二维直方图θ-划分最小误差图像阈值分割

被引：7

作者：

吴一全 ^{[1
,2
]}

张晓杰 ^{[1
]}

吴诗婳 ^{[1
]}

张国华 ^{[2
]}

张生伟 ^{[2
]}

于素芬 ^{[2
]}

机构：

[1] 南京航空航天大学电子信息工程学院

[2] 光电控制技术重点实验室

来源：

上海交通大学学报 | 2012年 / 46卷 / 06期

关键词：

图像处理; 阈值分割; 二维直方图区域θ-划分; 最小误差; 递推算法;

D O I：

10.16183/j.cnki.jsjtu.2012.06.011

中图分类号：

TN911.73 [图像信号处理];

学科分类号：

摘要：

针对常用二维直方图区域直分法存在错分的问题,并为适应实际中不同图像及分割目的的需要,提出了更具普适性的二维直方图θ-划分最小误差阈值分割方法(θ为分割直线的法线与灰度级轴的夹角).导出了相应的阈值选取公式及其快速递推算法,根据实验结果分析了θ取值对分割结果和算法运行时间的影响.与二维直方图直分最小误差法相比,所提方法的分割结果更为准确,抵抗噪声更为稳健,且所需运行时间也大为减少;而直线形最小误差法只是文中方法中θ=45°的特例.

引用

页码：892 / 899

页数：8

共 19 条

[1] Survey over image thresholding techniques and quantitative performance evaluation. Mehmet Sezgin,Bulent Sankur. Journal of Electrocardiology . 2004
[2] 图像分割中阈值选取方法比较研究
刘文萍
吴立德
[J]. 模式识别与人工智能, 1997, 10 (03) : 271 - 277
[3] 基于遗传优化的阈值选取方法
刘秋生
楚来国
杨继昌
[J]. 信号处理, 2002, (04) : 374 - 377
[4] Image histogram thresholding based on multiobjective optimization. A Nakib,H Oulhadj,P Siarry. Signal Processing . 2007
[5] A novel image thresholding method based on Parzen window estimate. Shitong W,Fulai C,Fusong X. Pattern Recognition . 2008
[6] Image segmentationusing excess entropy. Bardera A,Boada I,Feixas M,et al. Journal of Signal ProcessingSystems . 2009
[7] Minimum error thresholding:a note. FAN Jiu-lun,XIE Win-xin. Pattern Recognition . 1997
[8] A note on minimum error thresholding. F. Morii. Pattern Recognition . 1991
[9] Image thresholdingbased on the EM algorithm and generalized Gaussiandistribution. Bazi Y,Bruzzone L,Melgani F. Pattern Recognition . 2007
[10] 基于混沌弹性粒子群优化与基于分解的二维交叉熵阈值分割
吴一全
张晓杰
吴诗婳
[J]. 上海交通大学学报 , 2011, (03) : 301 - 307

← 1 2 →