●前言
章 緒論
1.1 圖像分割
1.2 灰度圖像模型
1.3 灰度圖像分割質量評價準則
1.3.1 主觀評價準則
1.3.2 客觀評價準則
1.3.3 測試用灰度圖像
參考文獻
第2章 判別分析閾值法Ⅰ――基於平方距離
2.1 優選類間方差法
2.1.1 一維優選類間方差法
2.1.2 一維優選類間方差法的改進
2.1.3 二維優選類間方差法
2.1.4 曲線閾值型二維優選類間方差法
2.1.5 三維優選類間方差法
2.2 二維灰度直方圖的投影閾值法
2.2.1 最佳投影閾值法
2.2.2 二維直方圖的Fisher分割法
2.2.3 二次曲線判別方法
2.3 聚類分析法
參考文獻
第3章 判別分析閾值法Ⅱ――基於信息距離
3.1 最小交叉熵法
3.1.1 一維最小交叉熵法
3.1.2 二維最小交叉熵法
3.1.3 直線閾值型二維最小交叉熵法
3.1.4 最小散度法
3.2 最小卡方統計法
3.2.1 最小卡方統計法Ⅰ
3.2.2 最小卡方統計法Ⅱ
3.2.3 最小卡方統計法Ⅲ
3.3 最小Tsallis交叉熵法
3.4 最小Renyi交叉熵法
3.5 最小倒數交叉熵法
3.6 最小指數交叉熵法
3.7 最小itakura-Saito散度法
參考文獻
第4章 信息熵閾值法
4.1 優選後驗信息閾值法
4.1.1 優選後驗熵閾值法
4.1.2 約束條件下的優選後驗熵閾值法
4.1.3 優選閾值化圖像信息閾值法
4.2 優選廣延熵閾值法
4.2.1 一維優選廣延熵閾值法
4.2.2 二維優選廣延熵閾值法
4.3 優選非廣延熵閾值法
4.3.1 一維優選Tsallis熵閾值法
4.3.2 一維優選Arimoto熵閾值法
4.3.3 一維優選Kaniadakis熵閾值法
4.3.4 一維優選Masi熵閾值法
4.4 優選空間圖像熵閾值法
參考文獻
第5章 模型匹配閾值法
5.1 正態分布假設下的最小誤差閾值法
5.1.1 一維最小誤差閾值法
5.1.2 二維最小誤差閾值法
5.1.3 二維直線閾值型最小誤差閾值法
5.2 泊松分布假設下的最小誤差閾值法
5.2.1 泊松分布假設下的一維最小誤差閾值法
5.2.2 等價描述
5.3 瑞利分布假設下的最小誤差閾值法
5.3.1 瑞利分布假設下的一維最小誤差閾值法
5.3.2 等價描述
參考文獻
第6章 共生矩陣閾值法
6.1 對稱共生矩陣閾值法
6.1.1 對稱共生矩陣
6.1.2 基於繁忙度的閾值法
6.1.3 基於均值的閾值法
6.2 非對稱共生矩陣閾值法
6.2.1 非對稱共生矩陣
6.2.2 優選熵閾值法
6.3 均勻概率閾值法
6.3.1 基於相對熵的閾值法
6.3.2 最小平方距離的閾值法
6.4 最小空間熵閾值法
參考文獻
第7章 其他閾值法
7.1 P-分位數法
7.2 一致誤差閾值法
7.3 矩量保持閾值法
參考文獻
內容簡介
圖像閾值化是圖像分割中的重要技術，《灰度圖像閾值分割法》結合作者的研究成果，從數學機理和算法角度，基於灰度直方圖統計信息，較為繫統地闡述了灰度圖像閾值分割的幾個主要方法，包括Otsu法（也稱為優選類間方差法或很小類內方差法）、很小交叉熵法、優選熵法、很小誤差法以及基於灰度共生矩陣的閾值法和其他方法。
