数字图像处理方向学术论文
第一章 绪论 7 新方法的提出，人们也提出了许多与一些特定理论、方法和工具相结合的分割技术。
（1）基于数学形态学的分割技术 其基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。
（2）基于模糊技术的图像分割方法 基于模糊集合和逻辑的分割方法是以模糊数学为基础，利用隶属度决定图像中由于信息不全面、不准确、含糊、矛盾等造成的不确定问题，此方法在医学图像分析中有广泛的应用。
（3）基于人工神经网络的图像分割方法 基于神经网络的分割方法的基本思想是通过训练多层感知机来得到线性决策函数，然后用决策函数对像素进行分类来达到分割的目的。
（4）遗传算法在图像分割中的应用 遗传算法是基于进化论自然选择机制、并行的、统计的、随机化搜索方法。对此，科学家们进行了大量的研究工作，并成功地将它们运用于各种类型的优化问题，在分割复杂的图像时，人们往往采用多参量进行信息融合，在多参量参与的最优值的求取过程中，优化计算是最重要的，把自然界的特征应用到计算机算法中，将能解决很多困难。遗传算法的出现为解决这类问题提供了新而有效的方法，它不仅可以得到全局最优解，而且大量缩短了计算时间。
1.3 图像分割评价
为了把握图像分割算法的性能, 需要对各种算法进行评价。分割评价是改进和提高现有算法的性能, 改善分割质量和指导新算法研究的重要手段。
1.3.1 图像分割评价的内容
图像分割评价主要有两方面的内容：一是研究各种分割算法在不同分割情况中的表现，掌握如何选择和修正其参数的位置，以适应分割具有不同内容的、在不同条件下获得的图像的需要；二是分析比较多种分割算法在分割相同图像时的性能，确定各种算法的优劣，以帮助在具体分割应用中选取合适的算法。这两方面的内容是互相关联的。
1.3.2 图像分割评价的方法
人们在评价图像分割技术方面，提出了多种评价方法[44-45]。从研究的角度来说，这些方法可分为两类：一类可称为直接法，也可叫分析法：另一类可称为间