文献类型：期刊文章

作　　者：卢涛[1] 万永静[1] 杨威[1]

机构地区：[1]武汉工程大学计算机科学与工程学院智能机器人湖北省重点实验室,武汉430073

出　　处：《计算机科学》

基　　金：863计划项目(2013AA12A202);国家自然科学基金项目(61502354);国家留学基金委;湖北省自然科学基金项目(2012FFA099;2012FFA134;2013CF125;2014CFA130;2015CFB451);湖北省青年科技晨光计划:极低质量图像超分辨率重建与识别;湖南省科技计划项目(2014FJ3157);自主系统与网络控制教育部重点实验室开放基金(2013A11);武汉工程大学研究基金项目(K201403)资助

年　　份：2016

卷　　号：43

期　　号：7

起止页码：95-100

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSCD、CSCD_E2015_2016、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：图像分割是机器视觉中的基础问题,基于阈值的图像分割算法依赖于参数调整,但参数调整容易受到局部最小值的影响且需要耗费大量时间,从而降低了分割算法的质量和效率。为了实现图像分割过程中的自适应阈值选择,提出了一种基于稀疏主成分分析和自适应阈值选择的图像分割算法。该算法首先利用稀疏主成分分析感知图像的噪声水平以自适应去噪,其次通过二维直方图感知图像的主干区域内容以自适应获得全局分割阈值,然后通过移动平均法的局部阈值分割算法对图像进行分割,最后将全局阈值分割和局部阈值分割图像结合,从而获得最佳的分割图像结果。在伯克利数据集上的仿真实验结果表明:相比传统的阈值分割算法,该算法在分割边缘的准确性和对噪声的鲁棒性上具有一定的优势,在主客观上均具有较好的分割效果,基于稀疏主成分分析的自适应阈值选择方法提高了图像的分割质量。

关 键 词：阈值分割 稀疏主成分分析  全局阈值 局部阈值

分 类 号：TP37]