伍蓥芮，张志勇

（山西农业大学农业工程学院，晋中030801）

0 引言

图像分割方法多种多样，其中阈值分割基于背景与目标在灰度上的差异实现图像分割。图像复杂或背景多样时需要选择多个阈值。多阈值分割与单阈值分割原理相似但计算量呈指数级增长，且多阈值分割应用范围更广。

常用的图像阈值分割方法，如大津算法（OTSU）、峰谷法和图像最大熵法等，都是根据图像的局部或全局信息来定位最佳阈值，步骤繁琐导致运算时间较长。为了加快阈值选择速度，程万胜等人[1]运用修正惯性因子的粒子群优化算法提升收敛速率，改善图像在线分割速度；何志勇等人[2]提出基于图像二维直方图直线分割思想的新算法，一定程度上避免传统算法的抗噪缺陷；张怀柱等人[3]提出以二维Fisher准则图像分割评价函数为适应度函数的改进遗传算法，该算法收敛快、鲁棒性强，具有一定实用性。由于信息熵本身能简单有效地表达图像的混乱程度，常将图像熵应用于图像分割。文献[4-5]提出利用图像二维熵来表达基于图像理论信息准则的背景与目标，便于两者分割，该方法仍存在耗时长的问题。文献[6]使用改进粒子群算法结合图像分割与其他算法对比，在不同指标下性能更好。文献[7]和文献[9]提出使用遗传算法（Genetic Algo⁃rithm，GA）来确定图像熵函数的最优值，但遗传算法的变异因子不便控制会影响熵函数的阈值精度。Ming-Huwi Horng[8]使用蜜蜂交配优化算法寻找基于最小交叉熵下的最优阈值。……