本书以直方图阈值划分为基础，对图像分割技术进行了详细研究。首先提出了一种采用高斯拟合的全局阈值算法阈值优化框架，该算法有效解决了三种经典全局阈值方法获得的阈值均非很好阈值这一问题。其次对二维很小误差法进行三维推广，并结合三维直方图重建和降维思想提出了一种鲁棒的很小误差阈值分割算法，该方法有效解决了非均匀光照条件下小目标图像的分割。然后，为进一步有效分割非均匀光照下大目标图像，提出了一种在高斯尺度空间下估计背景的自适应阈值分割算法。很后，提出了一种基于直方图多级划分的彩色图像分割算法，有效提高了现有彩色图像聚类算法的执行效率和聚类性能。

第1章绪论1
1.1研究背景及意义1
1.2图像分割研究综述5
1.3研究内容组织结构12
第2章高斯拟合的全局阈值算法阈值优化框架15
2.1引言15
2.2全局阈值分割算法16
2.2.1Otsu阈值分割算法17
2.2.2最小误差阈值分割算法18
2.2.3最大熵阈值分割算法18
2.3改进方法19
2.3.1采用高斯拟合的全局阈值算法阈值优化框架19
2.3.2鲁棒的采用高斯拟合的全局阈值算法阈值优化框架24
2.3.3收敛性分析29
2.4实验结果及分析30
2.5本章小结39
第3章自适应最小误差阈值分割算法41
3.1引言41
3.2WaterFlow模型41
3.3鲁棒去噪模型43
3.4鲁棒的最小误差法46
3.5自适应最小误差阈值分割算法流程48
3.6算法时间复杂度对比分析50
3.7实验结果及分析51
3.7.1均匀光照条件下分割结果51
3.7.2非均匀光照条件下分割结果53
3.7.3非均匀光照下噪声对本章算法分割性能的影响57
3.7.4参数γ对本章算法分割性能的影响59
3.8本章小结60
第4章高斯尺度空间下估计背景的自适应阈值分割算法62
4.1引言62
4.2本章算法62
4.2.1预处理64
4.2.2消除背景65
4.2.3图像增强69
4.2.4阈值分割70
4.3实验结果及分析70
4.3.1非均匀光照下文本图像分割测试71
4.3.2非均匀光照下非文本图像分割测试75
4.3.3参数敏感性测试79
4.4本章小结81
第5章基于图像区域的交互式Otsu阈值分割算法83
5.1引言83
5.2本章算法84
5.2.1预处理84
5.2.2图像分块85
5.2.3图像块排序86
5.2.4图像块分类87
5.2.5图像块二值化88
5.3实验结果及分析90
5.3.1实验一：均匀光照情况90
5.3.2实验二：非均匀光照情况93
5.4本章小结102
第6章基于直方图的彩色图像模糊聚类算法103
6.1引言103
6.2相关算法104
6.2.1FCM算法104
6.2.2DSRPCL算法104
6.2.3HTFCM算法105
6.3HCIFCM聚类算法106
6.3.1直方图预处理107
6.3.2直方图多级划分108
6.3.3RGB直方图合并109
6.3.4初始化聚类中心110
6.3.5初始化样本数据110
6.3.6FCM算法111
6.3.7实例分析111
6.4实验结果及分析114
6.4.1实验一114
6.4.2实验二116
6.5本章小结122
第7章总结与展望124
7.1总结124
7.2展望126
参考文献129
索引137
附录基于图像区域的交互式Otsu阈值分割算法源码139