雍玉洁，顾 华

(河海大学理学院，江苏 南京 211100)

0 引 言

图像分割的实质是将图像按某种特质对像素进行聚类的过程，是图像处理[1-2]的重要组成部分，其目的是从图像中提取出人们感兴趣的部分以便于进行下一步处理。图像分割技术[3]也是当前图像工程中需要研究的热门项目。目前比较经典的图像分割技术大多分为2种:

1)根据颜色、纹理等区域因素进行聚类，即在整个图像中将具有相似颜色或纹理的区域分为一类,完成分割。传统的区域分割方法主要有区域生长法[4]、区域分裂与合并方法[5]和阈值分割[6]方法等。区域分割方法的优点在于可以得到连续的区域，区域间的边缘也比较完整，但是也可能由于图像的颜色纹理的变化较多，造成过度分割。

2)基于边界因素的分割方法，即通过提取各种边缘特征信息来搜索不同区域之间的边界，从而完成图像分割[7-8]。传统的方法是利用边缘检测算子来搜索边界，这类方法由于检测速度比较快而被广泛利用。经典的边缘检测算子主要有Sobel算子[9]、Prewitt算子[10]、Robert算子[11]、LoG算法[12]、Canny算子[13-14]等。近年来边界模型[15-16]的方法也比较流行，这种方法一般通过将梯度作为边缘停止函数引入能量函数来分割图像。其优点是对高对比度的目标计算成本低，结果精度高，缺点是对噪声过于敏感。边界方法的主要优点在于它可以更好地刻画图像边界，将图像的不同区域清晰地分割出来，但是这类方法无法得到较好的区域结构，致使分割后无法得到连续的区域。……