基于閾值的圖像分割研究.pdf

1、圖像分割是數(shù)字圖像處理及其應(yīng)用中關(guān)鍵的一步，一直以來(lái)都是研究的重點(diǎn)。例如對(duì)目標(biāo)物體進(jìn)行識(shí)別時(shí)，圖像分割在圖像識(shí)別預(yù)處理過(guò)程中是重要步驟，分割效果的好壞將對(duì)識(shí)別的準(zhǔn)確率有直接的影響?；陂撝档膱D像分割方法是一種計(jì)算相對(duì)簡(jiǎn)單，運(yùn)算效率相對(duì)較高，并且對(duì)于目標(biāo)像素與背景像素灰度級(jí)分布不同的圖像非常有效的分割方法。由此，近些年圖像閾值分割得到了國(guó)內(nèi)外專(zhuān)家學(xué)者的很大關(guān)注。本文將對(duì)基于閾值的圖像分割方法繼續(xù)進(jìn)行研究與探索，主要研究成果如下：
　

2、　本文針對(duì)二維Otsu算法因區(qū)域誤分而產(chǎn)生的抗噪性差和計(jì)算量較大這一問(wèn)題，提出了一種基于二維直方圖重建的二維Otsu圖像分割算法，給出了算法的分割結(jié)果和運(yùn)行時(shí)間，并與二維Otsu算法、二維Otsu快速算法、二維Otsu分解算法進(jìn)行了對(duì)比。實(shí)驗(yàn)效果表明，該算法抗噪性更強(qiáng)，并且分割效果比前幾種分割方法分割效果更好，是一種有效、可行的圖像分割算法。
　　傳統(tǒng)的基于圖譜理論的閾值分割方法中存在以下不足之處：1、圖權(quán)計(jì)算方法僅考慮了圖像的灰

3、度特征及空間位置特征，而沒(méi)有將像素點(diǎn)的灰度特征與它的鄰域像素的相關(guān)性程度考慮進(jìn)來(lái)，導(dǎo)致其對(duì)于噪聲十分敏感；2、整幅圖僅采用一個(gè)閾值，導(dǎo)致一些弱邊界存在錯(cuò)分的情況。Miao等對(duì)上述方法進(jìn)行了改進(jìn)，能克服一些噪聲的影響，但是分割效果并不理想。針對(duì)以上不足，本文提出了基于分塊及改進(jìn)圖譜理論的閾值分割方法：先應(yīng)用信息熵對(duì)圖像進(jìn)行分塊，再引入了新的鄰域窗口權(quán)重計(jì)算方法，得到中心點(diǎn)鄰域內(nèi)各點(diǎn)各向異性的權(quán)重以更新中心點(diǎn)的像素值，用于計(jì)算權(quán)值矩陣，最后