张 睿， 刘 冰

(长春工业大学 计算机科学与工程学院， 吉林 长春 130012)

0 引 言

近年来，基于模式识别技术的智能系统已被广泛应用于目标识别、人脸识别和计算机视觉等领域[1]。然而用于模式识别的图像可能会被设备或环境的噪声破坏，因此预处理阶段在图像处理过程中起着重要作用，而图像分割则是这一阶段的基本技术[1]。此技术根据对比度[3]、颜色[4]和亮度[5]将图像分割为不同的部分。许多方法已经实现了图像分割，如区域提取[6]、聚类算法[7]、直方图阈值[8]、边缘检测[9]和阈值分割[10]等。

在图像分割任务中，阈值分割(TH)是一种常用的图像分割方法，根据像素的强度等级，并根据一个或多个阈值将像素分割成不同的组[11]。阈值分割不仅简单而且鲁棒性好，可以处理有噪声的图像。根据图像所需的阈值数目，阈值分割可分为两类：双阈值处理和多级阈值分割[12]。在双阈值处理方法中，亮度值高于设定阈值的像素被标记为前景对象，其余像素则都被划分为背景对象[13]。而多级阈值分割(MTH)则使用多个阈值来分离代表图像中包含的多个对象区域中的像素。对于现实生活中的图像分割，最好的选择是使用多级阈值法。阈值问题可以概括为在图像上寻找最佳阈值。应该注意的是，阈值点取决于图像的直方图[14]，因此，每个图像都有自己的一组最佳阈值。

多级阈值分割技术通过多种方法寻找最优阈值,最常用的方法是分析图像的直方图。多级阈值分割具有一些挑战，例如确定阈值数量和执行时间。……