灰度图像阈值分割法

图像阈值化是图像分割中的重要技术，《灰度图像阈值分割法》结合作者的研究成果，从数学机理和算法角度，基于灰度直方图统计信息，较为系统地阐述了灰度图像阈值分割的几个主要方法，包括Otsu法（也称为优选类间方差法或最小类内方差法）、最小交叉熵法、优选熵法、最小误差法以及基于灰度共生矩阵的阈值法和其他方法。

前言
第1章 绪论
1.1 图像分割
1.2 灰度图像模型
1.3 灰度图像分割质量评价准则
1.3.1 主观评价准则
1.3.2 客观评价准则
1.3.3 测试用灰度图像
参考文献
第2章 判别分析阈值法Ⅰ――基于平方距离
2.1 优选类间方差法
2.1.1 一维优选类间方差法
2.1.2 一维优选类间方差法的改进
2.1.3 二维优选类间方差法
2.1.4 曲线阈值型二维优选类间方差法
2.1.5 三维优选类间方差法
2.2 二维灰度直方图的投影阈值法
2.2.1 很好投影阈值法
2.2.2 二维直方图的Fisher分割法
2.2.3 二次曲线判别方法
2.3 聚类分析法
参考文献
第3章 判别分析阈值法Ⅱ――基于信息距离
3.1 最小交叉熵法
3.1.1 一维最小交叉熵法
3.1.2 二维最小交叉熵法
3.1.3 直线阈值型二维最小交叉熵法
3.1.4 最小散度法
3.2 最小卡方统计法
3.2.1 最小卡方统计法Ⅰ
3.2.2 最小卡方统计法Ⅱ
3.2.3 最小卡方统计法Ⅲ
3.3 最小Tsallis交叉熵法
3.4 最小Renyi交叉熵法
3.5 最小倒数交叉熵法
3.6 最小指数交叉熵法
3.7 最小itakura-Saito散度法
参考文献
第4章 信息熵阈值法
4.1 优选后验信息阈值法
4.1.1 优选后验熵阈值法
4.1.2 约束条件下的优选后验熵阈值法
4.1.3 优选阈值化图像信息阈值法
4.2 优选广延熵阈值法
4.2.1 一维优选广延熵阈值法
4.2.2 二维优选广延熵阈值法
4.3 优选非广延熵阈值法
4.3.1 一维优选Tsallis熵阈值法
4.3.2 一维优选Arimoto熵阈值法
4.3.3 一维优选Kaniadakis熵阈值法
4.3.4 一维优选Masi熵阈值法
4.4 优选空间图像熵阈值法
参考文献
第5章 模型匹配阈值法
5.1 正态分布假设下的最小误差阈值法
5.1.1 一维最小误差阈值法
5.1.2 二维最小误差阈值法
5.1.3 二维直线阈值型最小误差阈值法
5.2 泊松分布假设下的最小误差阈值法
5.2.1 泊松分布假设下的一维最小误差阈值法
5.2.2 等价描述
5.3 瑞利分布假设下的最小误差阈值法
5.3.1 瑞利分布假设下的一维最小误差阈值法
5.3.2 等价描述
参考文献
第6章 共生矩阵阈值法
6.1 对称共生矩阵阈值法
6.1.1 对称共生矩阵
6.1.2 基于繁忙度的阈值法
6.1.3 基于均值的阈值法
6.2 非对称共生矩阵阈值法
6.2.1 非对称共生矩阵
6.2.2 优选熵阈值法
6.3 均匀概率阈值法
6.3.1 基于相对熵的阈值法
6.3.2 最小平方距离的阈值法
6.4 最小空间熵阈值法
参考文献
第7章 其他阈值法
7.1 P-分位数法
7.2 一致误差阈值法
7.3 矩量保持阈值法
参考文献