中文字，单词，英文字符出处，.，.使用阈值技术的图像分割，摘要本文试图通过阈值法作为平均法，算法，直方图相关技术，边缘最大化技术和可视化技术进行了分割图像技术的研究，彼此比较从而选择合的阈值分割图像的最佳技术。

这些技术适用于三个卫星图像选择作为阈值分割图像的基本猜测。

关键词图像分割，阈值，自动阈值引言分割算法是基于不连续性和相似性这两个基本属性之的强度值。

第类是基于在强度的突然变化，如在图像的边缘进行分区的图像。

第二类是根据预定义标准基于分割的图像转换成类似的区域。

直方图阈值的方法属于这类。

本文研究第二类阈值技术在这种情况下，通过这项课题可以给予这些研究简要介绍。

阈分割技术可分为三个不同的类首先局部技术基于像素和它们临近地区的局部性质。

其次采用全局技术分割图像可以获得图像的全局信息通过使用图像直方图，例如全局纹理属性。

并且拆分，合并，生长技术，为了获得良好的分割效果同时使用的同质化和几何近似的概念。

最后的图像分割，在图像分析的领域中，常用于将像素划分成区域，以确定个图像的组成。

他们提出了种二维的直方图基于多分辨率分析的自适应阈值的方法，降低了计算的二维直方图的复杂而提高了多分辨率阈值法的搜索精度。

这样的方法源于通过灰度级和灵活性的空间相关性的多分辨率阈值分割方法中的阈值的寻找以及效率由二维直方图阈值分割方法所取得的非凡分割效果。

实验的结果表明，这种方法可以得到的分割结果与详尽二维直方图方法相类似，而计算复杂度与分辨率等级的增加而呈指数下降。

图像的阈值问题，被视为在图像处理的个重要问题，它不仅可以减少图像数据，同时也奠定了多目标识别和图像认知提供了良好的基础。

全局阈值分割和局部阈值的字符图像分割进行了分析。

个新的阈值统计迭代算法，提出要克服的直接阈值，针对些光照不对称和明显的缺陷，或者更大的数字比例在各种各样的背景灰度图像中。

统计迭代阈值分割，基于图像灰度直方图和高斯分布的统计，获得统计迭代法理论表达和最值得阈值法和步骤。

航空图像通过分别使用统计迭代算法，直方图技术和自适应方法进行阈值分割。

比较三种阈值结果，它表明统计迭代方法大大提高了图像分割的抗噪能力，并且有更好的图像结果，并且不容易在阈值方法中分段。

模糊均值改进算法和遥感图像分割策略，可以提供较少的迭代次数收敛到全局最优解。

同时，它具有良好的稳定性和鲁棒性。

其良好的分割效果可提高精度和遥感图像阈值分割的效率。

阈值技术可分为两类全局阈值和局部自适应阈值。

在全局阈值中，单个阈值用于整个图像。

在局部阈值，阈值被分配给每个像素，使用周围的象素的局部信息以确定它是属于前景还是背景。

由于简单和容易实施的优点，全局阈值技术直流行许多年。

阈值阈值是广泛地用于图像分割的方法之，在从背景分离出前景中非常有效，通过选择个适当的阈值，将灰度级图像可转换为二进制图像。

二进制图象应该包含所有的兴趣目标前景中的位置和形状的基本信息。

二进制图像的优点是它减少了数据的复杂性，并简化了识别和分类的过程。

灰度级图像转换为二进制图像的最常见的方法是选择个单阈值。

然后所有低于这个中的灰度等级值将被归类为黑色，高于的定义为白色。

分割问题变成个选择合适的阈值问题。

个常用的方法适用于选择是通过分析想要分割的图像的直方图类型。

理想的情况是，当柱状图呈现只有两个主要的模式和清晰的山谷双峰。

在这种情况下，的值被选择在两个模式之间的谷点。

在实际应用中的直方图是更复杂的，具有许多峰和不明确的山谷，所以不总是容易选择的值。

自动阈值每个图像由系统自动选择阈值而无需人工干预的方法被称为个自动阈值方案。

这就要求有关的对象的强度特性对象的大小图像中各种不同类型部分出现的目标的级分知识。

阈值技术阈值技术是图像分割的重要技术之。

这种技术可以表示为，其中是阈值。

，是所述阈值点的坐标。

，是图中像素点的灰度。

阈值图像，可以是如下定义，这篇文章采用了种阈值技术.均值技术该技术中使用的像素的平均值作为阈值，并在严格的情况下即有大约半到属于目标，而另半属于背景像素的图像的工作得很好。

这种技术很少发生。

.技术技术使用的知识是所关注对象在整个阈值的图像的面积尺寸。

方法是基于灰度直方图的最早的阈值方法之。

它假定在图像中的目标比背景更亮，并占据图像面积的固定百分比。

图像区域的这个固定的百分比也被称为。

阈值被定义为大多对应于映射到至少上的灰度级到目标的灰度级。

设是最大灰度级值，是图像的直方图，而是该目标的面积比。

算法方法如下其中的图像总面积，是初始化所有区域作为目标区域，是最终阈值此方法操作简单，适合对象的所有尺寸。

它产生良好的抗噪声能力然而，如果对象面积比率为未知的或从图象变化到图像，这显然是不适用的。

.直方图相关技术方图技术是依赖于估算分隔图像的对象和背景的两个同质区域的阈值的成功。

这就要求，图像组成是两种同质的并且能够存在个阈值分离这些区域。

所述是适于图像具有很大同质性并且将分离这些区域，其中的对象和背景的面积都是同质的并且不包括对象和背景之间的区域。

这种技术可以表示为其中为所述组内方差。

是组值小于.的概率。

是组值小于的概率.为像素组的方差小于或等于的概率。

为像素组的方差大于的概率。

.技术使用边缘最大化技术的阈值图像被用于当在图象超过个均匀区域或有目标和背景之间的照明的变化有改变。

在这种情况下，目标的部分可以被合并到背景或者背景可以作为个目标。

出于这个原因，任何的自动阈值选择技术的性能得都要变得更好在大的同质和分离的区域。

此技术分割取决于有关图像中的最大边缘阈研究并且开始分割有边缘检测技术操作的图像例如操作技术。

.可视化技术这些技术改善人们的准确搜索目标项目的能力。

这些技术是类似于另个使用原始图像的分量区段的技术，他们以新颖的方式，以提高视觉搜索性能，但是是不太有效当不同的噪声中存在于图像中。

次实验试验验证.程序阈值分割，采用，.实现并测试了在图所示的三幅图像分割技术图.原始图像五种阈值分割技术平均技术，技术，可视化技术，技术和技术。

.仿真结果图.原始图像阈值从左到右，可视化技术平均技术技术与技术。

图.原始图像阈值从左到右，可视化技术平均技术技术与技术。

图.原始图像阈值从左到右，可视化技术平均技术技术与技术。

结论在本文中，比较适用于研究了种阈值分割技术的图像方法平均法，法，直方图相关技术，边缘最大化技术和视觉技术在如图所示的三个卫星图像上。

图.解释与实验进行了不同的技术的和技术分别是用于阈值的技术的图像的最好的技术。

这个结果从图得到。

参考文献，，..，.，.，.，..，.，.，.，“”.，.，.，“”.，.，.，.，“”.，.，.，，，.，.