韩纪普，段先华，常 振

江苏科技大学 计算机学院，江苏 镇江212000

图像分割是图像理解的重要组成部分，是计算机视觉的基石，也是图像分析、图像识别等方法的首要步骤，图像分割结果的好坏会对图像的后续处理过程产生决定性的影响，在计算机视觉的产生和发展过程中，图像分割是图像工作者碰到的最困难的问题之一。图像分割即是根据图像的灰度、纹理、形状等特征将图像划分成互不相交的若干区域，同时保证区域内部在分割特征上保持各向同性，区域与区域之间在分割特征上保持各向异性。在实际应用中即为在待分割图像中提取出人们关心的区域，为图像处理中的其他方法打下基础。

在图像分割的发展历史中，阈值分割、区域生长、边缘检测是人们常用的三大类传统分割方法。近年来，随着机器学习的兴起，图像分割也呈现出了百花齐放的景象，基于机器学习的聚类分割、基于深度学习的神经网络等方法也一一涌现，而其中的区域生长算法自1976年由Zuker 等人提出以来便成为图像分割中的经典算法[1]。时至今日，区域生长法因其思想简单，且不需要先验知识便能得到良好的边界信息和分割结果等优点依然在图像分割中占有一席之地，其中最典型的区域生长法是基于小面（facet）模型的区域生长法。尽管区域生长算法在图像分割中拥有众多其他算法无法比拟的优势，但区域生长算法本身固有的缺点同样不容忽视。……