Devido à influência da proporção de tamanho entre o alvo e o fundo, ruído ou detalhes aleatórios, o histograma de tons de cinza de uma imagem em tons de cinza pode apresentar padrões sem picos, pico único, pico duplo ou múltiplos picos. Para tratar dentro de uma estrutura unificada o problema da seleção automática de limiar sob esses quatro diferentes padrões de histograma, foi proposta um método de seleção automática de limiar usando a entropia de Renyi exponencial sob o produto multiescala no domínio de wavelet estacionário. O método primeiro utiliza wavelets estacionários para realizar a transformação multiescala da imagem original nas direções horizontal, vertical e diagonal, depois realiza o produto multiescala das sub-bandas de alta frequência em cada direção para construir uma imagem integrada; em seguida, um histograma unidimensional é reconstruído por amostragem da imagem integrada usando as imagens de contorno interno e externo; finalmente, calcula-se a entropia de Renyi exponencial correspondente ao histograma reconstruído e o limiar correspondente ao valor máximo é tomado como o limiar final de segmentação. O método proposto foi comparado com quatro métodos automáticos de segmentação por limiar, dois métodos de segmentação por agrupamento e dois métodos de segmentação por contorno ativo. Os resultados experimentais em 16 imagens sintéticas e 50 imagens do mundo real mostraram que, no conjunto de imagens sintéticas, o coeficiente médio de correlação de Matthews aumentou 41,2% em comparação com o segundo método em precisão de segmentação; no conjunto de imagens do mundo real, houve um aumento de 20,8% em comparação com o segundo método. O método proposto tem uma adaptabilidade de segmentação mais robusta e uma precisão de segmentação significativamente melhor que os outros oito métodos.

segmentação por limiar; entropia de Renyi exponencial; domínio wavelet estacionário; produto multiescala