结合全局阈值法和局部阈值法优点, 提出一种基于图像增强的双阈值二值化方法。利用OTSU和Kittler法计算出的两个阈值, 对灰度值大于高阈值和小于低阈值的点预先处理, 再对灰度值处于双阈值之间的点用Sauvola法进行判断。双阈值不仅保留了更多细节信息, 还控制了算法的时间开销, 但是仍没有解决光照不均的图像二值化。针对此问题, 提出了一种新的图像增强算法。利用均分的4块区域与整幅图像的平均灰度值的4个差值, 结合与像素点图像位置相关的4个权值, 对图像上各个点进行相对应的灰度补偿, 反复增强, 直至4块区域的平均灰度值控制在一定范围内。经过图像增强后, 光照不均图像二值化效果有了明显的改善。

本文提出一种新的基于 Curvelet变换的文本图像二值化处理方法, 以消除文本图像中局部高亮度区域对二值化图像质量的影响。首先对具有局部高亮度区域干扰的原始文本图像进行 Curvelet变换, 得到图像在曲波域的 Curvelet系数集; 然后根据各 Curvelet系数所表征的图像特征, 对 Curvelet系数进行非线性增强, 以优化文本图像的直方图分布; 对增强的 Curvelet系数集进行反变换, 得到直方图优化后的时域图像, 进而应用 Otsu方法实现文本图像二值化。应用本文方法对具有带状及点状局部高亮度区域的文本图像进行二值化处理, 并采用 ABBYY FineReader10对二值图像进行 OCR识别。实验结果表明, 通过本文提出的处理方法所得到的二值化图像, 其字符的 OCR识别准确率最高可达 94.81%, 优于其他四种典型的图像二值化处理方法。

分析了基于LOG 算子的局部动态阈值和基于最大类间方差的全局阈值算法的基本原理，讨论了他们在机械工件数字识别中二值化的具体实现方法。针对动态阈值和全局阈值各自的优点，结合工件字符图像的特点，提出了LOG 算子的局部动态阈值和基于最大类间方差的全局阈值相结合的新方法：首先用LOG 算子的局部动态阈值算法增强字符的细节信息，较好的区分了易混淆的数字。然后利用最大类间方差的全局阈值算法对背景进行二值化。该综合算法的计算复杂度、执行时间、二值化效果以及适用范围等方面均有较佳表现，并已应用于实际系统，取得了较好的实验结果。

提出一种新的基于视觉特性的自适应阈值分割方法.利用人眼视觉对比敏感度特性把图像块分成两类，分别借助OTSU算法和模拟人眼识别过程的多尺度模糊隶属方法实现对这两类具有不同灰度特性图像块的自动阈值分割.实验结果表明，使用该方法能够有效的克服不良照明的影响，还原图像的原本特征信息，二值化效果较好.

基于多视点视图深度特征,提出一种通过简单块匹配运算划分多视点视图区域并估计区域视差的算法。首先基于深度对象的概念确定图像中具有不同深度的区域数量以及这些区域对应的区域视差,再根据误差最小化准则初步确定每个图像块所属区域。当区域中图像块数量小于某个阈值时,采用区域合并算法将该区域中的每个图像块合并到与它的视差最为接近的其它图像区域,通过迭代形成最终的有效图像区域划分。实验表明,该算法能够以图像块为基本单元有效地划分各深度层区域,并准确估计对应的区域视差。