， ，，，

(山东理工大学电气与电子工程学院，山东淄博255049)

在工业、农业、医学等领域中颗粒物质是普遍存在的，为了准确检测颗粒数量以及颗粒的粒径、粒形参数，需要利用图像处理技术对采集的颗粒图像进行处理，将目标区域从图像中提取出来，并将粘连的颗粒图像分割成单个区域，因此图像分割成为图像识别中至关重要的环节，但在实际图像处理过程中，由于颗粒本身形状不规则、大小参差不齐等原因，使得分割颗粒图像更加困难。

针对不同类型的粘连颗粒图像，学者们提出了各种分割方法及其改进方法。基于形态学操作的图像分割算法[1-2]具有方法简单、速度快等特点，但对粒径差距大、粘连程度高的颗粒分割效果不理想。基于凹点匹配的图像分割算法[3-4]，该算法的分割效果依赖于能否正确匹配凹点，但在实际应用中对于粘连情况比较复杂的颗粒图像，凹点就难以正确有效的匹配，导致未分割或错误分割。Vincent等[5]提出快速分水岭分割算法，可得到单像素封闭的分割图像，该算法对于微弱边缘有良好的响应，是图像分割中经典有效的一种算法，但由于颗粒图像本身局部不规则或其他原因，使得图像在分割过程中出现大量的伪极值点，容易造成严重的过分割。Qin等[6]提出基于扩展极大值变换的分水岭分割算法，通过不断迭代寻找最佳阈值，每次迭代重新进行分水岭算法，运算非常耗时。王鑫等[7]提出基于迭代腐蚀的分水岭分割算法，对于粘连程度高的颗粒容易造成欠分割情况。……