科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文基于蒙特卡洛模拟与局部阈值思想,提出了一种能够适应图像复杂背景、亮度不均条件的灰阶图像二值化分割方法。该方法将灰阶图像划分为多个正方形子图像,每个子图像均反映了灰阶图像的局部信息。先利用大津法对每个子图像进行二值化分割,再将所有二值化后的子图像重新合并后形成灰阶图像的二值化结果。针对局部阈值分割过程中子图像的尺寸选取问题及二值化后子图像合并时的边界效应问题,本文结合蒙特卡洛模拟思想提出了改进算法。将子图像尺寸作为蒙特卡洛计算步中的随机变量,通过大量迭代计算获取灰阶图像中每个像素被分割为目标和背景的概率,并按照指定概率阈值对其进行划分。为验证所述方法的可行性与准确性,本文依托多个灰阶图像案例对方法的二值化结果进行了测试,结果表明,本文提出的方法能够较好地处理复杂背景及亮度不均条件下的灰阶图像。本方法可为区域性遥感影像的解译和地物识别提供支撑。
- 单位
