摘要:传统Otsu及其大多数改进的算法只将类间方差作为最优阈值的唯一依据,使得对直方图分布不同图像的分割效果差异很大。针对该问题,提出一种新的阈值分割方法。建立一个耦合对象相似度模型,考虑对象的各种属性以及属性之间的关系,以捕获对象间的关联关系。采用耦合对象相似度替代传统Otsu算法中的类间方差,将所选阈值划分出的每个类分别看作耦合对象相似度模型中的一个对象,每个类都有类的概率和灰度均值这2个属性,计算类间相似度,并在类间相似度最小时取得最优阈值。实验结果表明,与传统Otsu、二维Otsu、大熵分割算法相比,该算法能提高刻画类间差异的精确度和图像的分割精度。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社