二维直方图θ-划分最大平均离差阈值分割算法

摘要：

鉴于常用二维直方图区域直分法存在错分,最近提出的斜分法不具普遍性,而基于L1范数的最小一乘准则比最小二乘准则更为合理且简捷,提出了适用面更广的基于二维直方图θ-划分和最大类间平均离差的图像阈值分割算法.首先给出了二维直方图θ-划分方法,采用4条半行斜线及1条其法线与灰度级轴成θ角的直线划分二维直方图区域,按灰度级和邻域平均灰度级的加权和进行阈值分割,斜分法可视为该方法中θ=45°的特例;然后导出了二维直方图θ-划分最大类间平均离差阈值选取公式及其快速递推算法;最后给出了θ取不同值时的分割结果及运行时间.θ取较小值时,边界形状准确性较高,θ取较大值时,抗噪性较强,应用时可根据实际图像特点及需求合理选取θ的值.与常规二维直方图直分最大类间方差法及最大类间平均离差法相比,所需运行时间相近,但本文提出的方法所得分割结果更为准确,抵抗噪声更为稳健,且存储空间也大为减少.

关键词：图像处理、阈值分割、二维直方图区域θ-划分、最大类间平均离差、递推算法

所属期刊栏目：36

分类号：TP2(自动化技术及设备)

资助基金：国家自然科学基金60872065

在线出版日期：2010-11-19（万方平台首次上网日期，不代表论文的发表时间）

页码：634-643