范九伦，靳 瑾

(西安邮电大学 通信与信息工程学院,陕西 西安 710121)

图像分割是图像处理领域的研究热点之一，是一种重要的图像处理与分析技术，也是计算机视觉检测中的难点。图像分割的目的是将目标从图像背景中提取出来，已广泛应用于工业自动化、在线产品检测、文档图像处理、遥感、生物医学图像分析，以及军事、农业工程等方面[1]。到目前为止，图像分割已有上千种方法，各种综述文章对这些分割方法的分类和评价不尽相同。图像分割方法主要分为阈值选取法、边缘检测法以及区域增长法[2]等3类。在图像分割方法中，阈值法因其简单有效而被广泛应用。常见的单阈值法根据灰度分布从背景中提取目标，其结果是输出一个二值图像，将背景与目标分离。背景通常用灰度级255表示，输出为白色，目标用灰度级0表示，输出为黑色。噪声和光线对环境的影响、对比度不足以及物体大小与场景不相称等众多因素，使得阈值化操作复杂化[3]。因此，Otsu[4]提出了Otsu法，称为最大类间方差法或最小类内方差法。在众多的阈值法中，Otsu法是应用最广泛的经典阈值法，也是图像阈值分割法的最佳选择之一。对Otsu法进行改进以得到更好的自动阈值算法，一直是众多学者努力的方向。例如，Hou[5]提出了最小类方差阈值法，并与Otsu法进行了比较。他们发现，在Otsu法中，得到的阈值偏向于类方差较大或类概率较大的成分。Xu[6]描述了当两个类的类内方差不同时，Otsu法阈值偏向方差较大的类,并针对目标与背景的方差差异较大的情况，提出了一种改进的Otsu法约束灰度级搜索范围。……