平稳小波域多尺度乘积下的指数Renyi熵自动阈值选择方法

作     者：邹耀斌 孟祥丹 孙水发 陈鹏 ZOU Yaobin;MENG Xiangdan;SUN Shuifa;CHEN Peng

作者机构：湖北省水电工程智能视觉监测重点实验室(三峡大学)湖北宜昌443002 三峡大学大数据研究中心湖北宜昌443002 三峡大学计算机与信息学院湖北宜昌443002 

出 版 物：《光学精密工程》 (Optics and Precision Engineering)

年 卷 期：2023年第31卷第12期

页      面：1841-1858页

核心收录：

学科分类：08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(No.61871258)。 

主　　题：阈值分割 指数Renyi熵 平稳小波域 多尺度乘积 

摘      要：受目标和背景的大小比例、噪声或者随机细节等因素影响,灰度图像的灰度直方图可能呈现出无峰、单峰、双峰或者多峰模式。为了在统一框架内处理这4种不同直方图模式下的自动阈值选择问题,提出了一种平稳小波域多尺度乘积下的指数Renyi熵自动阈值选择方法。该方法首先利用平稳小波对原始图像进行水平、垂直和对角方向的多尺度变换,再对各个方向的高频子带进行多尺度乘积运算构造出融合图像;然后通过内外轮廓图像对融合图像进行采样重构一维直方图;最后计算重构直方图所对应的指数Renyi熵,并取最大值对应的阈值作为最终分割阈值。提出的方法与4种自动阈值分割方法、2种聚类分割方法以及2种活动轮廓分割方法进行了比较。在16幅合成图像和50幅真实世界图像上的实验结果表明:在合成图像集中,相比于分割精度第2的方法,平均马修斯相关系数提高了41.2%;在真实世界图像集中,相比于分割精度第二的方法,平均马修斯相关系数提高了20.8%。提出的方法具有更稳健的分割适应性,且在分割精度方面明显优于其他8个分割方法。