基于Mean Shift聚類的多級閾值化方法

程 全， 劉曉青， 劉玉春， 王志良

(1.周口師范學院 機械與電氣工程學院，河南 周口 466001； 2.北京科技大學 計算機與通信工程學院，北京 100083)

基于Mean Shift聚類的多級閾值化方法

程 全1， 劉曉青1， 劉玉春1， 王志良2

(1.周口師范學院 機械與電氣工程學院，河南 周口 466001； 2.北京科技大學 計算機與通信工程學院，北京 100083)

為了解決多級閾值化技術中所選閾值的數量通常不能預先確定的問題，提出一種基于Mean Shift 聚類技術的新型多級閾值化方法.首先，通過使用Mean Shift技術探尋出潛在的模式中心，應用迭代的閾值選擇方法來自動確定相鄰模式中心的各個閾值；然后，采用多級閾值化對圖像進行分割； 最后，通過實驗驗證了基于Mean Shift聚類技術分割的圖像相對于原始圖像的對比度有了很大提高.該方法通過簡單修改程序參數就能夠靈活控制分割精度，可以廣泛應用于單閾值分割、多級閾值分割和有損壓縮等技術中.

多級閾值化； 圖像分割； 迭代閾值化； 分割質量評估

0 引言

圖像分割是進行圖像理解和目標識別的一個必不可少的步驟，圖像分割技術分為軟分割和硬分割[1].聚類算法是軟分割方法中最主要的圖像分割算法，主要有兩種：一種是K-means聚類[2]，其優點是易于實現但需要預先指定待分割圖像中需要形成的群集的數量及中心; 另一種是模糊聚類[3]，當圖像中不同物體之間沒有明顯的邊界時，可以基于相似性準則采用模糊聚類的方法進行處理，但是它對噪聲特別敏感，并且模糊關系的確定也非常繁瑣.軟分割計算起來相當費時；……