杨勇，范胜利，张芸蕾，王一刚

(1.太原科技大学电子信息工程学院，太原 030024； 2.浙江大学宁波理工学院信息科学与工程学院，浙江 宁波 315100)

随着现代科学技术的快速发展，计算机视觉得到了更多关注，它被广泛的应用在模式识别、 计算机视觉、 医学图像处理等领域中。目标检测、特征提取和目标识别作为计算机视觉的关键技术，都很大程度上依赖于图像分割的质量。在这种情况下，研究人员开始关注图像分割，致力于实现更好的图像分割方法。

分割算法有很多种类，这其中包括阈值分割方法[1-3]，边缘检测方法[4]，区域提取等。但是绝大多数的分割方法都是对均匀光照条件下的图像进行分割的，在实际应用中它们对非均匀光照下图像的分割质量不是特别理想。最近几年，研究人员对非均匀光照下的开始关注起来并有了许多新的思路，提出了很多新的方法或改进的分割算法，它们都有自己的优缺点。魏巍等人提出了一种多方向灰度波动变换的自适应阈值分割算法[5]。该方法首先构造出多方向灰度变化矩阵，然后利用PCA方法来进行降维以降低非均匀光照对图像的干扰，最后再采用Otsu法进行全局分割。此方法可以有效地分割图像并抑制非均匀光照带来的影响，但是它对参数非常敏感，尤其是灰度波动阈值的选取。龙建武等人提出的一种自适应最小误差阈值分割算法[6]，该方法对二维最小误差法进行三维推广，并结合三维直方图重建和降维思想提出了一种鲁棒的最小误差阈值分割算法。……