红外运动目标检测算法研究+文献综述(6)
4.1 双峰法
4.1.1 双峰法原理
对于目标与背景的灰度级有明显差别的图像,其灰度直方图的分布呈双峰状,两个波峰分别与图像中的目标和背景相对应,波谷与图像边缘相对应。当分割阈值位于谷底时,图像分割可取得最好的效果。该方法简单易行,但是对于灰度直方图中波峰不明显或波谷宽阔平坦的图像,不能使用该方法.假设，一副图像只有物体和背景两部分组成，其灰度图直方图呈现明显的双峰。如下图
图4.1 双峰法灰度直方图
找出阈值T，则可以对整个图像进行二值化赋值。 通过数组记录直方图中的各像素点值的个数， 再对逐个像素值进行扫描。记录每个像素能作为谷底的范围值，接着找出能作为谷底范围最大的点作为阈值。 实现流程图：
[7] 图4.2 双峰法实现流程图
4.1.2 编程仿真
程序的实现： clear all
I=imread('31.bmp');
figure(1);
imshow(I);title('原始图像');
figure(2);
imhist(I);title('直方图');
axis([0 255 0 4000]);
th=97;
J=im2bw(I,th/255);
figure(3);
imshow(J);title('分割结果')
图4.3 原始图像
图4.4 直方图
图4.5 双峰法仿真结果
4.1.3 结果分析
如图可见目标图像与背景粘连情况较严重，原因为.阈值取得过低，使得目标附近部分背景与目标归一类。可见双峰法的缺点为双峰不是很明显的图像难以经处理得到清楚的分割图像。
4.2 最大类间方差法
4.2.1 最大类间方差法原理
最大类间方差门限法 (OTSU)是从最小二乘法的原理推导而来的，将图像分割后的类内方差应该具有最小值，类间方差应该具有最大值。