为了能够实现动态无灰度特征峰值的图像分割，提出一种基于决策树的神经网络(Decision Tree Based Neural Network，DTBNN)双阈值图像分割方法。该方法首先运用决策树与神经网络的对应关系，构建出稳定、训练高效的神经网络；然后通过实验采集的图像提取图像灰度均值，最大灰度偏差与阈值映射函数作为样本数据训练神经网络；最后采用训练好的神经网络对被测图像进行阈值映射函数筛选，并计算出被测图像的上下灰度阈值，完成对图像的双阈值分割。仿真实验表明，该方法不依赖于灰度直方图的峰值特征
