改进的局部递归OTSU分割算法：增强图像分割效果

"本文主要介绍了OTSU局部递归分割算法，这是一种针对OTSU算法的改进方法，旨在提高图像分割的鲁棒性和准确性。OTSU算法是1979年由N. Otsu提出的一种自动阈值选择技术，以其简单、自适应性强的特点广泛应用于实时图像处理。然而，在某些情况下，特别是当图像中的目标区域和背景区域像素数量差距较大时，OTSU算法可能会产生偏离理想阈值的结果。为解决这一问题，文章提出了改进的局部递归OTSU分割方法。 OTSU算法的核心是通过最大化类间方差（Inter-Class Variance）来找到最佳分割阈值，从而将图像分成两类，使得两类间的差异最大化，误分类的概率最小。算法首先假设图像可以被清晰地分为前景和背景，然后计算不同灰度级别的像素分布，通过使得总体方差中的类间方差达到最大来确定阈值。这个过程可以通过优化一个决策准则函数实现，该函数通常简化为与灰度级分布概率相关的表达式。 尽管OTSU算法在许多场景下表现良好，但在“双峰”直方图分布中，如果两个峰值差异显著，常规的OTSU方法可能会偏向于选择像素数量较多的一侧，从而影响分割效果。为克服这一局限，文章提出的局部递归OTSU方法引入了局部上下文信息和递归策略，对每个像素的阈值决策考虑其邻域信息，以更准确地捕捉到图像的局部特征，改善分割结果。 实验结果显示，改进的局部递归OTSU分割算法在处理像素数量相差悬殊的情况时，能够提供更好的分割效果，增强了分割的鲁棒性。通过比较红外飞机全景图像的原始分割和应用改进算法后的分割，可以看到明显的改进，尤其是在目标区域的识别上。 OTSU局部递归分割算法是对经典OTSU方法的有效补充，尤其适用于处理图像中目标区域与背景区域对比度差异大的情况。通过结合局部信息和递归策略，该方法能够在保持计算效率的同时，提高图像分割的精确度和稳定性，对于图像处理领域具有重要的理论和实践价值。"