基于二维灰度阈值的图象二值化分割算法

图象的二值化分割算法是图象处理中最基本的预处理方法，二值化结果的好坏将直接影响后期的处理或识别．本文提出了一种基于二维灰度阈值的图象二值化分割算法，该算法能够将图象中的物体从有噪声的背景中有效地分离出来，具有较好的二值化结果。     

基于自适应多阈值变换编码的图象二值化处理

给出了一种应用自适应多阈值变换编码，来处理二值图象的方法。首先采用四叉树分块方法，对图象进行自适应分隔，进而在分割的定义块上采用区域编码；为减小压缩损失，再辅以自适应多阈值的阈值编码。实验结果表明：应用所给方法。图象的二值化质量较高。     

基于二维最大熵阈值的SAR图像分割算法

本文针对复杂陆地SAR图像，提出改进的图像二维最大熵阈值分割法，在检测门限的判别函数中引入加权系数。由于加权系数的引进，增强了模型对复杂陆地SAR图像的适应能力，提高了图像分割的精度，降低了漏警率和虚警率，取得了较好的分割效果。     

一种二维直方图阈值化图像分割的后处理方法

在灰度图像的二维阈值化分割方法中，存在部分可能的噪声或边缘点，而没有对其进行处理或处理很草率，针对这个不足，提出了一种进一步将这种点归类，提高分割质量的后处理方法，该方法通过考察这种点的8-邻域或16-邻域内的其他点的分布情况，比较这些点到相应的邻域中分属于目标和背景的两类点中心之间的距离，将这些点分割到距离较小的一类中，以达到将图像中的所有点进行归类的目的，实验分析表明，这种后处理方法提高了分割的准确性，减少了分割错误。     

基于灰度最优阈值的图像分割方法及应用

讨论了在对图像进行分割时的一维、二维灰度直方图分割方法，对最优阈值灰度分割方法原理进行了描述，得出了最优阈值灰度分割算法。实验结果表明：利用此算法对图像进行分割能够得到较好的分割效果。     

基于模糊聚类与二维阈值的图像分割

针对图像的二维阈值分割,采用了一种快速二维阈值分割与模糊聚类相混合的方法,以进一步减少二维阈值分割中的噪声与错误分割,实验结果表明,利用这种方法分割信噪比较低的图象,能够在很短的时间内得到更为满意的分割结果。     

二维灰度直方图上的距离判别分割方法

在图像的二维灰度直方图上,通过距离判别的方法得出在其上进行聚类划分的依据,即一条二次曲线．用此曲线进行分割的优点在于能考虑到二维灰度直方图上的所有像素点．理论分析和实验结果都表明,此方法较二维灰度直方图上的其它阈值分割方法优越．     

基于自适应多阈值变换编码的图象二值化处理

给出了一种应用自适应多阈值变换编码,来处理二值图象的方法.首先采用四叉树分块方法,对图象进行自适应分隔,进而在分割的定义块上采用区域编码;为减小压缩损失,再辅以自适应多阈值的阈值编码.实验结果表明:应用所给方法,图象的二值化质量较高.     

基于二维灰度直方图的模糊熵分割方法

传统的基于一维灰度直方图的模糊熵分割方法不能反应图像的空间信息，抗噪声能力差，因此提出了基于二维灰度直方图的模糊熵分割算法．此算法根据像素点灰度值和其邻域灰度均值，建立二维灰度直方图，并在对应目标和背景的像限内构造像素点对目标和背影的隶属度函数，从而去除噪声和边缘像素对图像分割的影响．最后通过求模糊熵的极值，得到二维图像分割点．实验结果证明，该方法具有很强的鲁棒性和抗噪能力，分割效果明显优于一维的方法，而且可以方便地推广到其他一维熵分割中．     

基于自组织特征映射网的灰度图像二值化方法

文章提出了一种基于自组织特征映射网 ( SOF M)的灰度图像二值化方法 ,通过像素灰度值对网络的训练找到图像的目标类灰度中心和背景类灰度中心 ,再利用竞争取胜的机制处理每一个像素使其二值化。实例验证了这种方法处理受噪声污染的一些质量中等和质量较差的灰度图有较好的二值化效果。     

嵌入式机器视觉实用彩色图像二值化方法

在HSI颜色模型基础上提出了一种融合颜色和空间信息的彩色图像二值化算法.该算法对H,S,I通道依次进行动态阈值法、高低阈值法和直方图固定阈值法分割,并应用阈值结果到全局信息来获取二值化结果;针对阈值处理带来的纹理和光影的过分割,使用彩色形态学开运算进行区域合并.测试证明,此算法提取率高达98%,运行速度满足实时性要求.     

基于小波分析的二值化阈值选取

图像阈值的自动选取是灰度图像二值化处理中的关键。文章提出一种基于多尺度小波分析的阈值选取方法。通过对图像直方图特征点由粗到精的表示 ,在最佳尺度上确定出个数有限的波谷点 (即候选阈值点 ) ,再根据图像阈值的性质定出唯一的阈值点。该方法计算简单 ,适应性强 ,满足了实时性要求高的图像处理与分析系统。     

基于Legendre矩的多阈值二值图像重构算法

首先介绍Legendre正交矩及其逆变换；然后根据Legendre矩逆变换的特点，采用一种新的方法——多阈值法对重构的值进行二值化；最后给出该方法的实验结果，以说明它的有效性.     

基于图像信噪比自适应阈值模型的秦简文字图像二值化算法

文本图像二值化算法的优劣直接影响图像文本字符识别的准确率。秦简文字图像受制于背景光照欠均衡和噪声复杂等因素影响,传统文本图像二值化算法无法准确分割其前景和背景,秦简文字轮廓等特征无法准确提取,二值化效果达不到文本高准确识别要求。针对图像质量不平衡的秦简文字图像提出了一种基于图像信噪比自适应阈值模型的二值化算法。首先,将图像进行灰度转换、调整亮度和降噪等一系列二值化前的预先处理;其次,根据图像信噪比(SNR)大小自适应设置阈值,分别采用OTSU算法和Bernsen算法进行二值化处理;最后,由峰值信噪比(PSNR)与结构相似性(SSIM)评价指标择优选取二值化图像,从而准确地提取秦简图像二值化后的文字轮廓。在自建的秦简文字数据集QBS text dataset上的测试结果表明,该算法的二值化结果保留了更多的秦简文字细节特征和文字轮廓,其峰值信噪比和精确率也分别达到25.61 dB和76.67%,相较其他经典文本图像二值化算法,其性能指标均有较大提升。     

基于人工蜂群算法的二维最小误差阈值分割

鉴于人工蜂群算法（ Artificial Bee Colony algorithm ,ABC）常用于连续域,具有控制参数少、操作简单和易于实现等优点和二维最小误差阈值分割法复杂度高的问题,提出一种基于人工蜂群算法的二维最小误差阈值分割方法（ Two-dimensional Minimum Error Thresholding based on Artificial Bee Colony algorithm , TMET-ABC）。针对离散域的二维最小误差阈值分割方法,对标准的ABC算法进行修改,构建离散域的人工蜂群算法;依据最小误差公式中变量的三种不同计算方式,提出了3种TMET-ABC 方法：直接计算TMET-ABC、数组计算TMET-ABC和递推计算TMET-ABC。仿真结果表明,提出的3种方法能够在达到现有的二维最小误差阈值分割法的分割效果同时,大大加快运行速度,并且3种方法可应用于不同的分割场合。     

灰度文本图像自适应二值化滤波算法设计及应用

将自适应滤波与局部阈值二值化有机结合起来,提出自适应二值化滤波算法,旨在将淹没在噪声和失真中的灰度文本图像的二值图像信息通过滤波的方式恢复出来。采用改进的大津法计算局部阈值,对滤波结果进行二值化。依据二值化的结果估计滤波的误差,并调整滤波器参数。实验结果表明该算法克服了光照不均和噪声对灰度文本图像二值化的影响,得到了较理想的二值图像。     

基于二维灰度直方图的最小模糊熵分割方法

本文在一维最大模糊熵分割方法的基础上，根据图像目标和背景内部像素灰度值的一致性和集中性，提出了一种新的图像分割隶属度函数，从而得到最小模糊熵分割方法．本文还针对传统的基于一维灰度直方图的模糊熵分割方法不能反应图像的空间信息，抗噪声能力差的缺点，提出了基于二维灰度直方图的模糊熵分割算法．本实验结果证明，最小模糊熵分割方法对于某些图像的分割效果要好于最大模糊熵分割效果，而二维分割方法对于绝大多数图像，都具有很强的鲁棒性和抗噪能力，分割效果明显优于一维的方法，而且方便地推广到其他的一维熵分割方法中。     

二维熵阈值分割的快速算法

提出了一种快速二维熵阈值分割方法，将计算复杂性从一般二维熵方法的Ｏ（Ｌ）减少至Ｏ（Ｌ＾２）实验证明，对每一幅图象运算时间从２ｈ以上降至１０ｓ以内，同时计算所需存贮空间也大大减少，该算法提高了计算效率。     

一种基于形态学的颗粒图像二值化算法

图像处理中阈值法计算简单,具有较高的运算效率,是图像分割中广泛采用的方法,主要分为全局阈值法和局部阈值法。针对颗粒图像,提出了一种基于形态学的最大类间方差Otsu二值化算法,实验证明,该算法这一算法能较好地保留原图像中的特征,二值化后的图像效果不错。     

颅骨图像的阈值分割算法研究

针对颅骨CT图像中灰度值范围变化较大的特点,阐述了两种图像的分割方法,一种是基于边缘信息的分割,一种是基于区域信息的图像分割,提出了在颅骨CT图像分割中采用基于区域的阈值分割算法,并通过软件编程实验证明了它具有算法简单、识别效果好、效率高的特点．