一种邻域均值加权最大类间方差的阈值分割法

对应用广泛的阈值图像分割的最大类间方差法进行了研究,在深入分析了现有的Neighborhood Valley-Emphasis Method存在的问题的基础上,提出一种邻域均值加权最大类间方差的阈值分割法Neighborhood-Mean Valley-Emphasis Method.其核心思想是,对最大类间方差法进行邻域均值加权;根据灰度值出现的次数生成直方图,取每个灰度值的邻域区间,求得灰度值出现次数的邻域均值,同时求得类间方差,用邻域均值加权类间方差,使得阈值在类间方差最大且是直方图的极小点处取得,提高了算法的准确性,另一方面,邻域均值有均值滤波器的效果,增强了算法的抗噪性.实验结果表明,改进的最大类间方差法NeighborhoodMean Valley-Emphasis Method大大降低了因加权溢出而导致算法失效的可能性,扩大了适用范围,增强了鲁棒性.