Kullback-Leibler

资 源 简 介

Kullback-Leibler

详 情 说 明

Kullback-Leibler（KL）散度是一种衡量两个概率分布差异的指标，在图像处理中常用于阈值分割任务。KL重要性估计程序通过计算图像区域间的分布差异，自动确定最佳分割阈值，尤其适用于对比度不均匀的场景。

核心思路分为三步：首先将图像灰度直方图归一化为概率分布，然后迭代计算候选阈值前后两区域的KL散度值，最终选择使散度最大的阈值作为分割点。该方法比传统Otsu算法更注重分布形态差异而非类间方差，对复杂背景的图像表现出更好的鲁棒性。

MATLAB实现时需注意：处理前应进行高斯平滑消除噪声干扰，计算KL散度时需添加微小常数避免零概率问题。对于多模态直方图，可结合多阈值扩展策略。该方法的计算效率依赖于直方图分箱策略，通常256级灰度下实时性良好。

KL阈值分割在医学图像和遥感影像中效果显著，但其性能会随目标/背景分布重叠度增加而下降。后续可研究与其他特征（如纹理）的融合策略。