关联成像是一种通过单像素探测器以成像时间换取空间分辨率的新颖成像方案, 然而, 其存在重建质量低、数据采集时间长的问题。Hadamard编码调制计算关联成像能够实现高效率的成像, 显著提高了关联成像方案的适用性, 但是其独特的图像噪声集中现象是影响其实用化亟待解决的难题。通过分析Hadamard矩阵作为测量矩阵计算关联成像重建结果的噪声特点, 基于图像分割理论, 提出了一种利用阈值处理和形态学图像增强的Hadamard编码调制关联成像噪声压制方案, 并通过实验验证了该方案的可行性, 获得接近8 dB的光学图像增强。该方案对二值图像和灰度图像都有比较好的效果, 其工作促进了关联成像技术的实用化。

鉴于二维斜分法的优势，提出了一种快速二维直方图斜分最小误差的阈值分割方法。首先将二维直方图斜分原理运用到最小误差阈值法中使得分割更准确，然后对其阈值选取公式进行简化得到最简公式，并利用此公式导出其一般递推算法，最后将二维直方图概率分布特性与这种算法有机结合得到新型的递推算法来提高运行速度。实验结果表明，与二维直线型最小误差阈值分割法相比，算法效率更高，与其递推算法相比，所提出的新型递推算法的运行速度更快，约快4倍。

针对当前二维最小交叉熵阈值法存在计算复杂度高等问题，提出了一种改进的二维最小交叉熵阈值分割方法。首先，依据图像的含噪声类型选择邻域模板并建立相应的二维直方图来提高分割效果；然后，对二维最小交叉熵公式进行推导和简化处理，利用定义的数组运算推导出新型递推算法，再确定图像及其邻域图像的实际灰度级别范围，并用这种新算法在所求的灰度级别范围内搜索最佳阈值向量来降低计算复杂度；最后，使用关键阈值对滤波后的图像进行分割达到最佳的分割效果。仿真实验结果表明，与当前的二维最小交叉熵阈值分割法相比，本文提出的方法不仅分割性能及抗噪性能更强，而且分割时间大大减少，小于0.05 s。

最小误差阈值分割法在图像分割中有广泛的应用。本文对二维最小误差阈值法及其快速算法(在这里称为原算法)进行了改进，对原最小误差阈值法的阈值求取公式进行了变形，并采用查表的方法，将二维阈值的求取转化为两个一维阈值的求取，简化了计算，将算法的时间复杂性由O(L2)降到O(L)。本文的实验结果表明该分解算法可以在保证原算法良好抗噪性的前提下，计算阈值所需要的时间更短，利用的空间更小，且该方法可以得到与原算法相同的分割阈值。