ターゲットと背景のサイズ比やノイズ、ランダムな細部などの影響により、グレースケール画像のグレースケールヒストグラムはピークなし、単峰、二峰、または多峰のパターンを示す可能性があります。これら4つの異なるヒストグラムパターンに対する自動しきい値選択問題を統一的な枠組みで処理するために、定常小波領域の多尺度積下での指数Renyiエントロピーによる自動しきい値選択方法が提案されました。本方法ではまず定常小波を用いて原画像を水平、垂直、斜め方向に多尺度変換し、各方向の高周波サブバンドに対して多尺度積算を行い融合画像を構築します。その後、内外輪郭画像によって融合画像をサンプリングし1次元ヒストグラムを再構築します。最後に再構築されたヒストグラムに対応する指数Renyiエントロピーを計算し、最大値に対応するしきい値を最終的な分割しきい値として採用します。提案手法は4種類の自動しきい値分割法、2種類のクラスタリング分割法および2種類のアクティブ輪郭分割法と比較されました。16枚の合成画像と50枚の実世界画像上での実験結果は、合成画像集において分割精度で第2位の手法に比べ平均マシューズ相関係数が41.2%向上し、実世界画像集においては第2位の手法に比べ20.8%向上したことを示しています。提案手法は安定した分割適応性を持ち、分割精度において他の8つの手法よりも明らかに優れています。

しきい値分割;指数Renyiエントロピー;定常小波領域;多尺度積