基于梯度调整的矩不变自动阈值图像分割算法

较好地分割出目标图像。由图2可以看出，当直方图为单峰或为单调函数时，用矩不变阈值法进行分割后的目标图像，虽然与原目标图像很相近，但是背景的干扰比较严重，存在较大的误判率，不利于后续的跟踪处理；而用基于梯度调整的矩不变阈值法对图像分割后，无明显的误判，分割出来的目标图像轮廓鲜明，可以极为方便地确定目标质心，有利于后续跟踪处理。从结果上可以看出其分割效果明显优于矩不变阈值法；且基于梯度调整的矩不变阈值法的算法相对简单，无须迭代或搜索，运算速度快。

到目前为止，虽然人们已经提出了很多种图像分割方法，但没有任何一种图像分割方法能够适用于所有的图像[4]。如何选择分割方法，主要是根据实际的应用环境和具体的目标而定。笔者所从事的“车载电视跟踪系统”中，目标图像分割是自动目标识别和跟踪的重要环节，其性能对跟踪系统具有显著影响。应用基于梯度调整的矩不变自动阈值分割法，由实验结果可以看出，能满足系统实时处理的要求，而且在处理相对复杂的目标图像时，能够取得比较好的效果。

上一页  [1] [2]