图像分割是从输入图像中提取目标或感兴趣区域的过程,是目标检测和识别过程中的重要步骤。对图像进行分割的方法有多种,阈值法是其中的一种简单实用的方法。本文对阈值法和模糊理论进行研究,并将它们结合起来以提高图像分割的准确性。本文的主要研究内容如下: 1) 分析了阈值分割方法近年来的新进展,分析了图像阈值分割中的某些经典方法,如OTSU方法、二维OTSU自适应分割法和二维最大熵法等;并对OTSU方法、和二维OTSU自适应分割法做了某些改进。 2) 讨论了模糊理论与图像阈值分割的结合问题,对基于模糊度的分割方法、基于区间估计的模糊集法、基于遗传算法的模糊集法进行了研究和实现。 3) 对自适应模糊阈值分割方法进行了深入研究,提出一种自适应选择窗口的方法,可适用于单阈值分割和多阈值分割问题。针对图像直方图为单峰、双峰不明显或谷区较宽且出现波动的情况,将已有两种直方图变换方法结合,得到一种新的直方图变换方法,进一步提高了模糊阈值分割方法的效果。 4) 针对小目标图像的分割,提出了一种图像阈值分割的逼近算法,该算法根据分割出的目标和背景的灰度统计量为判断准则,对图像的灰度统计直方图进行多次分割,可获得最佳阈值。