计算机科学与技术专业使用阈值技术的图像分割等毕业论文外文文献翻译及原文

毕业设计（论文）

外文文献翻译

文献、资料中文题目： 1.使用阈值技术的图像分割

2.最大类间方差算法的图像分割综述

文献、资料英文题目：

文献、资料来源：

文献、资料发表（出版）日期：

院（部）：

专业：计算机科学与技术

班级：

姓名：

学号：

指导教师：

翻译日期： 2017.02.14

毕业设计（论文）题目基于遗传算法的自动图像分割软件开发

翻译（1）题目Image Segmentation by Using Threshold

Techniques

翻译（2）题目

A Review on Otsu Image Segmentation Algorithm

使用阈值技术的图像分割 1

摘要

本文试图通过5阈值法作为平均法，P-tile算法，直方图相关技术（HDT），边缘最大化技术（EMT）和可视化技术进行了分割图像技术的研究，彼此比较从而选择合的阈值分割图像的最佳技术。这些技术适用于三个卫星图像选择作为阈值分割图像的基本猜测。

关键词：图像分割，阈值，自动阈值

1 引言

分割算法是基于不连续性和相似性这两个基本属性之一的强度值。第一类是基于在强度的突然变化，如在图像的边缘进行分区的图像。第二类是根据预定义标准基于分割的图像转换成类似的区域。直方图阈值的方法属于这一类。本文研究第二类（阈值技术）在这种情况下，通过这项课题可以给予这些研究简要介绍。阈分割技术可分为三个不同的类：

首先局部技术基于像素和它们临近地区的局部性质。其次采用全局技术分割图像可以获得图像的全局信息（通过使用图像直方图，例如;全局纹理属性）。并且拆分，合并，生长技术，为了获得良好的分割效果同时使用的同质化和几何近似的概念。最后的图像分割，在图像分析的领域中，常用于将像素划分成区域，以确定一个图像的组成[1][2]。

他们提出了一种二维（2-D）的直方图基于多分辨率分析（MRA）的自适应阈值的方法，降低了计算的二维直方图的复杂而提高了多分辨率阈值法的搜索精度。这样的方法源于通过灰度级和灵活性的空间相关性的多分辨率阈值分割方法中的阈值的寻找以及效率由二维直方图阈值分割方法所取得的非凡分割效果。实验的结果表明，这种方法可以得到的分割结果与详尽二维直方图方法相类似，而计算复杂度与分辨率等级的增加而呈指数下降[3]。

图像的阈值问题，被视为在图像处理的一个重要问题，它不仅可以减少图像数据，同时也奠定了多目标识别和图像认知提供了良好的基础。全局阈值分割和局部阈值的字符图像分割进行了分析。一个新的阈值统计迭代算法，提出要克服的直接阈值，针对一些光照不对称和明显的缺陷，或者更大的数字比例在各种各样的背景灰度图像中。统计迭代阈值分割，基于图像灰度直方图和高斯分布的统计，获得统计迭代法理论表达和最值得阈值法和步骤。航空图像通过分别使用统计迭代算法，直方图技术和自适应方法进行阈值分割。比较三种阈值结果，它表明统计迭代方法大大提高了图像分割的抗噪能力，并且有更好的图像结果，并且不容易在阈值方法中分段[4]。

模糊C均值改进算法和遥感图像分割策略，可以提供较少的迭代次数收敛到全局最优解。同时，它具有良好的稳定性和鲁棒性。其良好的分割效果可提高精度和遥感图像阈值分割的效率[5]。

阈值技术可分为两类：全局阈值和局部（自适应）阈值。在全局阈值中，单个阈值用于整个图像。在局部阈值，阈值被分配给每个像素，使用周围的象素的局部信息以确定它是属于前景还是背景。由于简单和容易实施的优点，全局阈值技术一直流行许多年[6] [7] [8]。

2 阈值

阈值是广泛地用于图像分割的方法之一，在从背景分离出前景中非常有效，通过选择一个适当的阈值T，将灰度级图像可转换为二进制图像。二进制图象应该包含所有的兴趣目标（前景）中的位置和形状的基本信息。二进制图像的优点是它减少了数据的复杂性，并简化了识别和分类的过程。灰度级图像转换为二进制图像的最常见的方法是选择一个单一阈值（T）。然后所有低于这个T中的灰度等级值将被归类为黑色（0），高于T的定义为白色（1）。分割问题变成一个选择合适的阈值T问题。一个常用的方法适用于选择T是通过分析想要分割的图像的直方图类型。理想的情况是，当柱状图呈现只有两个主要的模式和清晰的山谷（双峰）。在这种情况下，T的值被选择在两个模式之间的谷点。在实际应用中的直方图是更复杂的，具有许多峰和不明确的山谷，所以不总是容易选择T的值。

3自动阈值

每个图像由系统自动选择阈值而无需人工干预的方法被称为一个自动阈值方案。这就要求有关的对象的强度特性、对象的大小、图像中各种不同类型部分出现的目标的级分知识。

4 阈值技术

阈值技术是图像分割的重要技术之一。这种技术可以表示为：

T =[X，Y，P（X，Y），f（X，Y] （1）

其中：T是阈值。x，y是所述阈值点的坐标。P（X，Y），F（X，y）是图中像素点的灰度。

阈值图像g(x,y)可以是如下定义：

1(,)g(x,y)=0

(,)if f x y T if f x y T >⎧⎨≤⎩（2）

这篇文章采用了5种阈值技术：

4.1均值技术 该技术中使用的像素的平均值作为阈值，并在严格的情况下即有大约一半到属于目标，而另一半属于背景像素的图像的工作得很好。这种技术很少发生。

4.2 P-Tile 技术

P —Tile 技术使用的知识是所关注对象在整个阈值的图像的面积尺寸。P —Tile 方法是基于灰度直方图的最早的阈值方法之一[5]。它假定在图像中的目标比背景更亮，并占据图像面积的固定百分比。图像区域的这个固定的百分比也被称为P ％。阈值被定义为大多对应于映射到至少P%上的灰度级到目标的灰度级。设n 是最大灰度级值，H(i)是图像的直方图（i= 0…n ），而P 是该目标的面积比。P-Tile 算法方法如下：

S=sum (H(i)) (3)

Let f=s

For k=1 to n f=f-H(k-1)

If (f/t)

T=k

其中：s 的图像总面积，f 是初始化所有区域作为目标区域，T 是最终阈值‘ 此方法操作简单，适合对象的所有尺寸。它产生良好的抗噪声能力;然而，如果对象面积比率为未知的或从图象变化到图像，这显然是不适用的[6]。

4.3直方图相关技术（HDT ）

直方图技术是依赖于估算分隔图像的对象和背景的两个同质区域的阈值的成功。这就要求，图像组成是两种同质的并且能够存在一个阈值分离这些区域。

所述（HDT ）是适于图像具有很大同质性并且将分离这些区域，其中的对象和背景的面积都是同质的并且不包括对象和背景之间的区域。

这种技术可以表示为：

221122C (T) =P ()()P ()()(4)T T T T σσ+

其中：

C （T ）为所述组内方差。1P ()T 是组值小于T. 的概率。2P ()T 是组值小于T 的概

率. 21()T σ为像素组的方差小于或等于T 的概率。

22()T σ为像素组的方差大于T 的概率。