科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有阈值分割方法中存在的分割精确性和分割适应性欠佳等问题，提出一种多向加权作用下的直觉模糊相似性最大化导向的阈值分割方法。该方法首先运用各向异性高斯一阶导卷积核对输入图像进行多方向卷积运算和多尺度乘积变换，得到四个方向下的具有单峰直方图模态的四幅参考图像；然后通过二值轮廓图像对四幅参考图像进行采样构建对应的直觉模糊集；最后运用多向加权策略，将不同方向的四个直觉模糊集融合以构建相似性目标函数，并以该目标函数取最大值时对应的灰度值作为分割阈值。提出的方法与5种新近的分割方法进行了全面比较，在8幅合成图像和88幅真实世界图像上的实验结果表明：提出的方法具有更高的分割精确性和更灵活的分割适应性，在合成图像和真实世界图像上的平均马修斯相关系数方面分别达到了0.998和0.964,相较于分割精度第2的方法分别提高了39.90%和26.22%。
- 单位
