吴一全，吴加明，占必超

(1.南京航空航天大学电子信息工程学院，江苏南京210016;2.南京大学 计算机软件新技术国家重点实验室，江苏 南京210093)

阈值分割是使用普遍、处理有效且实现简单的图像分割技术。其关键是快速选取合适的阈值以实现准确分割。国内外学者对此进行了大量研究［1-2］，提出了基于最大类间方差(Otsu 法)［3］、最大熵［4］、Fisher 准则［5］等多种类型阈值选取方法。最初都通过图像的一维灰度直方图选取阈值，虽然处理速度快，但图像受到噪声干扰时难以获得满意的分割效果。因此，最大熵法、Otsu 法和Fisher 准则法分别被Abutaleb［6］和Brink［7］、刘健庄［8］、龚坚［9］等相继推广到灰度级—邻域平均灰度级二维直方图，效果明显改善，但同时运算量按指数增加。故人们又提出了基于二维直方图的阈值选取快速算法［10-12］，不同程度地提高了运行速度。但上述二维方法都将二维直方图分成4 个矩形区域(称之为区域直分)，而这样会在计算中引入近似，导致分割结果不够准确。因此，文献［13 -15］提出了基于二维直方图区域斜分的阈值分割方法，进一步减小了误差，大大缩短了运行时间，且抗噪性更稳健。

图像阈值分割是红外目标检测中的关键步骤之一。在红外目标探测成像平面内，目标与背景的大小之比通常很小，如低于1%.这就要解决目标与背景大小之比很小的小目标图像阈值分割问题。对于这一问题，现有的阈值选取方法几乎都失效，得不到理想结果。当目标与背景比例相差较大时，将背景的一部分划分为目标反而可能具有更小的类内方差或更大的类间方差。……