Abstract
A new method for image thresholding of two or more images that are acquired in different modalities or acquisition protocols is proposed. The method is based on measures from information theory and has no underlying free parameters nor does it require training or calibration. The method is based on finding an optimal set of global thresholds, one for each image, by maximising the mutual information above the thresholds while minimising the mutual information below the thresholds. Although some assumptions on the nature of images are made, no assumptions are made by the method on the intensity distributions or on the shape of the image histograms. The effectiveness of the method is demonstrated both on synthetic images and medical images from clinical practice. It is then compared against three other thresholding methods
چکیده
در این مقاله، روشی جدید برای آستانه بندی تصویر در دو یا چند تصویری که به وسیلهی پروتکل های مختلف به دست آمده است را ارائه می دهیم. این روش پیشنهادی، بر مبنای مقیاس هایی از تئوری اطلاعات بوده و فاقد پارامترهای نهفته ی آزاد می باشد و نیازی به آموزش و یا کالیبر ندارد. عملکرد این متد، مبتنی بر پیدا کردن یک مجموعه ی بهینه از آستانه های سراسری به ازای هر تصویر بوده که برای این کار باید اطلاعات متقابل در بالای آستانه ها را به حداکثر سطح ممکن رسانده و در عین حال اطلاعات متقابل در زیر آستانه ها را به حداقل سطح ممکن رساند. البته فرضیاتی در خصوص ماهیت تصاویر ایجاد شده است ولی هیچ فرضیه ای در خصوص توزیع چگالی و یا شکل هیستوگرام های تصویر در این روش ارائه نشده است. بهره وری این روش را بر روی تصاویر پزشکی و تصاویر ترکیبی اثبات کرده ایم. سپس آن را با سه روش آستانه بندی نیز مقایسه کرده ایم.
1-مقدمه
هدف از قطعه بندی تصویر این بوده که بین اشیاء و زمینه ی این اشیاء تمایز قائل شویم [1]. به طور دقیقتر، در قطعه بندی تصویر اقدام به تقسیم بندی بخش تکیه گاه تصویر به زیر مجموعه هایی نموده که هر کدام از آنها متناظر با یک شیئ یا زمینه می باشند. در زمانی که زمینه و اشیاء توانستند به محدوده ی سطوح خاکستری قابل تمایزی دست پیدا نمایند، می توان با استفاده از آستانه بندی در سطح خاکستری به قطعه بندی (یعنی دو دوئی سازی) دست یافت. برای این کار باید هیستوگرام سطح خاکستری را به صورت سراسری یا محلی تقسیم بندی کرد، به طوری که هر قسمت را بتوان متناظر با یک شیئ یا یک زمینه در نظر گرفت...