□王媛媛

在圖像工程中，圖像分割是圖像處理中的經(jīng)典問(wèn)題，國(guó)內(nèi)外眾多學(xué)者對(duì)圖像分割涉及的各個(gè)算法技術(shù)都開(kāi)展了許多研究，目前已經(jīng)被廣泛應(yīng)用于工業(yè)醫(yī)學(xué)圖像、航空航天、地理測(cè)繪等不同專(zhuān)業(yè)領(lǐng)域。

一、圖像分割述評(píng)

圖像分割的定義是將圖像按一定條件劃分成為若干個(gè)具有不同含義的子區(qū)域，其中分割主要依據(jù)為圖像亮度值，目前有三大類(lèi)主流圖像分割算法，分別為基于區(qū)域信息的圖像分割、基于邊緣信息的圖像分割以及基于特定理論的圖像分割[2～3]。

(一)基于區(qū)域信息的圖像分割。根據(jù)亮度相似性高的像素點(diǎn)所屬為一個(gè)區(qū)域的假設(shè)所實(shí)現(xiàn)的分割算法被稱為基于區(qū)域信息的分割。其中區(qū)域生長(zhǎng)算法是最為古老的一種方法，其他典型區(qū)域分割算法還包括基于閾值的圖像分割算法和基于聚類(lèi)和分類(lèi)器的圖像分割算法。

(二)基于邊緣信息的圖像分割。圖像邊緣信息作為圖像的最基本特征之一，通過(guò)找到圖像邊界線的方式來(lái)實(shí)現(xiàn)圖像分割的算法稱之為基于邊緣信息的分割算法，其中檢測(cè)邊緣信息算法的主要依據(jù)為亮度的不連續(xù)性，較為典型的算法為邊緣檢測(cè)算法[4]。

(三)基于特定理論的圖像分割。作為研究歷史較久的圖像分割算法，不同學(xué)者在研究過(guò)程中結(jié)合其他領(lǐng)域的學(xué)科知識(shí)不斷地對(duì)已有的圖像分割算法進(jìn)行豐富和完善，形成了許多基于特定理論的分割算法，較為代表性的為基于人工神經(jīng)網(wǎng)絡(luò)的分割算法、基于模糊集理論的分割算法等。

二、區(qū)域分割

(一)研究意義?，F(xiàn)今，區(qū)域分割技術(shù)發(fā)展迅猛，總體來(lái)說(shuō)有三種發(fā)展趨勢(shì)[5]，一是區(qū)域分割算法的分割標(biāo)準(zhǔn)難以統(tǒng)一，有一部分研究人員傾向于采用結(jié)合不同區(qū)域分割算法以實(shí)現(xiàn)更好的分割，盡管取得了一定的成效，但對(duì)于不同分割算法組合方式的研究仍在完善當(dāng)中；二是通過(guò)引進(jìn)其他學(xué)科知識(shí)，通過(guò)注入新技術(shù)來(lái)完成區(qū)域分割算法，以實(shí)現(xiàn)區(qū)域分割的最佳效果；三是鑒于區(qū)域分割處理的應(yīng)用面越來(lái)越多，處理的數(shù)據(jù)量也與日俱增，更多學(xué)者致力于提高區(qū)域分割算法的效率，主要途徑為應(yīng)用各類(lèi)架構(gòu)及其適用的各類(lèi)并行算法來(lái)實(shí)現(xiàn)算法的并行優(yōu)化。

(二)算法分類(lèi)。

1.基于區(qū)域生長(zhǎng)的區(qū)域分割。區(qū)域生長(zhǎng)算法作為發(fā)展歷史較久的區(qū)域分割算法，具有較高的應(yīng)用普遍性。種子點(diǎn)是區(qū)域生長(zhǎng)算法中非常重要的一個(gè)概念，算法選取合適的種子點(diǎn)，通過(guò)種子點(diǎn)的不斷生長(zhǎng)蔓延，實(shí)現(xiàn)不同區(qū)域的匯集，從而完成圖像區(qū)域的分割。

2.基于區(qū)域分裂與合并的區(qū)域分割。與區(qū)域生長(zhǎng)算法不同，區(qū)域分裂與合并過(guò)程為區(qū)域生長(zhǎng)過(guò)程的逆過(guò)程。區(qū)域分裂與合并算法的起點(diǎn)為圖像，明確一定的分割準(zhǔn)則，通過(guò)遞歸的方式不斷地將圖像劃分為若干具有不同含義的子區(qū)域，子區(qū)域根據(jù)準(zhǔn)則相應(yīng)的實(shí)現(xiàn)再分裂或合并，直到形成具有較高分布均勻性的子區(qū)域，即完成區(qū)域分割過(guò)程。

3.基于閾值的區(qū)域分割?；陂撝档膮^(qū)域分割算法是應(yīng)用較為廣泛，且實(shí)現(xiàn)較為簡(jiǎn)單的區(qū)域分割算法。閾值的選擇為算法的關(guān)鍵，算法主要根據(jù)閾值來(lái)對(duì)圖像的各個(gè)像素點(diǎn)進(jìn)行劃分，通過(guò)將不同像素點(diǎn)劃分到不同集合，進(jìn)而實(shí)現(xiàn)圖像的區(qū)域分割。一般來(lái)說(shuō)，閾值的多少?zèng)Q定了最后分割區(qū)域的個(gè)數(shù)。由于實(shí)現(xiàn)簡(jiǎn)單，閾值分割的結(jié)果往往存在精度不高的問(wèn)題?，F(xiàn)有的較為代表性的閾值分割算法主要包括最大類(lèi)空間分割方法、最大熵分割法等。

4.基于分類(lèi)器的區(qū)域分割[7]。在模式識(shí)別領(lǐng)域，分類(lèi)屬于一種較為基礎(chǔ)的統(tǒng)計(jì)分析方法。訓(xùn)練樣本集的選擇是分類(lèi)器算法的關(guān)鍵，基于分類(lèi)器的區(qū)域分割的原理是根據(jù)訓(xùn)練樣本集對(duì)圖像進(jìn)行分割，該算法適用于多通道圖像，且具有實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小等優(yōu)點(diǎn)?；诜诸?lèi)器的區(qū)域分割主要可以分為無(wú)參數(shù)分類(lèi)器和有參數(shù)分類(lèi)器兩種，其中K近鄰和Parazen窗是兩種較為代表性的無(wú)參數(shù)分類(lèi)器算法。

5.基于聚類(lèi)的區(qū)域分割?；诰垲?lèi)的區(qū)域分割算法與基于分類(lèi)器的區(qū)域分割算法在核心思想上較為類(lèi)似，這兩種算法之間最大的不同是基于聚類(lèi)的分割不需要訓(xùn)練樣本集。算法過(guò)程主要是通過(guò)對(duì)圖像信息的特征值進(jìn)行迭代的分類(lèi)和提取，從而將圖像劃分成為不同的子集。盡管作為自我訓(xùn)練算法，聚類(lèi)分割不需要訓(xùn)練樣本集，但算法仍然需要一個(gè)初始分割參數(shù)，該參數(shù)的選擇對(duì)最終的分類(lèi)結(jié)果具有較大的影響，也因此聚類(lèi)分割對(duì)噪聲較為敏感，這也是聚類(lèi)分割算法的主要缺陷。

(三)算法評(píng)價(jià)。對(duì)于區(qū)域分割算法的評(píng)價(jià)主要從主客觀兩個(gè)角度進(jìn)行評(píng)估。其中主觀評(píng)價(jià)的評(píng)判標(biāo)準(zhǔn)主要以主觀因素為主，不容易被量化和計(jì)算，應(yīng)用型不強(qiáng)；客觀評(píng)價(jià)的評(píng)判標(biāo)準(zhǔn)一般為量化的參數(shù)指標(biāo)，對(duì)比主觀評(píng)價(jià)來(lái)說(shuō)，具有較高的參考價(jià)值。由于區(qū)域分割算法種類(lèi)較多，分割結(jié)果不同，目前仍然不存在一個(gè)能適用于所有區(qū)域分割算法的統(tǒng)一標(biāo)準(zhǔn)，應(yīng)用較為廣泛的評(píng)價(jià)標(biāo)準(zhǔn)主要包括以下三種。

1.根據(jù)分割得到的不同區(qū)域之間的差異性、對(duì)比度進(jìn)行算法評(píng)估。區(qū)域分割算法最終得到的是具有較大差異，且分布均勻的子區(qū)域，通過(guò)對(duì)各個(gè)子區(qū)域之間的對(duì)比度進(jìn)行分析，可以較為直觀地對(duì)區(qū)域分割算法進(jìn)行評(píng)判。

2.根據(jù)分割結(jié)果的錯(cuò)誤率進(jìn)行算法評(píng)估。由于區(qū)域分割算法種類(lèi)繁多，且分割依據(jù)各有不同，分割結(jié)果也會(huì)存在著不同的錯(cuò)誤像素點(diǎn)數(shù)。通過(guò)統(tǒng)計(jì)不同算法的錯(cuò)誤率可以較為客觀地統(tǒng)計(jì)算法的質(zhì)量。

3.根據(jù)分割子區(qū)域的內(nèi)部均勻性進(jìn)行算法評(píng)估。區(qū)域分割所得到的各個(gè)子區(qū)域內(nèi)部具有較大的相似性，因此對(duì)區(qū)域內(nèi)部的均勻度的考查也能作為對(duì)分割結(jié)果進(jìn)行評(píng)估的重要指標(biāo)。

如今，基于區(qū)域的分割算法的評(píng)價(jià)標(biāo)準(zhǔn)多種多樣，但并不存在一個(gè)通用的區(qū)域分割算法評(píng)估標(biāo)準(zhǔn)，因此，對(duì)區(qū)域分割評(píng)價(jià)標(biāo)準(zhǔn)的深入研究應(yīng)該成為未來(lái)研究的主要方向，從而保證區(qū)域分割的精度和質(zhì)量。

三、結(jié)語(yǔ)

縱觀近年來(lái)與圖像分割相關(guān)領(lǐng)域的文獻(xiàn)，可以得出基于區(qū)域信息的圖像分割仍是研究的熱點(diǎn)和難點(diǎn)，基于區(qū)域信息的分割從本質(zhì)上來(lái)說(shuō)是一個(gè)聚類(lèi)的問(wèn)題，對(duì)于區(qū)域分割的評(píng)價(jià)目前也存在理論體系不完善和通用性不高等問(wèn)題，因此，找到能實(shí)現(xiàn)分割成滿意的分割結(jié)果的區(qū)域分割算法以及相應(yīng)評(píng)價(jià)體系仍有很長(zhǎng)的路要走。