数字图像处理方向学术论文
6 基于脉冲耦合神经网络和进化算法的图像分割方法研究
征上。
1.2.2 基于边缘的分割方法
图像最基本的特征是边缘，它是图像局部特性不连续（或突变）的结果。例如，灰度值的突变、颜色的突变、纹理的突变等。边缘检测方法是利用图像一阶导数的极值或二阶导数的过零点信息来提供判断边缘点的基本依据，经典的边缘检测方法是构造对图像灰度阶跃变化敏感的差分算子来进行图像分割，如Robert算子、Sobel算子、Prewitt算子、Laplacian算子等。
根据检测边缘采用方式的不同，边缘检测方法大致包括以下几类：基于局部图像函数的方法、多尺度方法、图像滤波法、基于反应－扩散方程的方法、多分辨方法、基于边界曲线拟合方法、状态空间搜索法、动态规划法、边界跟踪法、哈夫变换法等。如宋焕生等人提出了多尺度脊边缘方法，该方法利用Mallat算法，对图像进行二进度小波分解，然后计算出在二进尺度空间的多尺度脊边缘及强度，最后通过脊边缘跟踪、滤波和小波反变换，得到分割结果。张静等人提出了行扫描空间带通滤波法，是在总结前人理论和使用结果的基础上提出的一种边缘提取新方法，对电视图像的自动跟踪识别有很好的效果。
1.2.3 基于区域的分割方法
区域分割的实质就是把具有某种相似性质的像素连通起来，从而构成最终的分割区域。它利用了图像的局部空间信息，可有效的克服其它方法存在的图像分割空间不连续的缺点，但它通常会造成图像的过度分割。在此方法中，如果从全图出发，按区域属性特征一致的准则，决定每个像素的区域归属，形成区域图，这常称为区域生长的分割方法；若综合利用上述两种方法，就是分裂－合成的方法。区域生长法的基本思想是将具有相似性质的像素合起来构成区域，具体做法是选给定图像中要分割的目标物体内的一个小块或者说种子区域，再在种子区域的基础上不断将其周围的像素点以一定的规则加入其中，达到最终将代表该物体的所有像素点结合成一个区域的目的，该方法的关键是要选择合适的生长或相似准则。生长准则一般可分为三种：基于区域灰度差准则、基于区域内灰度分布统计性质准则和基于区域形状准则。分裂合并法是先将图像分割成很多的一致性较强的小区域，再按一定的准则将小区域融合成大区域，达到分割图像的目的。
1.2. 4 结合特定理论工具的分割方法
图像分割至今为止尚无通用的自身理论。近年来，随着各学科许多新理论和