【一种基于三维最大类间方差的图像分割算法】 方差和图像的关系
第.期"$$)年.月电子学报/V,/W;WV,TX-2V/S2-2V/P7A+)!-7+.S=Q+"$$)
一种基于三维最大类间方差的图像分割算法
景晓军!，李剑峰!，刘郁林"
（!#北京邮电大学，北京!$$%&’；重庆($$$)*）"#重庆通信学院，
摘要：本文提出了一种基于三维最大类间方差的图像分割算法+该方法不仅利用了图像像元点的灰度分布信
息，而且充分考虑了像元点之间的灰度相关信息，构造出三维观测空间，根据各信息间的竞争性、冗余性和互补性，进行有效的融合，得到比（一维）最大类间方差法更真实、准确的处理效果+理论分析和实验表明，对于低对比度、低信噪比的目标，该方法具有良好的分割性能+在该算法的基础上，又提出了一种快速递推三维最大类间方差法，减少了计算量，节约存储空间，具有较强的实用价值+
关键词：
图像分割；三维最大类间方差；数据融合；距离测度函数；快速实现
,-.!!#&)
文献标识码：
/
文章编号：
$)&"0"!!"（"$$)）$.0!"%!0$*
中图分类号：
!"#$%&%$"%’(#()*’+#,%-*’)./0#1)"2"+%(3%%’.452,(%67#6)#’8%
12-34567089:!，;2156:0!，;2?@90A5:"
（!#!"#$#%&’%#(")*#+,-./-*+*01"2"3-445%#36+#-%*，!"#$#%&!$$%&’；"789-%&:#%&8-445%#36+#-%;%*+#+5+"，89-%&:#%&($$$)*）
（)0INOP）5GQF7Q7G=E+2CL7:09:,(6#8(：/B=CD7E=G=>B=:C6C57:H6G=E7:)0IB6J5B9BH=CK==:0LA9GC=FM6F56:L=
GCF9LCG)I7HG=FM6C57:GQ6L=9G5:>:7C7:AR>F6RE5GCF5H9C57:5:DH7F5:>Q5J=AG+O6G=E7:CD=L7BQ=C5C57:，F=E9:E6:LR6:EL7BQA=B=:C6C57:7D=F79:EC6F>=C5B6>=K5CDA7KS-T6:EA7KL7:CF6GC+U=6AG7QF7Q7G=6F=L9FG5M=6A>7F5CDBC75BQA=B=:CCD=)0INOPB=CD7E，KD5LDL6:F=E9L=CD=L7BQ9C6C57:C5B=6:E:=L=GG6FRGC7F6>=GQ6L=+
;%=G=>B=:C6C57:；)0INOP；E6C6
!引言
图像分割技术是计算机视觉和人工智能领域中一项意义
方差、背景方差以及随机噪声等因素的影响，与处理的特定图像有关+一般定量性能比较取决于所用的性能准则+例如，一维最大类间方差法是一种面向均匀性的算法，依据均匀性度量能得到最佳性能+一维最大类间方差法与模糊集法对于面积不太小的目标分割效果较好；共生矩阵法用于有噪图像性能较差；最大熵法和四元树法对诸如对比度和直方图分布这类图像特征敏感，而且最大熵法涉及到对数函数运算，计算量大+总之，当前没有一种方法对所有测试图像分割效果均为最
［""］
佳在实际应用时，应针对具体的应用背景和给定的+因此，
重要而又颇为艰巨的研究工作，此项技术既涉及到图像信息的下层数据处理，又牵扯到上层知识表达，与目前自下而上的单向模块化的视觉系统框架不相容，属图像信息工程的一大
［!，"］
经典难题，长期以来一直是困扰和制约模式识别发展的［)］瓶颈问题和技术难点广+众多国内外学者对此进行了深入、［(］［*］泛的研究，推出了不少应用算法+如：门限法、匹配法、区［’］［&］［%］域生长法、分裂0融合法、水线法、马尔可夫随机场模型［.，［!!］［!"］［!)］!$］法、多尺度法、小波分析法、数学形态学等+
图像类别，综合考虑时间和存储空间的要求，选择适当的分割方法+
对于实时应用来说，图像分割通常选用一维最大类间方差法+但此分割方法当图像的信噪比较低时，该方法的分割效本文提出了一种基于三维最大类间果就不太令人满意+为此，
方差的门限分割算法+该算法既利用了像点的灰度分布信息，也利用了像点的邻域空间相关信息，考虑范围由一个点扩展到一个点和一个面结合，分割效果有较大改善+
在上述诸多分割方法中，门限法是广泛使用的一类算法，
［!(］目前已提出五十多种+常用的有：最大熵法；共生矩阵［!*］［!’］［!&］［!%］［!.］
；四元树法；变分法；松弛法、模糊集法；矩不法
变法
［"$］
；最大类间方差法（为区别于本文后面提到的三维
［"!］
最大类间方差法，此最大类间方差法定义为：一维最大类间方差法）+
各种门限方法的性能受目标大小、均值差、对比度、目标
收稿日期：修回日期："$$"0$’0)$；"$$)0$)0"$
基金项目：国家自然科学基金项目（-7#’$$&)$(.，.$"$($!&）
$’2’
电子学报’""*年
!
!"#
三维最大类间方差分割方法
图像灰度、邻域均值和中值信息的三维向量表示及三维直方图的定义
频数，那么向量（-，发生的频率1-/2由下式确定/，2）
1-/2%
3!!!
（2）
"+$"+$"+$
设图像的尺寸为!!!，图像灰度变化范围为"到"#
则$%｛%"&%"!（"，$#如果用集合$表示这"个灰度值，"#
｝图像中坐标（&，的像元点的灰度值（为$）#显然，’）(&，’）集合中的某一值，即（（&，的像元点(&，’）’）!$#定义坐标的邻域均值灰度)（&，如下’）
$
（（&，(&(-，’(/）（$）)’）%",’/.+（"*!*-.+（*+$）*+$）,’
（*+$）,’
（*+$）,’
式（2）中，并且"""1-/2%$#"$-，/，2)"，
-."/."2."
图$给出了图像的三维直方图#图（中的三维直方图$4）定义域，通过门限向量（5，，可以分割成图$（3）所示的八6，7）个立方体区域，具体区域划分见图（（9）$8）3#由于目标内部或背景内部的像点之间相关性很强，像点的灰度值和其邻域均值灰度及邻域中值灰度三者之间非常接近；而在目标和背景的边界附近像点，以上三个数值差异明显#基于以上认识，这里*为像元点（(&，’）的正方形邻域窗口的宽度，*一般取奇数#
对于)（&，’），由于（(&，’）#"，下述等式成立（*+$）,’
（*+$）,’
（)&，’）%$
*!*(&(-，’(/）
-.+"（*+$）
,’/.+（"
（*+$）,’
（*+$）,’（*+$）,’)
*!*-.+""%"（’）
（*+$）,’/.+（"*+$）,’
"$（)&，’）)"
（*）
因此邻域平均灰度)（&，’）与图像（(&，’）具有同样的灰度变化范围，即：（)&，’）!$#同理，我们定义坐标（&，’）的像元点的邻域中值灰度0&，’）
为*+$）,’
（*+$）,’
（0&，’）%+,-{
（(&(-，’(/）
.）-.+（"*+$）,’/.+（"
（}（*+$）,’
对于0（&，’），同样由于（(&，’）#"，
下述等式成立*+$）,’
（*+$）,’
（0&，’）%+,-{
（-.+（"*+$）,’/.+（"
（(&(-，’(/）}*+$）,’（*+$）,’（*+$）,’
)+,-{
-.（"*+$）（"
"}%"
（/）
+,’/.+*+$）,’
"$（0&，’）)"
（0）因此邻域中值灰度0（&，’）也具有与图像（(&，’）同样的灰度变化范围，即：（0&，’）!$#对于任意一帧图像（
(&，’），可以用矩阵［（!&，’）］*’!*%［（(&，’），)（&，’），0（&，’）］表示，即（!&，’）］*’!*%
［（(&，’），（)&，’），（0&，’）］（("，"）（)"，"）（0"，"）（("，*#$）（)"，*#$）（0"，*#$）%（($，"）（)$，"）（0$，"）
（1）（($，*#$）（)$，*#$）（0$，*#$）（(*#$，*#$）（)*#$，*#$）（0*#$，*#$）对于一!!!的图像（(&，’），当采用（（(&，’），（)&，’），（0&，’）
）的向量表示方式时，我们定义并计算它的三维直方图#该三维直方图定义在一个"!"!"大小的正方体区域，其三个坐标分别表示图像像元的灰度值、邻域均值灰度、邻域中值灰度#直方图任意一点的值定义为1-/2，它表示向量-，/，2）发生的频率，这里（-，/，2）表示（（(&，’），（)&，’），0&，’）），且"$-，/，2)"#我们用3-/2表示向量（-，/，2）
发生的在三维直方图中，区域"和背景对应，区域$和目标对应，而区域’#1则表示边界附近像点和噪声点分布#多数情况下，区域边界附近的像点数与整幅图像的像点数比较，数量很少，因此可以假设在区域’#1上，所有的1-/2%"，即
"1-/2%"，"$-，
/，2)"；:%’，*，.，/，0，1（4
）
区域:
图$
图像的三维直方图
!"!三维最大类间方差分割法
由图$知，三维直方图中存在与图像背景和目标相对应
的两类区域（分别用;"和;$表示），它们有不同的概率分
布#如利用三维直方图中任意门限向量（5，6，7）
对图像进行分（［（（
第,期景晓军：一种基于三维最大类间方差的图像分割算法
!
"
#
$-$
$-$
$-$
$%/&
割（其中!!!，，那么这两类区域发生的概率分别为"，#"$）
!
"
#
（（#""",(*+#!"，#）!!#%&’!）!!，
()!*)!+)!
$-$$-$$-$
（$!）（$$）
（#!$#%&’$）
()!.$*)".$+)#.$
"，#）$!，""",(*+#!（
其中!!表示背景发生的概率，!$表示目标发生的概率/背景和目标类相应的均值为
（"!"(!"*!+）"!#
!
"
#
"""(,(*+."()!.$
()!*)!+)!
!"#$-$
"0#"""*,(*+."()!*)!+)!()!.$
!"#
$-$
"""+,(*+."
()!*)!+)!!"#
()!.$*)".$+)#.$
$-$$-$$-$
$-$$-$
*,(*+""*)".$+)#.$
$-$$-$+,(*+""
*)".$+)#.$
*)".$+)#.$$-$""(,(*+
#0
（）（）("(%（)*%*1’+%+1’&(1’!）&!&!""
"""(,(*+"()!*)!+)!()!.$!"#$-$#"""*,(*+."""(,(*+"
$-$
*,(*+"（%!）()!*)!
+)!!
"#
!
"#
#
("()!"*)!"(,(*+1!（!!，"，#）+)!
"()!"*)!"*,(*+1!（
!!，"，#）+)!
!"#
・"""+,0
(*+1!（
!!，"，#）)（$%）
()!*)!+)!$#
（"$"($"*$+）0
($-$
$-$
$-$
#"(%（0
&(1’$）&*1’$）&+1’$）)()!.$
"*%（*)".$
+"+%（
)#.$
($-$
$-$
$-$
$-$
$-$
$-$
#
（$!，"，#）(")!.$*")".$+"(,(*+1!)#.$
"""*,(*+1!$
()!.$*)".$+)#.$
$-$$-$
$-$
・（!，"，#）"
""+,"，)0
(*+1!（
$!，#）（$&）
()!.$*)".$+)#.$
三维直方图总体均值向量为
0#
（"0("0*"0+）’
$-$$-$$-$
$-$$-$$-$
$-$$-$$-$
#
("（$(）
)!"*)!"(,0
(*++)!
"()!"*)!"*,(*++)!
"()!"*)!"+,(*+)
(+)!
对于三维直方图中所有的,(*+，有如下关系成立
$-$$-$$-$
"")!",(*+#+)!
",(*+#$，
2#!，$，%，&，(，)，*，+（$)）()!*区域2
将式（,）-（$$）代入式（$)），得$-$$-$$-$!
"
#
$-$
$-$
$-$
"()!"*)!",(*+#+)!
"()!"*)!",(*+.+)!
"()!.$"*)".$+",(*+.)#.$
区域",(*+
3
#!!.!$#!（!!，"，#）.!（$!，
"，#）#$，3#%，&，(，)，*，+
（$*）因为有式（,）的近似，所以在总体均值"0和两个类内均值"!和"$之间也存在一种简单的对应关系，首先对总体均
值向量的第一个分量"0(作如下分解
$-$$-$$-$
0(#""!"(,(*+
()!*)+)!!"#
$-$
$-$
$-$
#"""(,(*+.)!*)!+)!区域"(,(*+.
(3(")!.$*")".$+"(,(*+
)#.$
!"#$-$
$-$$-$
#"()!"*)!"(,(*+.+)!
"""(,(*+，
3#%，&，(，)，*，+()!.$*)".$+)#.$
（$+）
同理
!
"
#
$-$
$-$
$-$
"0*#""（$/）!"*,(*+.
()!*)+)!
(")!.$*")".$+"*,(*+
)#.$
!"#
$-$$-$$-$
"0+#""!"+,(*+.
（$,）
()!*)+)!
(")!.$*")".$+"
+,(*+
)#.$
结合式（$(）、式（$+）-
（$,），总体均值"0可表示为()!*)!+)!()!.$*)".$+)#.$
!"#$-$$-$
$-$"()!"*)!"+,(*++)!"
()!.$*"
)!.$+)"+,(*+
#.$
对式（$%）
和式（$&）的等式两边作变换，得到!
"
#
!
"
#
!
"
#
0!"!#
("""(,(*+"""*,(*+"""+,(*+)（%$）
()!*)!+)!
()!*)!+)!
()!*)!+)!
$"$#
($-$
$-$
$-$
$-$
$-$
$-$
$-$
$-$
$-$
"""(,(*+$
"()!.$"*)".$+"*,(*+)#.$
"()!.$"*)".$+"+,0
(*+)()!.$*)".$+)#.)#.$
（%%）
将式（%$）和式（%%）代入式（%!），则总体均值"变为
$-$$-$$-$$-$$-$$-$$-$$-$$-$
"0#
("""(,(*+"""*,(*++)!
()!*)!+)!
"()!"*)!"+,(*+)0
()!*)!+)!
#!!"!.!$"$
（%&）我们在三维直方图的基础上，进行数据融合，定义一个目标和背景类间的离散测度矩阵
$
3#"%（&’4［）
（"40"0）（0
4)!
"40"0）］#!［!（"!0"0（）"!0"0）0］.!［$（"$0"0（）
"$0"0）0］5!!5!$5!%#5$!5$$
5$%
（%(）
5%!
5%$
5
%%
式（%(）中
5!!#!（!"!(0"0(）%.!（$"$(0"0(）
%
5!$#!（!"!(0"0(（）"!*0"0*）.!（$"$(0"0(（）"$*0"0*）5!%#!（!"!(0"0(（）"!+0"0+）.!（$"$(0"0(（）"$+0"0+）5$!#!（!"!*0"0*（）"!(0"0(）.!（$"$*0"0*（）
"$(0"0(）5$$#!（!"!*0"0*）%.!（$"$*0"0*）%5$%#!（!"!*0"0*（）"!+0"0+）.!（$"$*0"0*（）
"$+0"0+）5%!#!（!"!+0"0+（）"!(0"0(）.!（$"$+0"0+（）
"$(0"0(）5%$#!（!"!+0"0+（）"!*0"0*）.!（$"$+0"0+（）
"$*0"0*）5%%#!（!"!+0"0+）%.!（$"$+0"0+）%在三维最大类间方差法中，采用矩阵#3的迹"#&3作为背
景和目标类间的距离测度函数，于是
"#&（3!，"，#）#!［!（"!(0"0(）%.
（"!*0"0*）%.（"!+0"0+）%
］.!［$（"$(0"0(）%.（"$*0"0*）%.（"$+0"0+）%
］
#
［（!，"，#）（!"，#）］%!!!，"，#（）0，（$0!（!!，
"，#））.
［（!!，"，#）（"，#）］%
!!!"#0*0$0*!，!!!"#"!!"#"
%$-0
$
（!（（）"，#）"，#）"!，$%#%!，!
%#!"#"#!"!"!电子学报$""/年
（$&）
"
#
式（$&）中
!
"
#
!
（（"，#）’!!!)&(%；"，#）’!!!&)&(%；!"!，&!，"
&’"(’"%’"!"#
&’"(’"%’"
!"#
（（"，#）’!!!()&(%；"，#）’!!!%)&(%*(!，%!，""
&’"(’"%’"
&’"(’"%’"
从式（$&）可以看出，距离测度函数的计算只和!（"，"!，，（，（，（这四个量有关*#）"，#）"，#）"，#）&!，(!，%!，"""
我们选择距离测度函数"#+,的最大值作为三维最大类间方差门限法的最佳门限向量（!"，""，#"）
"#+（,!"，""，#"）’()*｛"#"，#）｝（!，"，#++（,!，"$,）
"
-图像经三维最大类间方差法分割后，与一维最大类间方差法比，效果相当好，但是计算量却以指数形式增长*这是因为，根据式（$,），在任意!，"和#处，测度函数中四个变量!"!，"，#），"（&!，"，#），"（(!，"，#），"（%!，"，#）都要对"#!#-#%，"#"#-#%，"###-#%范围内的相应项累积求和，测度函数每次计算本身也需要-次乘（除法），因此计算测度函数"#+（,!，
"，#）需要的乘（除法）次数为!
"
#
$・(!!!%)!-’（$!"#!!"!!#!"#!!!"!#）
!%"&’"(’"%’"（$.）最佳门限的选择是遍历全部的!，"和#，其中"#!，"，#+-，算法所要执行的乘（除法）总数为
-.%-.%-.%
!［（$!"#!!"!!#!"#!!!"!#）!’"!"’"!
!%"］#’"
$$（-（-!%））/（-（-!%））$
（-!%）-!,0!,-$
!%"-/$,&/0/$
（-,0!$0-!0-!%00-!/-$/
）（$-）所以对于任意的图像，计算复杂度大约是/（-,），计算时间较长*为解决这个问题，我们提出了一种基于三维最大类间方差法的快速实现算法*!"#
三维最大类间方差算法的快速实现
为避免"（&!，"，#），"（(!，"，#），"（%!，"，#）和!（"!，"，#）每次都从"开始的重复计算，导出以下快速递推公式*
斜线区域和实心圆区域内所有)&(%的总
应圆总）对有于的）
则
图/地面目标图像的分割结果
从实验结果可以看出，对于复杂的地面目标图像，图/中基于最大熵的分割算法的噪声颗粒粗、面积大，效果明显不如后两种算法*在后两种算法中，因为一维最大类间方差算法不能完整地反映图像的局部空间信息，当图像的信噪比减少时，因门限值对噪声很敏感，所以门限值不好确定，造成图像分割的稳定性和可靠性下降*三维最大类间方差算法因考虑了图像的局部空间信息，可以排除一些噪声的干扰，分割的稳定性要好一些*图（/5）不如图/（6）干净较地说明了此点*由此可见，三维最大类间方差算法的分割结果要好于其他两种分割
（
第$期景晓军：一种基于三维最大类间方差的图像分割算法
!&%B
方法!且三维最大类间方差的快速递推算法，计算量小，容易满足实时要求!
"LPPP/4)8."58C#F，!$%$，V).7-589)Q,9G978=453234,8:,3+7［
［!B］F1)8-)Y，#)WG9-74Z，ZG==)>"E85=758=17G.75H64)2X+7*7+:5X5:X
［
［!M］D);)6G:1,P，/)8,6G:1,>L"/17-73=1H,4.=3,:=G477Q347..,58).)8
（B）：,9)67=147.15+-,86.=4)=762［
［!O］张永平，郑南宁，赵荣椿"基于变分的图像分割算法［
科学（P辑），（!）：&NN&，’&!’’A!@@"
［!%］桑农，张天序，曹治国"基于边缘约束的红外目标图像松弛分割
技术［
!结束语
图像分割是自动目标识别的重要组成部分，图像分割的
正确性和自适应性在一定程度上反映了目标检测、识别的智能化程度，因此这个问题的研究结果具有重要的理论和实际价值!本文提出了一种基于三维最大类间方差的自动门限分割及其快速实现算法!该算法不仅利用了图像像元的灰度分布信息，而且也利用了像元的邻域空间相关信息!实验证明，对于低对比度、低信噪比的地面目标，三维最大类间方差算法具有良好的分割效果!参考文献：
!］马颂德，张正友"计算机视觉———计算理论与算法基础［#］"北
京：科学出版社，!$$%"
&］郑南宁"计算机视觉与模式识别［#］"北京：
国防工业出版社，!$$%"
’］()*+,-./"012345647..,89):1,87*,.,58,..5.+5;［
>7:568,=,58?7==74.，!$$!，!’（@）：&&!A&&B"
@］C)155(D，C5+=)8,C，0)86EDF"E.G4*725H=147.15+-,86=7:18,IG7.
［
B］宋立锋，韦岗，王群生"基于模块匹配的视频对象分割［
子学报，&NN&，’N（O）：!NO@A!NO%"
M］(586/F，C1)3,45?K，0)=.58?/"PQ374,978=.,8.76978=)=,58G.,86
H):795-7+476,58645;74［
O］#586)R"E853=,9)+476,58645;,86)+654,=19H54,9)67.76978=)=,58
［7:56"E4=,H"L8=7++"，!$%O，（!@）：’B!A’OB"
%］李毅，廖明，马颂德，等"梯度水线的尺度空间［
形学报，!$$$，（@@）：&MBA&M$"
$］K,54-)8)S，(,7:T28.U,0"P.=,9)=,585H67874)+,T7-9G+=,.78.541,--78
9)4U5*:1),8.)8-G8.G374*,.7-,9)67.76978=)=,58［
!N］詹劲峰，戚飞虎，王海龙"基于时空马尔可夫随机场的运动目标
分割技术［
!!］/)VV#，E1GW)#"#G+=,.:)+7,9)67.76978=)=,58V2,8=764)=7-7-67
)8-476,58-7=7:=,58［
"LPPP/4)8.58L(，!$$O，（MB）：M@&AMB@"!&］汪祖媛，庄镇泉，汪炳权，红外热图像分割中的二维灰度直方图
小波变换方法［
!’］龚炜，石青云，程民德"数字空间中的数学形态学［#］"北京：
科学出版社，!$$O"
!@］0586EDF，C)155(D"E64)2X+7*7+=147.15+-.7+7:=,5897=15-
［!$］()+CD，D,86>E，[).1,9EE"EG=59)=,:64)2X+7*7+=147.15+-,86
=145G61,8-7Q5HHGTT,87..)8-78=4532［7:568,=,58?7=X=74.，!$%’，!：!@!A!@M"
［&N］/.),0"#5978=X347.74*,86=147.15+-,86：E87;)3345):1［
3G=74J,.,58，K4)31,:.)8-L9)67(45:7..,86，!$%B，&$：’OOA’$’"
［&!］R=.GS"E=147.15+-.7+7:=,5897=15-H45964)2X+7*7+1,.=564)9［
LPPP/4)8.58C#F，!$O$，$：M&AM$"
［&&］罗西平，田捷，诸葛英，等"图像分割方法综述［
人工智能，!$$$，!&（’）：’NNA’!&"
作者简介：
景晓军
男，!$MB年生于北京，!$$B年获通
信与信息系统专业硕士学位，!$$$年获通信与信息系统专业博士学位，&NNN年至&NN&年在北京邮电大学从事博士后，现为北京邮电大学副教授，硕士生导师，在国内外学术刊物和会议上发表学术论文’N多篇，
合作出版著作!部，主要研究方向为信息融合、模式识别、图像处理"PX9),+
地址：W,86AQ,)5AWG8&M’"87=
李剑峰男，!$MN年生于内蒙古，
北京邮电大学高级工程师，硕士生导师，!$%’年O月毕业于北京邮电学院通信工程专业，!$$M年!&月—!$$O年!&月在英国CG4472大学作访问学者，&NN&年@月攻读北京邮电大学通信与信息系统专业的博士学位，近年来参加和承接$个科研项目，在核心刊物上发表!&篇学术论文，主要研究方
向：移动通信、高速信息传输和信息网络"PX9),+地址：+,WHVG3="7-G":8
刘郁林
男，!$O!年生于四川省简阳市，!$$$年获通信与信息系
统专业硕士学位，&NN&年获通信与信息系统专业博士学位，现为重庆通信学院讲师，在国内外学术刊物和会议上发表学术论文!N余篇，合作翻译著作&部，主要研究方向为信号处理、模式识别、图像处理"
［［［［［［［［［［［［［［
一种基于三维最大类间方差的图像分割算法
作者：作者单位：刊名：英文刊名：年，卷(期)：被引用次数：
景晓军， 李剑峰， 刘郁林
景晓军,李剑峰(北京邮电大学,北京100876)， 刘郁林(重庆通信学院,重庆400035)电子学报
ACTA ELECTRONICA SINICA2003，31(9)13次
参考文献(22条)
1.马颂德.张正友 计算机视觉-计算理论与算法基础 19982.郑南宁 计算机视觉与模式识别 1998
3.Pavlids T Why progress in machine vision is so slow 1991(04)
4.Sahoo P K.Soltani S.Wang A K C A survey of thresholding techniques 1988(02)5.宋立锋.韦岗.王群生 基于模板匹配的视频对象分割[期刊论文]-电子学报 2002(07)
6.Pong T C.Shapiro L G.Watson L T Experiments in segmentation using face model region grower 1984(01)7.Monga O An optimal region growing algorithm for image segmentation 1987(04)8.李毅.廖明.马颂德.卢汉清 梯度水线的尺度空间[期刊论文]-中国图象图形学报A 1999(04)
9.Giordana N.Pieczynski W Estimation of generalized multisensor hidden markov chains and unsupervisedimage segmentation 1997(05)
10.詹劲峰.戚飞虎.王海龙 基于时空马尔可夫随机场的运动目标分割技术[期刊论文]-通信学报 2000(11)11.Tabb M.Ahuja M Multiscale image segmentation by integrated edge and region detection 1997(05)12.汪祖媛.庄镇泉.汪炳权 红外热图像分割中的二维灰度直方图小波变换方法[期刊论文]-红外技术 2000(04)13.龚炜.石青云.程民德 数字空间中的数学形态学 1997
14.Wong A K C.Sahoo P K A gray-level threshold selection methodbased on maximum entropy principle1989(04)
15.Chanda B.Majumder D.Dutta R A note on the use of gray-level co-occurrence matrix in thresholdselection 1988
16.Kawaguchi E.Taniguchi R I The depth first picture expression as an image thresholding strategy1989(05)
17.张永平.郑南宁.赵荣椿 基于变分的图像分割算法[期刊论文]-中国科学E辑 2002(01)
18.桑农.张天序.曹治国 基于边缘约束的红外目标图像松弛分割技术[期刊论文]-电子学报 2002(07)19.Pal S K.King R A.Hashim A A Automatic gray-level thresholding through index of fuzziness andentropy 1983
20.Tsai W Moment-preserving thresholding:A new approach 1985
21.Otsu N A threshold selection method from gray-level histogram 197922.罗西平.田捷.诸葛英 图像分割方法综述 1999(03)
相似文献(1条)
1.学位论文 张健 一种图像分割关键技术的研究与实现 2008
图像分割是图像处理领域中的重要内容，在诸多的分割方法中，阈值法是最广泛使用的一类方法。本文对阈值法中的基于最大类间方差的图像分割方法进行了研究，主要工作内容和所取得的研究成果如下：
1．引入邻域对比度的概念，提出了基于邻域对比度、像元灰度和邻域灰度均值三维向量的最大类间方差分割方法，该方法不仅利用了图像像元点本身的灰度分布信息，而且充分考虑了像元点之间的灰度相关信息，构造出三维观测空间，根据各信息间的竞争性、冗余性和互补性，进行有效的融合，得到比一维最大类间方差法更真实、准确的处理效果。
2．引入初始阈值的概念，提出了在初始阈值范围内计算三维最大类间方差的方法，初始阈值的选取基于简单的图像统计，避免了分析复杂的图像灰度直方图的过程，也不涉及阈值函数的优化问题，计算简单、快速，确定了初始阈值范围后计算三维最大类间方差，有效的降低了三维最大类间方差分割方法的时间复杂度，节省了计算时间。
3．改进三维直方图，将其Y坐标改为像元的灰度值与其邻域灰度均值的差的绝对值，不但尽可能地包含了所有的目标内部和背景内部，而且进一步剔除了噪声点的影响，缩小了解空间，提高了运算的速度；对含噪声的模糊区域进行处理，增强了分割的精度；推导出三维最大类间方差计算的快速递推公式，减少了计算量，降低了空间复杂度。
4．在实验中运用C++语言实现了该分割方法，并验证了分割效果。实验表明，对于低对比度、低信噪比的目标，在实时性应用时该方法具有良好的分割性能。
引证文献(12条)
1.岳峰.左旺孟.王宽全 基于分解的灰度图像二维阈值选取算法[期刊论文]-自动化学报 2009(7)
2.白杨 基于SAPSO优化三维Otsu方法的医学图像分割算法[期刊论文]-中国组织工程研究与临床康复 2008(22)3.王春.陶旸.贾敦新.朱雪坚 规则格网DEM地形描述形态精度研究[期刊论文]-地理信息世界 2008(1)4.孔祥伟 低信噪比图像的模糊增强算法[期刊论文]-激光杂志 2007(5)
5.范九伦.赵凤.张雪峰 三维Otsu阈值分割方法的递推算法[期刊论文]-电子学报 2007(7)6.田晓东.刘忠 基于统计量的声呐图像目标检测算法[期刊论文]-舰船科学技术 2007(1)
7.余天洪.贾阳.王荣本.郭烈 基于熵最大化图像分割的直线型车道标识识别及跟踪方法[期刊论文]-公路交通科技2006(6)
8.曾涛 基于DSP的视频运动目标检测与跟踪系统的研究[学位论文]硕士 20069.刘相滨.邹北骥.孙家广 菌群细胞图像分离算法研究[期刊论文]-电子学报 2005(6)10.许波 基于DSP的实时成像跟踪系统的研究与实现[学位论文]硕士 200511.李于国 汽车安全玻璃副像偏移电子检测系统[学位论文]硕士 2005
12.冯德俊 基于遥感的土地利用变化监测及其信息自动提取[学位论文]博士 2004
本文链接：.com.cn/Periodical_dianzixb200309001.aspx授权使用：辽宁师范大学(lnsfdx)，授权号：286fba13-54c7-4950-867c-9e3d0093ad0b
下载时间：2010年11月29日