基于高低帽变换的图像迭代分割方法

阳振宇,潘建平,陈 梦

(1.重庆交通大学,重庆 400074;2.山东科技大学,山东 青岛 266590)

图像分割是图像识别和分析的基础，是图像处理中的一项首先需要解决的问题，其目的是将图像中的目标区域突显出来，为后续的处理提供便利。阈值分割是一种基于强度的分割方法，它是根据像素分布(即直方图)来工作的，根据选取阈值的大小以及个数将图像分成两个或多个有意义的部分[1]，属于同一部分的像素被认为是同一个物体，其算法具有简洁迅速的特点，能满足系统快速响应的要求。

阈值分割的一个难点在于如何选取一个合适的阈值对图像进行分割，阈值的选取直接影响图像分割的效果[2]。经过国内外大量的研究，提出最大熵法、迭代法、大津法等不同阈值自动选取方法。这些方法中，迭代法是一种应用范围较广的方法，其核心思想是步步迭代逼近。王正[3]通过迭代阈值算法分割垩白大米，但由于垩白大米的垩白部分和正常部分图像区别度较大所以能取得较好的效果；张长胜[4]等人对otsu算法选取阈值的缺陷进行改进，将整体阈值再区分并结合离差平方和作为适应度函数选取最佳阈值来分割压力表盘图像，提高目标图像的阈值分割效果，但是压力表盘属于特殊目标，不能扩展应用到其他对象上；王富治[5]等人对传统典型的PCNN网络进行改进，去掉一些次要参数，突出灰度对分割的影响，根据灰度特性分两阶段迭代分割，错分概率大大减小，但是该方法仅限于实验阶段，无法针对某一实际问题进行应用；……