高斯尺度空间下估计背景的自适应阈值分割算法

龙建武; 申铉京; 臧慧; 陈海鹏

doi:10.3724/SP.J.1004.2014.01773

高斯尺度空间下估计背景的自适应阈值分割算法

doi: 10.3724/SP.J.1004.2014.01773

龙建武^1,2,
申铉京^1,2,
臧慧^1,2,
陈海鹏^1,2, ,

1.
吉林大学计算机科学与技术学院长春 130012;
2.
吉林大学符号计算与知识工程教育部重点实验室长春 130012

基金项目:

国家自然科学基金（60973090），吉林省自然科学基金（201115025），教育部重点实验室开放基金（450060445325），吉林大学研究生创新基金（20121104）资助

详细信息

作者简介:
龙建武吉林大学计算机科学与技术学院博士研究生. 2011 年获吉林大学计算机科学与技术学院硕士学位. 主要研究方向为计算机视觉与机器学习.E-mail：hbl°jw@126.com

通讯作者:
陈海鹏吉林大学计算机科学与技术学院副教授，博士. 主要研究方向为图像处理.E-mail：chenhp@jlu.edu.cn

计量
- 文章访问数: 2589
- HTML全文浏览量: 127
- PDF下载量: 1391
- 被引次数: 0
出版历程
- 收稿日期: 2013-05-06
- 修回日期: 2014-01-13
- 刊出日期: 2014-08-20

An Adaptive Thresholding Algorithm by Background Estimation in Gaussian Scale Space

1.
College of Computer Science and Technology, Jilin University, Changchun 130012;
2.
Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun 130012

Funds:

Supported by National Natural Science Foundation of China (60973090), Natural Science Foundation of Jilin Province (201115025), Opening Project Foundation of Key Laboratory Ministry of Education (450060445325), and Graduate Innovation Fund of Jilin University (20121104)

摘要

摘要: 为有效分割非均匀光照图像，提出一种在高斯尺度空间下估计背景的自适应阈值分割算法. 首先，利用二维高斯函数对待处理图像进行卷积操作来构建一个高斯尺度空间，在此空间下进行背景估计，并采用背景差法来消除非均匀光照干扰，从而提取出目标图像；然后，采用矫正进行增强处理以突出较暗目标信息；最后，经强调谷底的最大类间方差法进行全局分割得到最终结果. 为验证算法的有效性，对非均匀光照条件下文本图像以及非文本图像进行了测试，并与基于偏移场的模糊C均值方法、灰度波动变换自适应阈值分割算法和自适应最小误差阈值分割算法，在错误分割率和运行时间上进行了对比. 实验结果表明，对比以上三种方法，该算法的分割结果更为理想.
- 图像分割 /
- 自适应阈值分割 /
- 高斯尺度空间 /
- 背景估计 /
- 背景差
Abstract: An adaptive image thresholding algorithm by mean of background estimation in Gaussian scale space is proposed for thresholding images with uneven illumination. Firstly, a Gaussian scale space, which is produced by the convolution of a two-dimensional Gaussian function with an input image, is used to estimate the background image. After background subtraction, the objective image can be easily obtained to eliminate interference of uneven illumination. Secondly, correction is employed to enhance the image to highlight those darker objects. Finally, the thresholding result is extracted easily using the global valley-emphasis Otsu method. To test the effectiveness of the introduced scheme, image segmentation tests are carried out for document and non-document images with uneven illumination, and then comparisons on misclassification error (ME) and time expenditure are performed among the proposed approach, the biased field-based fuzzy c-means (FCM) method, the adaptive gray wave transformation thresholding scheme and the adaptive minimum error thresholding algorithm. The results show that the introduced method yields better visual quality and lower ME values than these three approaches.
- Image segmentation /
- adaptive thresholding /
- Gaussian scale space /
- background estimation /
- background subtraction

HTML全文

参考文献(16)

[1]	Yilmaz A, Javed O, Shah M. Object tracking: a survey. ACM Computing Surveys, 2006, 38, Article No.13, DOI: 10.1145/1177352.1177355
[2]	[2] Sezgin M, Sankur B. Survey over image thresholding techniques and quantitative performance evaluation. Journal of Electronic Imaging, 2004, 13(1): 146-168
[3]	[3] Vantaram S R, Saber E. Survey of contemporary trends in color image segmentation. Journal of Electronic Imaging, 2012, 21(4): 040901-1-040901-28
[4]	[4] Oh H H, Lim K T, Chien S I. An improved binarization algorithm based on a water flow model for document image with inhomogeneous backgrounds. Pattern Recognition, 2005, 38(12): 2612-2625
[5]	[5] Chou C H, Lin W H, Chang F. A binarization method with learning-build rules for document images produced by cameras. Pattern Recognition, 2010, 43(4): 1518-1530
[6]	[6] Wen J T, Li S M, Sun J D. A new binarization method for non-uniform illuminated document images. Pattern Recognition, 2013, 46(6): 1670-1690
[7]	Long Jian-Wu, Shen Xuan-Jing, Chen Hai-Peng. Adaptive minimum error thresholding algorithm. Acta Automatica Sinica, 2012, 38(7): 1134-1144 (龙建武, 申铉京, 陈海鹏. 自适应最小误差阈值分割算法. 自动化学报, 2012, 38(7): 1134-1144)
[8]	[8] Ng H F. Automatic thresholding for defect detection. Pattern Recognition Letters, 2006, 27(14): 1644-1649
[9]	Wei Wei, Shen Xuan-Jing, Qian Qing-Ji. An adaptive thresholding algorithm based on grayscale wave transformation for industrial inspection images. Acta Automatica Sinica, 2011, 37(8): 944-953 (魏巍, 申铉京, 千庆姬. 工业检测图像灰度波动变换自适应阈值分割算法. 自动化学报, 2011, 37(8): 944-953)
[10]	Anagnostopoulos C N E, Anagnostopoulos I E, Psoroulas I D, Loumos V, Kayafas E. License plate recognition from still images and videos sequences: a survey. IEEE Transactions on Intelligent Transportation Systems, 2008, 9(3): 377-391
[11]	Otsu N. A threshold selection method from gray-level histograms. IEEE Transactions on Systems, Man and Cybernetics, 1979, 9(1): 62-66
[12]	Shen Xuan-Jing, Long Jian-Wu, Chen Hai-Peng, Wei Wei. Otsu thresholding algorithm based on rebuilding and dimension reduction of the 3-dimensional histogram. Acta Electronica Sinica, 2011, 38(5): 1108-1114 (申铉京, 龙建武, 陈海鹏, 魏巍. 三维直方图重建和降维的Otsu阈值分割算法. 电子学报, 2011, 38(5): 1108-1114)
[13]	Xu X Y, Xu S Z, Jin L H, Song E M. Characteristic analysis of Otsu threshold and its applications. Pattern Recognition Letters, 2011, 32(7): 956-961
[14]	Krinidis S, Chatzis V. A robust fuzzy local information C-means clustering algorithm. IEEE Transactions on Image Processing, 2010, 19(5): 1328-1337
[15]	Ma L, Staunton R C. A modified fuzzy C-means image segmentation algorithm for use with uneven illumination patterns. Pattern Recognition, 2007, 40(11): 3005-3011
[16]	David G L. Distinctive image features from scale-invariant keypoints. International Journal of Computer Vision, 2004, 60(2): 91-110

施引文献

资源附件(0)

访问统计

点击查看大图

计量

文章访问数: 2589
HTML全文浏览量: 127
PDF下载量: 1391
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

高斯尺度空间下估计背景的自适应阈值分割算法

doi: 10.3724/SP.J.1004.2014.01773

作者简介:
龙建武吉林大学计算机科学与技术学院博士研究生. 2011 年获吉林大学计算机科学与技术学院硕士学位. 主要研究方向为计算机视觉与机器学习.E-mail：hbl°jw@126.com

通讯作者:
陈海鹏吉林大学计算机科学与技术学院副教授，博士. 主要研究方向为图像处理.E-mail：chenhp@jlu.edu.cn

计量

An Adaptive Thresholding Algorithm by Background Estimation in Gaussian Scale Space

计量

目录

留言板

高斯尺度空间下估计背景的自适应阈值分割算法

doi: 10.3724/SP.J.1004.2014.01773

作者简介: 龙建武 吉林大学计算机科学与技术学院博士研究生. 2011 年获吉林大学计算机科学与技术学院硕士学位. 主要研究方向为计算机视觉与机器学习.E-mail：hbl°jw@126.com

通讯作者: 陈海鹏 吉林大学计算机科学与技术学院副教授，博士. 主要研究方向为图像处理.E-mail：chenhp@jlu.edu.cn

计量

出版历程

An Adaptive Thresholding Algorithm by Background Estimation in Gaussian Scale Space

计量

出版历程

目录

作者简介:
龙建武吉林大学计算机科学与技术学院博士研究生. 2011 年获吉林大学计算机科学与技术学院硕士学位. 主要研究方向为计算机视觉与机器学习.E-mail：hbl°jw@126.com

通讯作者:
陈海鹏吉林大学计算机科学与技术学院副教授，博士. 主要研究方向为图像处理.E-mail：chenhp@jlu.edu.cn