谢凯，王新生，2

（1.湖北大学资源环境学院，湖北 武汉430062；2.农业部遥感应用中心武汉分中心，湖北 武汉430062）

0 引言

数字图像处理技术是一个跨学科的领域.随着计算机科学技术的不断发展，图像处理和分析逐渐形成了自己的科学体系，新的处理方法层出不穷，尽管其发展历史不长，但却引起各方面人士的广泛关注.首先，视觉是人类最重要的感知手段，图像又是视觉的基础，因此，数字图像成为心理学、生理学、计算机科学等诸多领域内的学者们研究视觉感知的有效工具.其次，图像处理在军事、气象遥感等大型应用中有不断增长的需求.

图像分割是图像处理中一个基本概念，也叫门限处理［1］.阈值分割法是一种基于区域的图像分割技术.其基本原理是通过设定不同的特征阈值，把图像像素点分为若干类.常用的特征包括直接来自原始图像的灰度或彩色特征，以及原始灰度或彩色值变换得到的特征.灰度阈值分割时是基于灰度图像的一种假设，目标地物或背景内的相邻像素间的灰度值是相似的，但不同目标地物或背景的像素在灰度上有差异，利用其差异选取合适的阈值对像素点进行判定，看是否符合阈值要求，从而划分出目标地物和背景.阈值分割的优点是实现简单，对于不同类的灰度值或其他特征值相差很大时，它能有效地对图像进行分割.近年来，研究人员不断改进原有的图像分割方法，并把其他学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法，常用的有双峰法、灰度期望值法、最大类间方差法和迭代阈值法等［2－19］.

遥感图像分割和遥感图像分类结果的优劣，直接关系到能否对影像上目标地物和背景有效地分离.本文中选取经过几何精校正的2010年3月湖北省襄阳市快鸟影像作为数据源，进行灰度迭代阈值法和最大类间方差法的图像分割比较研究，试图提出新的方法改善高分辨率影像的分割效果.提出了新的阈值改进策略：选择调整初始全局阈值T中的常数，调整其大小来进行图像分割，运用数学形态学的闭运算来对影像进行一定程度的降噪处理，使得图像在降噪后达到最优分割效果.采用新的阈值策略改进灰度迭代阈值法对图像分割，且与最大类间方差法的分割结果比较，从时间效率及分割结果上来说明灰度迭代阈值法优于最大类间方差法.

1 基于全局阈值的图像分割

阈值分割又分全局阈值分割和局部阈值分割［1］，局部阈值法常用的方法有灰度差直方图法、微分直方图法.局部阈值分割法虽然能改善分割效果，但需要进行局部地区的灰度分布分析，处理的速度较慢，难以适应实时性的要求［16］.全局阈值分割方法在图像处理中应用较多，在整幅图像内采用固定的阈值分割图像.根据不同的全局阈值选取，可分为迭代阈值法、最大类间方差法和最大熵方法等.全局阈值算法简单，对于目标和背景明显分离，直方图分布呈双峰的图像效果良好，对于噪声干扰较大的非双峰直方图分布的图像，分割效果较差［16］.在全局阈值处理中，最大类间方差法分割效果虽较好，但处理速度较慢，而迭代阈值法分割效果较好，运行速度也较快.在图像预处理阶段结合数学形态学的膨胀和腐蚀运算，对图像进行闭运算［3］，即先膨胀后腐蚀，以对图像进行一定程度的降噪处理，使图像在分割过程中能有较好的效果.

1.1 基于全局阈值的最大类间方差法 最大类间方差法［2］是由日本学者大津于1979年提出的，简称OTSU法，是一种使类间方差最大的自动确定阈值的方法，以目标和背景的类间方差最大为阈值选择原则［2］.我们运用数学形态学闭运算与最大类间方差法相结合，对快鸟影像进行预处理及图像分割，对比没有改进的原始最大类间方差法的分割结果.从分割的结果上看，结合闭运算改进后的最大类间方差法好于原始最大类间方差法.

1.2 基于全局阈值的迭代阈值法 迭代式阈值选择的方法［1］基本思想是：首先选择一个阈值作为初始估计值，然后按阈值改进策略不断地改进这一初始值，直到满足给定的准则为止［1］.在迭代过程中，关键之处在于选择什么样的阈值改进策略，也是本文的创新之处.好的改进策略应该具备两个特征：一是能够快速收敛，二是在每一个迭代过程中，新产生的阈值优于上一次的阈值.

选择调整初始全局阈值T0中的常数，调整其大小来进行图像分割，来确定一个最大程度上满足分割要求的全局阈值T1，再根据其全局阈值T1的常数与前一次阈值T0的常数求和取其中值后，求得新的全局阈值T2，进行图像分割.如果不能达到理想分割效果，则继续之前调整T2的常数大小，如果T2的常数增大能得到较好的分割结果，则与T1的常数求和取其中值，确定全局阈值的常数进行分割，反之则与T0的常数求其中值，确定全局阈值的常数进行分割.直至求的最优全局阈值Tn，达到理想的图像分割效果.

图1是我们结合闭运算后的改进迭代阈值分割程序设计流程图.

图1 迭代阈值分割程序设计流程图

2 图像分割程序实现及结果对比

2.1 图像分割程序设计 对于以上算法使用Matlab2010a实现，代码在Command window窗口下编写即可，其中imclose是对灰度图像进行闭合运算以实现降噪处理，T为图像灰度中值作为初始阈值，while循环是计算新的阈值，r则进行黑白图像转换，进行图像分割.本文中的程序设计拟解决图像分割中时间效率低、分割精度低的问题.具体代码可分为以下3个部分.

2.2 图像分割结果对比 以上代码首先运行（1）和（2），然后运行（1）和（3）.分别得到图像分割结果（图2）和阈值及时间处理结果（表1）.通过以下6个特征区域的分析对比，来说明两种方法的优劣.

图2 图像分割

表1 图像分割结果对比

续表1

3 实验结果与分析

针对快鸟影像的图像分割，本文中分别使用灰度迭代阈值分割和最大类间方差分割法，对一幅2010年3月湖北省襄阳市的快鸟影像进行分割研究.采用图像处理的时间和算法所得阈值作为评价指标.

表2 两种分割方法对比结果

表1表明，原始图像上较亮且呈现浅绿的区域是油菜种植地，暗绿色是小麦种植地，咖啡色则是空地.通过人工目视解译，从裁剪出的1至6号影像，可以看出灰度迭代阈值分割的分割效果好于最大类间方差法，灰度迭代阈值分割法错分和多分情况较少，而最大类间方差法错分和多分效果明显，分割效果不能达到预期的效果.表2表明，从处理时间上看，灰度迭代阈值法也明显快于最大类间方差法，原因是迭代阈值分割的处理时间主要取决于迭代次数的多少，而最大类间方差法是对图像进行较多次的遍历.

4 结论

本文中提出新的阈值改进策略，是对初始全局阈值T0的常数进行调整，对程序算法进行优化.通过调整阈值对图像分割试验，直至求得最优全局阈值Tn，达到理想的图像分割效果.我们选取2010年3月襄阳市的快鸟影像，用灰度迭代阈值分割法得到的分割结果及处理时间都优于最大类间方差法，实现了对快鸟影像的高效分割.本文中的研究是针对特定的高分遥感影像数据源的图像分割，未能实现针对其他数据源的图像分割，具有一定的局限性，在今后的研究中，将重点解决这一不足.

［1］黑光月.基于迭代阈值的女书分割算法研究［J］.软件导刊，2011，9（10）：61－63.

［2］邓林华，许骏，程向明.基于迭代阈值的太阳像分割算法的应用研究［J］.计算机与现代化，2010，10：72－74.

［3］张大坤，罗三明.形态学中闭运算功能的扩展及其应用［J］.计算机工程及其应用，2010，46（27）：185－187.

［4］张果，李晓娟，张宪.基于迭代阈值和形态学的图像边缘检测［J］.微计算机信息，2007（27）：135－137.

［5］陈君，朱红.基于互信息最佳阈值迭代的图像分割方法研究［J］.武汉理工大学学报：交通科学与工程版，2011，3（35）：641－644.

［6］李海燕，张榆锋，施心陵，等.基于灰度迭代阈值脉冲耦合神经网络的图像分割［J］.计算机应用，2011，10（31）：2753－2756.

［7］谢国庆，白莹，王智文.基于全局迭代阈值和局部分析的护照图像的二值化算法［J］.计算机应用与软件，2009，11（26）：118－119，164.

［8］尹沧涛，何平，戴鹏，等.基于图像序列期望特征的阈值分割方法［J］.计算机应用研究，2012，29（1）：376－378.

［9］孙路，毕笃彦.基于信息熵的图像分割阈值迭代算法改进［J］.计算机应用与软件，2008，10（25）：225－226.

［10］吕书强，张思博.基于阈值分割和形态学的高分辨率遥感影像道路提取［J］.北京建筑工程学院学报，2012，1（28）：35－39.

［11］汪丹平，唐勇.基于直方图的迭代式自动阈值分割技术研究［J］.软件导刊，2011，8（10）：32－33.

［12］陈宁宁.几种图像阈值分割算法的实现与比较［J］.人工智能及识别技术，2011，13（7）：3109－3111.

［13］严曲，赵跃龙.一种基于迭代阈值法的身份证图像二值化算法研究［J］.计算机测量与控制，2005，13（6）：595－597.

［14］胡敏，石美，汪荣贵.一种具有抗噪性的图像分割方法［J］.计算机工程，2011，8（37）：231－235.

［15］王家文.Matlab7.6图形图像处理［M］.北京：国防工业出版社，2009：131－140.

［16］王爱玲，叶明生，邓秋香.Matlab R2007图像处理技术与应用［M］.北京：电子工业出版社，2008：165－204.

［17］刘光宇，卞红雨，石红.结合形态学运算的谱抠图声纳图像分割法［J］.吉林大学学报：工学版，2012，1（42）：228－233.

［18］Levin A，Rav－Acha A，Lischinski D.Spectral matting［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2008，30（10）：1699－1712.

［19］Levin A，Lischinski D，Weiss Y.A closed form solution to natural image matting［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2008，30（2）：228－242.