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 直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 , , , , , , , , , , , , , , , , , , ,