목표와 배경의 크기 비율, 잡음 또는 무작위 세부 사항 등의 영향으로 인해 그레이스케일 이미지의 그레이스케일 히스토그램은 무봉우리, 단봉우리, 이봉우리 또는 다봉우리 패턴을 나타낼 수 있습니다. 이러한 4가지 서로 다른 히스토그램 패턴에서 자동 임계값 선택 문제를 통합된 프레임워크 내에서 처리하기 위해, 안정화 웨이브렛 도메인 다중 스케일 곱셈 하의 지수 렌이 엔트로피 자동 임계값 선택 방법이 제안되었습니다. 이 방법은 먼저 안정화 웨이브렛을 사용하여 원본 이미지를 수평, 수직 및 대각선 방향으로 다중 스케일 변환한 다음, 각 방향의 고주파 서브밴드에서 다중 스케일 곱셈 연산을 수행하여 융합 이미지를 구성합니다; 그 후 내부 및 외부 윤곽 이미지로 융합 이미지를 샘플링하여 1차원 히스토그램을 재구성합니다; 마지막으로 재구성된 히스토그램에 해당하는 지수 렌이 엔트로피를 계산하고 최대값에 해당하는 임계값을 최종 분할 임계값으로 취합니다. 제안된 방법은 4가지 자동 임계값 분할 방법, 2가지 클러스터링 분할 방법 및 2가지 활동 윤곽 분할 방법과 비교되었습니다. 16개의 합성 이미지와 50개의 실제 이미지에서의 실험 결과, 합성 이미지 세트에서 분할 정확도가 두 번째인 방법과 비교하여 평균 매튜스 상관 계수가 41.2% 향상되었으며, 실제 이미지 세트에서는 두 번째 방법과 비교하여 20.8% 향상되었습니다. 제안된 방법은 더 안정적인 분할 적응성을 가지며 분할 정확도 면에서 다른 8개 분할 방법보다 명확히 우수합니다.

임계값 분할; 지수 렌이 엔트로피; 안정화 웨이브렛 도메인; 다중 스케일 곱셈