陈 君 朱 红

（黄石理工学院1） 黄石 435003） （武汉理工大学机电工程学院2） 武汉 430070）

0 引 言

阈值分割是最常见的图像分割方法，而阈值的选取与整个图像灰度值分布的统计特性相关.传统的阈值方法如Otsu算法［1］、模糊C均值算法（FCM）［2－3］、自适应算法［4－5］等只考虑到图像的灰度值，而忽略了灰度的空间分布；基于图像二维灰度直方图的最大熵阈值分割方法［6－8］虽然综合利用了像素点的灰度信息和邻域空间信息，但没有考虑分割后图像与原图像之间的内在联系.当照明不均匀、有突发噪声或者背景灰度变化比较大时，分割后会丢失大量的信息，得到的区域不能代表原目标物的形状，且FCM算法存在过分依赖初值、收敛于局部极值和需预先给定分类数等问题.受到互信息配准是配准精度和鲁棒性最好的回溯性配准方法之一的启发，分割可视为图像的退化，分割后的图像可作为一种特殊的模态图像，当分割图像与原图像的空间位置一致，求出的区域与原目标物的形状相吻合时互信息量应该达到最大值，即可认为所获得的最优分割结果包含有原图像的信息量最多［9－12］.为此，依据分割图像与原图像之间的内在联系，提出一种互信息和最佳阈值迭代相结合的番茄图像自动优化分割方法.

1 基于互信息的最佳阈值分割算法

互信息是信息理论中的一个基本概念，通常用于描述两个系统间的相关性.互信息作为相似性度量最早应用于多模态医学图像配准……