基於粒子群優化的圖像分割國內外研究現狀

圖像分割是圖像理解的基礎，也是圖像分析的關鍵步驟。數據表明，分割過程中使用的先驗知識越多，算法的準確率越高，分割能力越強，但分割的速度較慢。針對圖像閾值分割的魯棒性和分割速度，研究了基於圖像灰度閾值的快速分割技術和方法。主要工作是利用灰色理論、小波變換、模糊理論、模式識別、熵和直方圖等概念構建新的閾值分割模型，以提高分割質量。另壹方面，我國學者在20世紀開始關註的群體智能算法，通過其高效、並行的優化能力，用於優化分割模型，提高分割速度。主要研究成果包括:(1)結合遺傳算法、小波變換、圖像二維熵和灰色理論，提出了壹種基於二維灰度熵模型的快速SAR圖像分割方法。理論分析和實驗結果表明，與傳統的Abutaleb分割方法相比，該方法魯棒性強，分割速度明顯加快。(2)將Tsallis熵應用於圖像閾值分割，利用粒子群優化算法的並行優化能力，提出了壹種基於灰色Tsallis熵的快速SAR圖像分割方法。該方法比傳統的圖像分割方法更加靈活和快速。(3)結合模糊理論和二分法相關分析理論，提出了壹種基於灰度模糊熵的SAR圖像快速分割方法。該方法彌補了傳統模糊分割方法對噪聲的敏感性，魯棒性增強，經粒子群優化算法優化後提高了分割速度。(4)研究了模式識別理論中的Fisher準則函數，並將其作為圖像閾值的選擇準則，提出了壹種基於Fisher準則和灰度後處理的快速圖像分割方法。該方法壹方面降低了邊界信息對分割結果的影響，另壹方面借助粒子群優化算法提高了閾值的搜索速度，減少了分割時間。