基于平均中值離差的二維最小誤差分割算法研究.pdf

1、圖像分割技術是圖像工程領域的基礎研究內容，對圖像的分析、理解有著極其重要的影響。閾值分割算法在圖像的灰度直方圖信息的基礎上，通過閾值準則選取最佳閾值，是一種簡單快速有效的分割方法，在圖像分割領域應用最為廣泛。最小誤差法是基于模版匹配的思想提出的一種經(jīng)典的閾值分割方法，圖像中目標與背景比例大小對分割結果的影響較小，圖像分割質量優(yōu)于最大類間方差法和最大熵法。但當數(shù)字圖像實際的直方圖分布與混合高斯分布模型相差太大時，分割結果出現(xiàn)閾值偏移，分割

2、準確度將會降低；傳統(tǒng)的二維最小誤差法，由于對噪聲的抑制能力有限，對低信噪比圖像的分割效果較差。結合現(xiàn)有的閾值分割研究成果，對最小誤差法進行一些研究與改進。
　　本研究主要內容包括：⑴提出一種基于平均中值離差的二維最小誤差法。對像素點鄰域灰度信息而言，平均中值離差中的中值信息是比方差中的均值信息更為魯棒的估計量，使用平均中值離差作為離散測度，能更好的抑制圖像中的噪聲；根據(jù)二維直方圖模型中噪聲點與目標背景類的先驗知識，將二維算法分解為

3、兩個一維算法，提高了計算速度，對直方圖分布呈現(xiàn)出重尾分布和偏斜分布的圖像分割效果較好。⑵傳統(tǒng)的二維直方圖區(qū)域劃分一般采用直分法，在對圖像分割過程中容易丟失目標和背景之間的邊緣信息。提出斜分的基于平均中值離差的二維最小誤差法，利用斜分法能較完整保留圖像目標與背景類邊緣信息的優(yōu)點，獲得較好的分割效果；提出一種結合鄰域均值灰度—鄰域中值灰度的二維直方圖模型的閾值分割算法，該分割算法結合了像素點鄰域中值灰度信息與鄰域均值灰度信息，對高斯噪聲和椒