皮尔逊相关性最大化导向的自动阈值分割方法

现有阈值分割方法大多只适应于处理某种特定灰度分布模式的图像,为了在统一框架内处理不同灰度分布模式情形下的自动阈值选择问题,提出了一种皮尔逊相关性最大化导向的自动阈值分割方法。该方法首先对原始图像进行边缘检测以产生参考模板图像;然后对不同阈值下的二值图像进行轮廓提取以产生对应的轮廓图像;最后采用皮尔逊相关系数衡量不同轮廓图像与参考模板图像之间的相似性,并将相似性取最大值时所对应的阈值作为最终分割阈值。提出的方法和新近提出的3个阈值方法和4个非阈值方法进行了比较。在具有不同灰度分布模式的4幅合成图像和50幅真实世界图像上的实验结果表明：在合成图像集中,相比于分割精度第2的方法,平均误分类率降低了0.140 3;在真实世界图像集中,相比于分割精度第2的方法,平均误分类率降低了0.121 5。提出的方法虽然在计算效率方面不占有优势,但它对不同灰度分布模式的图像具有更灵活的分割适应性,能获得精度更高的分割结果图像。