数字图像处理方向学术论文
4 基于脉冲耦合神经网络和进化算法的图像分割方法研究
图1.1 图像分割的地位
图像分割是一种关键的图像处理技术。作为后续图像分析和图像理解的基础，图像分割技术一直是图像理论发展的瓶颈之一；另一方面，图像分割在实际中的应用非常广泛，对图像目标的提取、测量都离不开图像分割，分割的准确性直接影响后续任务的有效性。
图像分割又是一种特殊的图像处理技术。像素级的图像处理可以分成两类，一类是针对像素值的处理，另一类是针对像素分类的处理。图像降噪技术、图像编码技术、数字水印技术等虽然各有特点和应用领域，但其实质上都是针对像素值的操作。不同于这些技术，图像分割其实质是一个按照像素属性（灰度、纹理、颜色等）进行聚类的过程。
基于此，许多聚类算法被应用于图像分割领域并取得了较为满意的效果，但由于图像数据的特殊性，并不是所有的聚类算法都能直接应用于图像分割，有的算法需要改进，有的算法根本不适合这个领域的分类；而且，有的分割算法中分类思想体现的比较明显，一些则不明显。也就是说，聚类算法应用于图像分割领域是有其特点的。
1.2 图像分割方法
图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，至今已提出上千种分割算法。但因尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用分割算法。另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。最近几年又出现了许多新思路、新方法或改进算法。对一些经典方法和新出现的方法进行总结，大体可以将图像分割方法分为阈值分割方法、边缘检测方法、区域提取方法和结合特定理论工具的分割方法4类。