资料介绍
消费类电子论文
基于梯度调整的矩不变自动阈值图像分割算法
摘要：提出了一种改进的矩不变自动阈值算法。该算法针对矩不变自动阈值法忽略图像
细节的缺点，在矩不变自动阈值的基础上增加了基于目标边缘像素的梯度调整，从而使
分割效果兼顾图像的整体和细节。该算法无须迭代或搜索，运算速度快，可以满足实时
性的要求。仿真结果表明，该算法能有效地对目标图像进行分割。
关键词：图像分割 阈值选取 矩不变法 梯度调整 目标跟踪
图像分割是计算机视觉中的一个关键问题，它是一种重要的图像分析技术。其目的是
将图像中有意义的特征或者需要应用的特征提取出来。图像分割所遵循的基本原则是，
使区域内部所考虑的特征或属性是相同或相似的。而这些特征或属性在不同的区域中则
不同、存在差异[1]。人们通常将图像分割的方法归纳为基于灰度直方图的阈值化方法和
基于区域增长法两大类。其中阈值化方法因其简单、计算量小、性能较稳定而成为图像
分割中应用最广泛的分割技术。近年来，随着各学科新理论和方法的提出，人们也提出
了许多结合特定理论、方法和工具的分割技术，例如基于数学形态学的分割技术、借助
统计模式识别方法的分割技术、利用神经网络的分割技术等[2]。
图像阈值分割是根据一定的阈值将目标从视场背景分离出来的过程。在实际系统中，
图像目标和背景之间并不具备截然不同的灰度，随着可见光照射角度的不同，目标的亮
度和背景的亮度均要变化。因此阈值的正确选择是很重要的，直接影响着分割的精度及
图像描述分析的正确性。通常采用自适应阈值选取，下面介绍基于梯度调整的矩不变自
动阈值法，它克服了矩不变自动阈值法的缺陷，达到较好的分割效果。
1 矩不变阈值分割法介绍
矩是随机变量的数学特征。矩法是由 Karl
pearson在1894年引入的参数点估计算法，其基本思想是：样本抽自总体，样本的矩在一
定程度上反映了总体的矩。因
我要上传