值分割。为避免在阈值选择时只考虑图像中各灰度级的出现频数，而忽略 灰度的空间分部信息，阈值空间由一维被推广到二维，利用灰度-邻域平均灰度级二维直方 图来选取阈值。然而将阈值空间推广到二维，其计算复杂度也会增加到O(L4)(L为图像灰度 级的数目)，为此，学者们提出了多种优化算法，如最大Shannon熵法的快速算法、粒子群优 化算法等，然而快速算法依然需要较大的存储空间，其阈值搜寻速度也受到一定影响；粒子 群优化算法存在后期收敛速度慢、精度较低等缺点。吴成茂等人采用快速迭代算法改进最 佳阈值搜寻过程，缩小了搜寻空间，并提高了运行速度，但采用的二维Shannon熵阈值准则 函数则容易忽略分割时各类别之间的相互作用，影响最终分割效果。
技术实现要素：
针对现有技术的不足，本发明的目的在于提供一种基于二维Tsallis灰度熵快速 迭代的阈值分割方法，充分利用图像的灰度信息和灰度空间分布信息，实现目标从复杂背 景中的完整准确分割，采用基于灰度-邻域平均灰度级的二维Tsallis灰度熵作为阈值选取 准则函数；同时，为了能有效提高最佳阈值的计算效率，进一步减少阈值的搜寻时间，实现 目标从复杂背景中的快速提取，快速迭代算法改进最佳阈值搜寻过程，并利用递推方式计 算公式中的中间变量，消除冗余计算，减小运算量。，提供了一种基于二维Tsallis灰度熵快 速迭代的阈值分割方法。 为实现上述目的，本发明提供如下技术方案： 一种基于二维Tsallis灰度熵快速迭代的阈值分割方法，所述方法包括如下步骤： 5 CN 111553926 A 说　明　书 2/8 页 步骤1，获取待分割的灰度图像，确定所述灰度图像的基于灰度-邻域平均灰度的 二维灰度直方图； 步骤2，获取以阈值向量(t,s)为自变量的准则函数，其中，t表示灰度图像的灰度 自变量，s表示邻域平均灰度自变量； 步骤3，采用快速迭代算法求解所述准则函数的最佳阈值向量(t*,s*)； 步骤4，采用所述最佳阈值向量作为所述灰度图像的分割阈值，分割出所述灰度图 像中的目标和背景。 本发明技术方案的特点和进一步的改进为： (1)步骤2中获取以阈值向量(t,s)为自变量的准则函数，具体为： 其中，设图像I大小为M×N，灰度级数为L，f(m,n)代表像素点(m,n)的灰度级，g(m, n)代表像素点(m,n)的邻域平均灰度级，h(i,j)(i,j＝0,1,…,L-1)表示(f(m,n) ,g(m,n)) 二元对出现的频数，m＝1，…，M，n＝1，…，N，q表示二维Tsallis灰度熵的参数。 (2)所述以阈值向量(t,s)为自变量的准则函数最大值对应的阈值向量(t,s)的值 为最佳阈值向量(t*,s*)。 (3)步骤3中快速迭代算法具体为： 假设所述二维灰度直方图连续，且概率密度函数为p(i,j)，设定边界和噪声点所 在区域的概率密度函数为零，采用递推方式计算所述准则函数里的中间变量，则令： 则所述准则函数简化为： 6 CN 111553926 A 说　明　书 3/8 页 对所述准则函数ξ(t,s)分别求关于t和s的偏导数并令其为零，得最佳阈值向量 (t*,s*)： (4)采用递推方式进行步骤3中快速迭代算法的过程，具体为： (3a)建立查找表： 确定如下递推公式：w(k,l)＝w(k-1,l) w (k,l-1)-w(k-1,l-1) h(i,j)； 设Vi和Hj分别表示像素灰度级和邻域平均灰度级的边缘分布，则由(f(m,n) ,g(m, n))二元对出现的频数h(i,j)得， 从而Vi＝w(i,L-1)，Hj＝ w(L-1,j)； (3b)计算uoi(t)，uoj(s)，ubi(t)，ubj(s)，voi(t)，voj(s)，vbi(t)，vbj(s)，依据查找表 求取： ubi(t)＝uoi(L-1)-uoi(t)， ubj(s)＝uoj(L-1)-uoj(s)， vbi(t)＝voi(L-1)-voi(t)， vbj(s)＝voj(L-1)-voj(s)； (3c)选取初始阈值t0和s0，给定允许误差ε，初始化最大迭代次数Cmax，令k＝0； (3d)根据式(6)更新阈值向量(t* ,s*)，计算e(t(k))＝t*-t(k)，e(s(k))＝s*-s (k)； (3e)检验误差是否|e(t(k)|≤ε,|e(s(k)|≤ε，若满足，则转(3g)，否则返回步骤 (3d)； (3f)令t(k 1))＝t*，s(k 1))＝s*，k的值加1，若k>Cmax则转(3g)，否则转步骤(3c)； (3g)输出最佳阈值向量(t*,s*)。 (5)初始阈值t0选取灰度级的均值或中值。 (6)初始阈值s0选取灰度级的均值或中值。 (7)对所述准则函数ξ(t,s)分别求关于t和s的偏导数并令其为零，得最佳阈值向 量(t*,s*)为： 7 CN 111553926 A 说　明　书 4/8 页 本发明技术方案提供了一种二维Tsallis灰度熵快速迭代的阈值分割方法。给出 了基于灰度-邻域平均灰度级二维直方图的Tsallis灰度熵阈值选取公式，并进一步推导了 基于二维Tsallis灰度熵阈值分割的快速迭代方法公式；通过引入迭代过程、缩小搜索空 间、在迭代中采用递推法降低冗余计算等3条途径，大大加快了方法的运行速度。 附图说明 图1为本发明实施例提供的图像二维直方图的区域划分示意图； 图2是本发明实施例提供的二维Tsallis灰度熵阈值分割快速迭代方法的流程示 意图。