孙雄立

(武汉理工大学信息工程学院，湖北武汉 430072)

0 引言

图像分割［1］(Image Segmentation)就是将图像表示为物理上有意义的连通区域，人们一般是通过对图像的不同特征如边缘、纹理、颜色和亮度等的分析达到图像分割的目的。图像分割通常是为了进一步对图像进行分析、识别、跟踪、理解和压缩编码等，分割的准确性直接影响后续任务的有效性，因此具有十分重要的研究意义。

1 相关工作

由于图像分割的重要作用，使其成为近年来国内外较为活跃的研究领域之一，相继有众多的学者提出了一系列的图像分割方法，这些方法依据其采用的数据表现形式和理论背景可主要分为以下类型［2］:直方图阈值法、特征空间聚类、基于区域的方法、边缘检测方法、模糊方法和神经元网络方法等。其中，由于模糊分割算法［3－5］比传统的硬分割算法能保留更多的原始图像信息，模糊分割算法引起了人们的关注，特别是模糊C均值(FCM)聚类算法作为一种无监督聚类算法已成功地应用在图像分析和图像分割等领域。

另外，还有Masooleh等［6］提出使用粒子群优化方法来优化模糊系统，并用于彩色图像分类和分割，具有最少的规则和最小的错误识别率。在该方法中，群中的每一个粒子都被编码成一个模糊规则集，适应度函数则由分类正确率的高低和规则的多少共同决定。在进化阶段，每个粒子不断调整各自的适应值。最后，适应值最高的粒子对应的规则集被选择作为用于图像分割的模糊规则集。……