张 弘, 张 清, 侯雪梅, 韩凌霏

(西安邮电大学 自动化学院， 陕西 西安 710121)

图像分割是目标提取[1-2]、图像识别[3-4]、图像分析与理解[5]的关键步骤。基于阈值选取的图像分割方法[6-8]通过信息量、灰度均匀性、分割误差和相关性等阈值选取标准对图像进行分割，取得了较好地分割效果。其中Otsu算法以其良好的分割性能、较快地运行速度得到了广泛的应用[9]。然而，对于灰度分布方差差异较大的图像，Otsu算法应用局限性，会出现较大的阈值偏差。

目前，已有的改进Otsu算法是将直方图中各灰度值的高度作为权重，以此调整阈值偏差[10]；根据像素及其邻域的灰度分布信息，构造加权函数，修正Otsu算法的类内方差准则，突出波谷对最佳阈值的影响，从而获得更准确的分割阈值[11-12]；将背景发生的概率作为Otsu算法分割阈值权重，进而对Otsu算法改进，使得分割阈值更准确[13]；文献[14]将目标占整幅图的比例作为加权因子修正类间方差公式，从而改进Otsu算法。然而，上述方法虽然在图像目标与背景方差相差较大时较成功地分割出目标，但是目标在边缘轮廓完整性，以及目标内部细节的保留上存在局限性。文献[15]根据Otsu算法得到阈值的性质，对阈值的选取范围进行优化处理，不仅加快了算法的运行速度，也避免了伪阈值的出现，在一定程度上改善了算法运算效率低问题，但运算量仍然很大。

本文提出一种改进的阈值化算法。基于灰度分布直方图，将灰度概率的邻域信息作为加权函数，对类间方差进行修正，并且基于修正的类间方差与类内方差构造复合函数作为阈值化准则。……