图像分割就是指把图像分成各具特性的区域并提取出自己感兴趣目标的一种技术和过程,是图像处理、分析和理解等领域中的一项关键技术,也是计算机视觉领域的一个基本且很重要的问题。目前图像分割技术已被广泛应用于很多的领域,如工业自动化、文本图像处理、在线产品检验、遥感和生物医学图像分析、保安监视、以及军事、体育、农业工程等。基于阈值算法的图像分割因其计算简单,具有较高的运算效率,性能较稳定而成为图像分割领域应用最为广泛的分割方法。基于阈值算法的图像分割主要分为:Otsu方法、最大熵方法、最小误差法以及这些方法的推广。Otsu方法又称最大类间方差法,是一种最常用的阈值算法,但它只针对灰度直方图呈明显双峰特征的图像。基于这个原因,刘健庄提出了二维的Otsu方法,以像素灰度作为第一维,邻域平均灰度作为第二维,以此来达到好的分割效果。实践证明,二维Otsu方法对含噪声的图像以及分布不均匀的图像分割效果并不是太理想。近年来,景晓军又引入邻域中值作为第三个特征,提出了三维Otsu方法。此方法对低对比度、低信噪比的图像具有较好的分割效果,但是该方法的计算时间和计算复杂度相当高,其中计算复杂度高达O ( L~6 )。针对这个问题,本文提出了分解的三维Otsu方法:在传统三维Otsu方法的基础上,结合分割准则,将三维Otsu方法分解为三个一维Otsu方法,在达到传统三维Otsu方法分割效果的同时,显著提高了计算速度,降低了计算复杂度,计算复杂度降为O ( L )。经证明,Otsu方法是一种加权的C-均值聚类算法,然而C-均值聚类算法的应用是有条件的,一般适用于团状的、每类样本数相差不大的数据集。对于不呈团状的、每类样本数相差较大的图像(即图像中目标和背景分布极不平衡),用Otsu分割方法提取出的目标可能与实际需要的目标不一致。针对此问题本文结合信息论等角度提出了一种新的加权三维Otsu方法,此方法不仅解决了二维Otsu方法对噪声敏感的问题,还运用三维分解的思想解决了运算时间长的问题,最重要的是对不同维加权可以调节加权因子,有效地利用了不同维对图像的分割作用进行分割,放宽了Otsu方法的应用门槛。