D01:10.13374j.isml00103x2006.04.020 第28卷第4期 北京科技大学学报 Vol.28 Na 4 2006年4月 Journal of University of Science and Technology Beijing Apr.2006 基于CNN PDE偏差异质扩散预处理的 红外图像分水岭分割 鞠磊2)郑德玲) 张蕾列 1)北京科技大学信息工程学院，北京1000832)北京电子科技学院通信工程系，北京100070 3)山东胜利职业学院.东营257062 摘要为了抑止采用分水岭方法分割红外图像时的过分割现象，首先利用细胞神经网络高效求 解偏微分方程的能力实现了可调偏差异质扩散滤波器并用其对图像作预处理.为了消除噪声残 留，引入了平滑系数与限制强度系数对梯度图作阈值化处理.实际红外图像的分水岭分割结果显 示，所提出的预处理方法能够有效抑止过分割现象. 关键词图像分割红外图像处理；细胞神经网络：异质扩散：滤波器 分类号TP391.4 图像分割是由图像处理进到图像分析的关键 数的阈值设定方法对梯度图进行阈值化选择处 步骤，也是计算机视觉领域低层次视觉中的主要 理.文中给出了滤波仿真实验与分水岭分割结 问题.分水岭算法是一种数学形态学上的分割方 果并作了相应的分析. 法具有对微弱边缘响应良好，受照明、阴影影响 1 偏差异质扩散方程与细胞神经网 小且能得到封闭连续单像素边缘等特点，适合用 于红外图像的分割.但由于红外图像往往伴有噪 络 声，应用分水岭算法时易产生过分割，因此有必要 11带有限制强度系数的偏差异质扩散滤波器 先对红外图像进行平滑滤波预处理. 异质扩散滤波器4是一种偏微分方程描述 非线性偏微分图像滤波方法具有滤除噪声而 的非线性图像滤波方法，具有滤除噪声而不模糊 不模糊边缘的优良特性适合用于具有相关性强、 边缘的特点，其偏微分描述为： 清晰度较差红外图像的滤波.但该算法运算量 u(t)=FIu(t)]=divl c(u(t),k)Vu(t)] 大实时性不好.细胞神经网络(Cellular Neural Netw orks,CNN)是一种具有并行模拟硬件支持 (1) 的网状非线性信息处理系统刂，近些年来在图像 其中，div为散度算子，7为梯度算子，c(u(t),k) 处理、视频信号实时处理冈与机器人视觉等领域 为平滑函数，局部梯度模值‖7u‖→c时c(t) 得到了成功应用到.细胞神经网络可以方便地描 →0.k为反应图像噪声水平的平滑系数，u(1)表 示随时间变化图像，初始条件为原始被处理图像 述空间离散化后的偏微分模型，并借助硬件快速 u(0)=uo.滤波器需要确定合适的停止时间，否 求解，用细胞神经网络实现的偏微分图像处理算 则随着时间增长会出现过度平滑而导致的阶梯现 法(CNN一PDE方法)在保持原有算法的优点的同 象.偏差异质扩散滤波器1在原滤波器基础之上 时能够大大提高处理效率， 加入了偏差项限制输出的变化范围并最终迫使 本文用细胞神经网络实现了带有可调偏差项 其达到稳态，不必确定明确的停止时间，更利于硬 的异质扩散滤波器，并将其用于红外图像的平滑 件实现.偏差异质扩散滤波器可以平滑掉绝大部 预处理.为进一步抑止偏差项所导致的残余过分 分噪声，但还是会有一些噪声残留的痕迹这是因 割现象，采用了一种兼顾平滑系数与限制强度系 为偏差项所产生的限制作用过强所致.为了兼顾 收稿日期：2005-02-17修回日期：3005-09-06 停止时间与滤波质量，将偏差项设为可调，即引入 基金项目：高等学校博士学科点专项科研基金资助项目(N。. 限制强度系数s(0s<1)用以调整偏差项其 20020008004) 作者简介：鞠磊(1971一)，男，博士研究生 PDE描述如下：基于 CNN-PDE 偏差异质扩散预处理的 红外图像分水岭分割 鞠 磊 1, 2) 郑德玲 1) 张 蕾 3) 1) 北京科技大学信息工程学院, 北京 100083 2) 北京电子科技学院通信工程系, 北京 100070 3) 山东胜利职业学院, 东营 257062 摘 要 为了抑止采用分水岭方法分割红外图像时的过分割现象, 首先利用细胞神经网络高效求 解偏微分方程的能力, 实现了可调偏差异质扩散滤波器并用其对图像作预处理.为了消除噪声残 留, 引入了平滑系数与限制强度系数对梯度图作阈值化处理.实际红外图像的分水岭分割结果显 示, 所提出的预处理方法能够有效抑止过分割现象. 关键词 图像分割;红外图像处理;细胞神经网络;异质扩散 ;滤波器 分类号 TP391.4 收稿日期:2005 02 17 修回日期:2005 09 06 基金项目:高等学校博士学科点专项科研基金资助项目( No . 20020008004) 作者简介:鞠磊( 1971—) , 男, 博士研究生 图像分割是由图像处理进到图像分析的关键 步骤, 也是计算机视觉领域低层次视觉中的主要 问题 .分水岭算法是一种数学形态学上的分割方 法, 具有对微弱边缘响应良好, 受照明、阴影影响 小且能得到封闭连续单像素边缘等特点, 适合用 于红外图像的分割.但由于红外图像往往伴有噪 声, 应用分水岭算法时易产生过分割, 因此有必要 先对红外图像进行平滑滤波预处理 . 非线性偏微分图像滤波方法具有滤除噪声而 不模糊边缘的优良特性, 适合用于具有相关性强、 清晰度较差红外图像的滤波 .但该算法运算量 大, 实时性不好 .细胞神经网络( Cellular Neural Netw orks, CNN) 是一种具有并行模拟硬件支持 的网状非线性信息处理系统[ 1] , 近些年来在图像 处理、视频信号实时处理 [ 2] 与机器人视觉等领域 得到了成功应用[ 3] .细胞神经网络可以方便地描 述空间离散化后的偏微分模型, 并借助硬件快速 求解 .用细胞神经网络实现的偏微分图像处理算 法(CNN-PDE 方法)在保持原有算法的优点的同 时能够大大提高处理效率 . 本文用细胞神经网络实现了带有可调偏差项 的异质扩散滤波器, 并将其用于红外图像的平滑 预处理.为进一步抑止偏差项所导致的残余过分 割现象, 采用了一种兼顾平滑系数与限制强度系 数的阈值设定方法对梯度图进行阈值化选择处 理.文中给出了滤波仿真实验与分水岭分割结 果, 并作了相应的分析. 1 偏差异质扩散方程与细胞神经网 络 1.1 带有限制强度系数的偏差异质扩散滤波器 异质扩散滤波器[ 4] 是一种偏微分方程描述 的非线性图像滤波方法, 具有滤除噪声而不模糊 边缘的特点, 其偏微分描述为 : t u( t) =F[ u ( t)] =div[ c( u( t ), k ) u( t)] ( 1) 其中, div 为散度算子, 为梯度算子, c( u( t), k ) 为平滑函数, 局部梯度模值 ‖ u ‖ ※∞时 c( t) ※0, k 为反应图像噪声水平的平滑系数, u ( t )表 示随时间变化图像, 初始条件为原始被处理图像 u( 0) =u 0 .滤波器需要确定合适的停止时间, 否 则随着时间增长会出现过度平滑而导致的阶梯现 象.偏差异质扩散滤波器[ 5] 在原滤波器基础之上 加入了偏差项, 限制输出的变化范围并最终迫使 其达到稳态, 不必确定明确的停止时间, 更利于硬 件实现.偏差异质扩散滤波器可以平滑掉绝大部 分噪声, 但还是会有一些噪声残留的痕迹, 这是因 为偏差项所产生的限制作用过强所致.为了兼顾 停止时间与滤波质量, 将偏差项设为可调, 即引入 限制强度系数 s( 0 <s <1) 用以调整偏差项, 其 PDE 描述如下: 第 28 卷 第 4 期 2006 年 4 月 北 京 科 技 大 学 学 报 Journal of University of Science and Technology Beijing Vol .28 No.4 Apr.2006 DOI :10.13374/j .issn1001 -053x.2006.04.020