应用耦合对象相似度的阈值分割方法研究

摘要：

传统Otsu算法及其改进算法将类间方差设定成最优阈值,从而使得针对直方图分布区别的图像分割效果产生较大区别,论文提出应用耦合对象相似度来进行阈值分割的改进方法来解决.首先,构建模型描述耦合对象相似度,模型能够综合考虑各种对象属性及属性之间关联,以高准确度和低复杂度来描述耦合对象关系;其次,应用耦合对象相似度来替代传统Otsu算法的类间方差作为新条件,将所选阈值划分成每个类看成是耦合对象相似度模型中的对象,每个类都有概率和灰度均值两种属性,通过计算类间相似度并在类间相似度最小时获取最优阈值.实验结果表明,应用耦合对象相似度执行阈值分割算法能够有效提高描述类间差异精确度和图像分割效果,对于单分布与双峰显著且底部平坦的特征图像具有较强适应能力.

关键词：图像分割、类间方差、耦合对象相似度、类间相似度、最优阈值

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金青年项目61602059;全国教育信息技术规划课题126240629

在线出版日期：2017-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1194-1199