设,可得到各种最小误差准则和分割算法。Gonzales等给出了等方差混合Gauss分布下的最小误差分割阈值;PalPoisson分布作为模式的灰度分布假设给出分割准则;薛景浩等提出了SAR图像基于灰度直方图的混合偏移Rayleigh分布下的最小误差分割算法。(4)熵阈值分割法20世纪80年代初人们开始考虑用信息论中熵的概念进行阈值选取,1980年Pun首先提出了最大后验熵上限法,1985年Kapur等人提出了一维最大熵阈值法,又有学者采用局部熵、条件熵、相关熵等方法来选取阈值,其中基于最大熵原则选择阈值是最重要的阈值选择方法之一。在国内,王建军等在选择最佳阈值过程中使用了相对熵。薛景浩等从目标和背景的类间差异性出发,提出一种基于最大类间交叉熵准则的阈值化分割算法,与基于最小交叉熵以及基于传统香农熵的阈值化算法相比,表现出了良好的通用性和有效性。彭明生等基于图像的模糊性,将模糊数学理论和遗传算法结合起来,提出了利用最大模糊C组分类熵原则确定阈值的方法。下图1.2.3所示是局部熵函数得出的结果图1.2.3 局部熵图像结果(5)分水岭算法分水岭阈值算法和直接在最佳阈值处分割不同,它是一种特殊的自适应迭代阈值分割算法。分水岭阈值算法的主要目标是找出分水线。基本思想是:假设在每个区域最小值的位置上打一个洞,并且让水以均匀的上升速率从洞中涌出,从低到高淹没整个地形。当处在不同的汇聚盆地中的水将要会和在一起时,修建的大坝将阻止水的汇合,也就是说水只能到达大坝的顶部,处于水线的程度。这些大坝对应分水岭的分割线。分水岭算法主要应用从背景中提取几乎一致的对象,那些在灰度级变换较小的区域的梯度值也较小。分水岭分割法与图像的梯度有很大的关系,而不是图像本身。在MATLAB中海提供了一个分水岭算法,使用这个函数也可以对图像进行区域分割。下图1.2.4是用这个算法对人体球状细胞进行区域分割所得到的图像
全文预览
