数字图像处理方向学术论文
8 基于脉冲耦合神经网络和进化算法的图像分割方法研究
接方法，也可叫实验法。它们各自的特点及相互间的区别如图1.2所示。在图1.2中我们给出一个简单的分割流程示意图（点划线框内），不同评价方法的作用点也标在图上。由图1.2可见，图像分割是利用一定的分割算法把输入初始图像转变为输出分割图像的过程。这个过程与分割算法、输入图及输出图都有关系。同样要评价分割技术，各种方法的作用点不同。直接评价法研究分割算法本身，分析其原理、性质、特点，从而推断和评判算法的优劣；而间接评价法是去研究输出分割图的质量，或由输入图像得到的参考图与输出图的差别，从而通过归纳总结得到分割算法的性能。同样要评价分割技术，各种方法的难易程度也不同。用间接法评判算法需要用算法对图像进行分割实验以得到输出分割图（有时还需要获得参考图像），而用直接法则只需要对算法本身进行分析就可以了。
图1.2 图像分割评价的不同方法示意图
不管是直接法或间接法，它们基本上都有两个关键步骤或内容：一个是对分割算法进行分析或实验的机制和途径；另一个是用来评判算法特性的评价准则，也叫测度或指标。评价准则对直接法或间接法都很重要。对直接法来说，要分析算法的某些特性，需要有衡量这种特性的测度。算法的特性要根据这种测度才能进行判别和比较。对间接法来说，因为它们是靠对图像的分割结果进行研究来决定所用分割算法的性能，因而定量的（可比的）和客观的评价指标是非常关键的，算法的优劣就是靠指标值来确定的。由此可见，要对图像分割进行评价，必须采用合适有效的性能评价准则。
1.3.3阈值分割的量化评价指标
阈值化分割方法是一种广泛使用的图像分割技术，它利用图像中要提取的目标与背景的灰度、纹理等特性的差异确定一个合适的阈值，将图像中每一个像素点划分为属于目标或背景区域，输出一幅二值图像。阈值的选取是阈值分割方法的关键，根据分割算法所使用图像信息的不同，Sezgin和Sankur[37]将阈值分割算法分成六大类，分别为基于直方图形状的方法、基于聚类的方法、基于熵的方法、