2维对称交叉熵图像阈值分割

现有阈值分割方法中所用的交叉熵不满足距离度量对称性，且算法运行速度尚有提升空间，为此提出基于分解的2维对称交叉熵图像阈值分割方法。首先通过运用对称交叉熵描述分割前后图像之间的差异程度，分别导出1维和2维对称交叉熵阈值选取公式，给出相应的2维快速递推算法，计算复杂性由穷举搜索的O(L4)降到O(L2)；然后将2维对称交叉熵法的运算转换到两个1维空间上，计算复杂性进一步降低到O(L)。实验结果表明，与现有的2维非对称交叉熵法相比，该方法具有更强的抗噪性,运行时间大幅减少，是一种更有效的2维交叉熵阈值分割方法。  

改进的2维Otsu法及混沌粒子群递推的阈值分割

鉴于现常用的灰度级-平均灰度级2维直方图区域划分将部分目标和背景点错分成边缘和噪声点这一不足，为此提出了一种基于灰度级-梯度2维直方图的Otsu阈值选取新方法，利用混沌粒子群优化算法来寻找分割阈值，并提出在迭代过程中，采用递推方法来大大减少适应度函数的重复计算。实验结果表明，与最近提出的基于灰度级-平均灰度级2维直方图Otsu法及粒子群的快速图像分割方法相比，该新方法由于尽可能地考虑了所有目标点和背景点，从而使分割后的图像区域内部均匀、边界形状准确、特征细节清晰，同时运行时间几乎不到现有算法的1/3，而且粒子群处理的收敛精度得到了进一步提高。  

一种适用于SAR图像的2维Otsu改进算法

Otsu法是图像阈值分割中的经典算法之一，在图像处理中得到广泛的应用。针对原始2维Otsu法直方图区域划分上的缺陷和运算速度慢的缺点，分析了适用于SAR图像相干斑乘性噪声的直方图区域划分方法，提出了一种更符合实际图像模型的阈值选取准则。实验结果表明，该改进算法的分割效果良好，运算速度也有很大提高。  

基于分水岭和重叠率衡量的多级彩色图像分割

由于分水岭方法进行图像分割时经常是在梯度图像上进行,并经常产生过分割的结果,因此为克服图像过分割问题和提高分割的准确性,提出了一种基于分水岭和重叠率衡量分层融合策略的彩色图像分割新算法——HWO。该算法首先将RGB颜色空间转化到Lab颜色空间,并根据a、b维来提取统计2维直方图,同时在直方图上运用分水岭分割方法,通过对峰进行填充来得到图像的初步分割结果;然后将与填充对应的分割区域样本与高斯分布结合起来,对图像进行高斯混合模型假设下的参数估计;最后对模型与模型间进行重叠率衡量及分层区域融合,以得到最终的图像分割结果。实验中,首先采用训练图像集对算法涉及的两个参数进行确定,然后对测试图像集的分割效果和分割时间性能进行评估,评估是以标准的人工分割图像库为基准的。实验结果表明,该算法可解决过分割问题,其评估所得分准率及分全率综合衡量系数为0.609,而人工分割综合衡量系数为0.79,同时新方法的分割时间仅为传统方法的1/3,分割速度有了较大提高。