消费类电子论文基于梯度调整的矩不变自动阈值图像分割算法摘要:提出了一种改进的矩不变自动阈值算法。该算法针对矩不变自动阈值法忽略图像细节的缺点,在矩不变自动阈值的基础上增加了基于目标边缘像素的梯度调整,从而使分割效果兼顾图像的整体和细节。该算法无须迭代或搜索,运算速度快,可以满足实时性的要求。仿真结果表明,该算法能有效地对目标图像进行分割。关键词:图像分割阈值选取矩不变法梯度调整目标跟踪图像分割是计算机视觉中的一个关键问题,它是一种重要的图像分析技术。其目的是将图像中有意义的特征或者需要应用的特征提取出来。图像分割所遵循的基本原则是,使区域内部所考虑的特征或属性是相同或相似的。而这些特征或属性在不同的区域中则不同、存在差异[1]。人们通常将图像分割的方法归纳为基于灰度直方图的阈值化方法和基于区域增长法两大类。其中阈值化方法因其简单、计算量小、性能较稳定而成为图像分割中应用最广泛的分割技术。近年来,随着各学科新理论和方法的提出,人们也提出了许多结合特定理论、方法和工具的分割技术,例如基于数学形态学的分割技术、借助统计模式识别方法的分割技术、利用神经网络的分割技术等[2]。图像阈值分割是根据一定的阈值将目标从视场背景分离出来的过程。在实际系统中,图像目标和背景之间并不具备截然不同的灰度,随着可见光照射角度的不同,目标的亮度和背景的亮度均要变化。因此阈值的正确选择是很重要的,直接影响着分割的精度及图像描述分析的正确性。通常采用自适应阈值选取,下面介绍基于梯度调整的矩不变自动阈值法,它克服了矩不变自动阈值法的缺陷,达到较好的分割效果。1矩不变阈值分割法介绍矩是随机变量的数学特征。矩法是由Karlpearson在1894年引入的参数点估计算法,其基本思想是:样本抽自总体,样本的矩在一定程度上反映了总体的矩。因