改进的2维Otsu法及混沌粒子群递推的阈值分割

鉴于现常用的灰度级-平均灰度级2维直方图区域划分将部分目标和背景点错分成边缘和噪声点这一不足，为此提出了一种基于灰度级-梯度2维直方图的Otsu阈值选取新方法，利用混沌粒子群优化算法来寻找分割阈值，并提出在迭代过程中，采用递推方法来大大减少适应度函数的重复计算。实验结果表明，与最近提出的基于灰度级-平均灰度级2维直方图Otsu法及粒子群的快速图像分割方法相比，该新方法由于尽可能地考虑了所有目标点和背景点，从而使分割后的图像区域内部均匀、边界形状准确、特征细节清晰，同时运行时间几乎不到现有算法的1/3，而且粒子群处理的收敛精度得到了进一步提高。