[发明专利]一种基于灰度分布的多物体图像分割方法

权利要求书

1.一种基于灰度分布的多物体图像分割方法，其特征在于，该方法将确定多物体图像中的分类数问题转换成求解曲线图密度函数的波峰和波谷的个数问题，需要首先统计图片中每个灰度值的出现次数并绘制灰度分布曲线图，该曲线图以波浪形状的曲线描绘灰度的分布信号，然后在波浪形状的曲线上找到波峰和波谷的位置，以自动确定需要分割的数目以及进行图像分割的多个灰度阀值；

该方法的具体实现步骤包括：

Ⅰ)将图片中每个灰度值的出现次数进行统计，从而绘制出波浪形状的灰度分布曲线图；

Ⅱ)按如下方程对灰度分布曲线进行离散的高斯卷积，将波浪状形状的灰度分布曲线进行平滑去噪，得到高斯平滑曲线：

其中，x为灰度值，f(x)表示灰度值为x的像素点的个数，g(x)表示高斯分布函数；

Ⅲ)对高斯平滑曲线上所有的波峰进行定位，并鉴定波峰是待定主峰还是待定小峰，其中鉴定波峰是待定主峰还是待定小峰的具体操作为：

1)对灰度分布曲线按照如下方程进行高斯一阶导数卷积，并计算得到高斯平滑曲线上的极值点，

其中，x为灰度值，f(x)表示灰度值为x的像素点的个数，g(x)表示高斯分布函数；

2)对灰度分布曲线按照如下方程进行高斯二阶导数卷积，并计算得到高斯平滑曲线上的拐点，

其中，x为灰度值，f(x)表示灰度值为x的像素点的个数，g(x)表示高斯分布函数；

3)通过计算得到的极值点和拐点鉴定波峰：如果一对拐点的中间存在一个极大值点，则鉴定为待定主峰；如果一对拐点的中间不存在极大值，则鉴定为待定小峰；

Ⅳ)依据待定小峰与其相邻主峰之间的位置关系，判定该待定小峰为一个独立的波峰或者为其相邻主峰的附属部分；

Ⅴ)调整较小波峰的拐点边界，较小波峰就是对灰度分布曲线进行高斯二阶导数卷积后，进一步计算微弱平滑去噪曲线上的拐点，即卷积值等于0时对应的点；

Ⅵ)依据相邻两个波峰之间的关系，将每一对分布位置离得很接近的相邻波峰合并为一个波峰；

Ⅶ)过滤去除一些范围较小的、高度较低的波峰；

Ⅷ)定义波峰区域和波谷区域，并将波谷区域的中点选为图像分割的一个阀值，统计所有波峰区域的个数即得到多物体图像最终要划分出的分类个数，所需要的分割阀值即为每个波谷区域的中点所对应的灰度值。

2.根据权利要求1所述的一种基于灰度分布的多物体图像分割方法，其特征在于,所述高斯平滑曲线中σ为奇数，当σ＝1，高斯平滑曲线称为微弱平滑去噪曲线。

3.根据权利要求1所述的一种基于灰度分布的多物体图像分割方法，其特征在于,所述步骤Ⅳ)中，所述待定小峰与其相邻主峰之间的位置关系包括两者的距离和峰高的比例，以及待定小峰上最弯曲的点和相邻主峰上最接近的拐点之间的高斯平滑曲线的形状特征。

4.根据权利要求3所述的一种基于灰度分布的多物体图像分割方法，其特征在于,所述高斯平滑曲线的形状特征包括：高斯平滑曲线的凹凸程度、灰度分布曲线和高斯平滑曲线之间的相关性。

5.根据权利要求3所述的一种基于灰度分布的多物体图像分割方法，其特征在于,获得待定小峰上最弯曲的点的具体操作为：

对灰度分布曲线按照如下方程进行高斯三阶导数卷积，

其中，x为灰度值，f(x)表示灰度值为x的像素点的个数，g(x)表示高斯分布函数；

并计算卷积值为0时所对应的点，该点所对应的位置即为高斯平滑曲线上最弯曲的位置。

6.根据权利要求2所述的一种基于灰度分布的多物体图像分割方法，其特征在于,所述Ⅴ)中，调整拐点边界的具体操作为：

对灰度分布曲线按照如下方程进行高斯二阶导数卷积，

其中，x为灰度值，f(x)表示灰度值为x的像素点的个数，g(x)表示高斯分布函数；

并计算微弱平滑去噪曲线上的拐点，以调整较小波峰的拐点边界。