基于二維Otsu的艦船目標圖像分割方法*

余 揚

（南部戰區海軍參謀部作戰勤務保障大隊 湛江 524000）

1 引言

原始 Otsu[1]（最大類間方差（Maximum between-class variance））以一維直方圖圖像的背景與目標間的方差來確定最佳分割閾值，沒有考慮像素間的空間關系，據此，將Otsu方法擴展為二維[2～3]直方圖進行研究，二維直方圖圖像的分割質量雖好，但卻增加了算法的時間開銷，因此，降低Otsu算法的時間復雜度，提高其最佳閾值的計算速度成為當前研究的熱點問題。

為克服算法的計算量大的問題，Wang等[4]提出了一種自適應的二維Otsu閾值分割方法，該方法通過迭代的方式大大提高了算法的技術速度；Jun等[5]研究提出了一種適用于SAR圖像分割的改進Otsu算法；基于積分圖像處理技巧，Lang等[6]設計了一種快速Otsu閾值分割方法；此外，李等[7]通過對圖像分割算法的研究，提出了基于模糊判決的Otsu閾值選取算法，該算法的求取結果更接近實際最佳的分割閾值。

2 基于局部盒濾波的Otsu閾值分割

為提高二維Otsu方法閾值的計算速度，研究采用積分圖像的處理方法[8]，以及局部網格盒濾波技術，提出一種高效的閾值分割算法。

設定圖像I(x，y)的尺寸大小為M×N，像素灰度級記做L，假設3×3鄰域內，像素點的平滑圖像為G(x，y)。又假設圖像I(x，y)的某一像素的灰度值i與其鄰域的灰度均值j均出現的次數為fi，j，則聯合概率密度為

假設從矩形L×L中任取一點為pi，j，計算其二維直方圖，如圖1（a）所示。給定任一閾值(s，t)，則直線對f=s，g=t將該二維直方圖劃分成4個區域，如圖1（b）所示：A0，A1分別表示目標和背景，A2，A3分別表示邊緣和噪聲。

圖1 原始二維Otsu方法

假設A0、A1分別代表目標區域和背景區域，其出現的概率分別表示為ω0、ω1，那么有：

同時，區域A0、A1的灰度均值矢量記為μ0、μ1，它們的灰度均值μ表示為

假設圖1（b）中區域A2和A3上的所有的概率均忽略不計，亦即ω0+ω1≈1，則類間方差BCV可定義為

BCV取最大值時計算所得的二維閾值即為最佳閾值，即：

綜上，研究給出基于積分圖像處理的Otsu分割方法。

原始圖像I(x，y)的積分圖像記為II(x，y)，由文獻[9]可得：

根據圖2（a）所示的積分圖像[10]，(x，y)為陰影區域的像素的灰度和。記圖2（b）所示的像素灰度和為S，則：

圖2 積分圖像示計算意圖

結合積分圖像和盒濾波方法計算的高效性，研究提出基于盒濾波處理技巧的二維Otsu閾值分割算法。

為方便后續處理，給出如下的網格的定義。

假設某一數據區間為R，共有d維，現將第i維劃分成ni個子小段，記子這些子小段構成的區間為Ri，則區間R被笛卡爾集(R1，R2，…，Rl) 劃分為n1×n2×…×nl個網格 ，區間M被劃分為(m1，m2，…，ml) ，如圖3所示。

圖3 基于局部網格技術的區域劃分示意圖

研究采用由整體到局部的研究思路，步驟如下。

第一步：對原始圖像的對應的二維直方圖進行區域劃分，并將每個區域視為一個像素點，對閾值完成初步計算；

第二步：根據第一步計算結果確定閾值所在區域；

第三步：在第二步確定的區域內建立閾值求解模型。

3 時間復雜度分析

4 實驗分析

實驗選用了不同港口下、不同分辨率的光學遙感圖像。如圖4所示。

圖4 原始目標圖像

從圖5可以看出，本文算法的分割結果基本完整反映真實情況，計算過程簡單，算法的運行速度快。

圖5 目標圖像分割效果圖

5 結語

為提高二維Otsu算法閾值分割計算的高效性，研究提出了基于局部網絡區域劃分技術的二維Otsu閾值分割算法。算法運用采用網格技術，采用先整體到局部的研究思想，實現了閾值的快速計算，仿真實驗結果表明，該算法真實可行，為后續海戰場艦船目標的檢測和識別提供了技術基礎。