陈 瑶，陈 思

1.西京学院 理学院，西安 710123

2.西北工业大学 理学院，西安 710072

1 引言

随着人工智能技术（Artificial Intelligence）、计算机科学技术（Computer Science）等研究领域的深入发展，广大学者开始将数字图像处理带向更深、更高的研究水平，开始通过计算机系统对图像进行理解，尝试用计算机模仿人类视觉系统用以理解图像信息，这就是计算机视觉技术。图像分割（Image Segmentation）作为计算机视觉中的关键技术之一，是对已有的原始图像进行预处理的过程，经过预处理为后续图像的进一步精确解析做基础，因此图像分割具有承上启下的重要意义。具体来说，图像分割就是将原始图像分割成若干个不同的区域，尽管目前已提出众多边缘提取、区域分割的算法，然而还没有找到一种可以普遍适用的有效算法，因此图像分割仍然是目前研究的热点问题之一。

传统的图像分割方法主要包括：阈值分割法、聚类分割法、边缘检测法以及区域提取法。在这些方法中，阈值分割法是最常用的方法，和其他方法相比，它具有算法操作简单、计算复杂度低，分割性能稳定的优点。目前，学者们已经提出了大量关于阈值分割的综合性研究方法[1-3]。针对阈值选取问题，许多学者从原始图像的直方图中提取了一些统计属性用于阈值选择，例如最大似然方法[4]、类间方差法[5]和熵[6]。这些阈值方法大致分为两类，第一类是使用直方图的轮廓特征并找到阈值的方法。例如：Rosenfeld等人使用直方图中凹面的凸包来确定阈值选择[7]；……