图像分割的研究现状图像分割算法至今已有几十年的历史，在这几十年中人们一直努力不懈的研究这一课题。在科学不断发展的时代，图像分割这一领域已经取得大量优秀的研究成果，美中不足的是，没有一种方法可以很全面的处理图像分割的全部情况。传统的图像分割方法存在着一些不足，无法满足人们的要求，使得对图像进一步处理、分析的过程停滞。随着计算机科学技术的进步和其他科学研究的与时俱进，结合图像增强等图像处理技术，目前已经能够在计算机上实现图像分割的处理过程。然而，时至今日，人们还没研究出最合适的分割算法来作为标准，这给图像分割技术的应用带来许多实际困难。因此，关于图像分割的研究还在进一步深入，是当下图像处理领域中研究的热点之一。81551

图像分割在图像工程中起着承上启下的作用，是介于低层次处理和高层次处理的中间层次。从1995年至今，在基于提出了检测边缘算子的边缘检测方法的基础上已经产生了众多经典算法。目前越来越多的科研人员将各种数学理论、先进的算法等理论成果与图像分割结合，产生了许多结合特定数学方法和针对特殊图像分割的先进图像分割技术。

2图像分割技术的发展趋势图像分割技术近些年飞速发展，在发展中人们主要从以下几个方向着手:(1)大量学者着重于将新的概念、方法应用于图像分割领域，例如这几年逐渐

引起人们重视的模糊算法、神经网络遗传算法、小波分析、粗集理论、数学形态学等理论都先后被应用于图像分割领域，为图像领域带来新的研究方法[15]，更重要的是这种新思路带领人们将这一研究往新的方向发展。而且随着理论的研究的深入，这个新方向必定将持续走下去。

(2)研究人员在往往会将多个分割方法结合使用，观察是否能获得更优的效果，一般有效的结合能够部分解决一种图像分割算法只能很好的分割部分图像，而无法对其他图像也能分割出较好效果的问题。这一问题在很多研究文献中都有提及。如何有效的结合并且能发挥各自的优点，弥补各自的不足，取得好的预期效果，在未来将仍是研究人员关注的主要问题之一[1]。

(3)针对一些特定领域的问题，结合特定领域的相关技术来解决图像分割问题，这一趋势目前已得到了越来越多研究者的关注。与之相对的，对单一图像分割问题的研究正在衰落。越来越多结合特定领域技术的图像分割问题正在慢慢流行起来，其中包括：医学、交通、航天、工业、农业等。论文网

(4)虽然对于彩色图像分割的研究己经有了许多成果，但是与灰度图像分割方法的多样性相比，仍是小巫见大巫。因此，关于这一课题的研究在不断的起步，发展中，有可能成为一个新的热点课题。

3遗传算法应用于图像分割的发展

遗传算法是建立在达尔文进化论之上的一种全局优化算法。它遵循“物竞天择，适者生存”的原则，具有很好的鲁棒性、组织性、自适性，能很好的融入图像分割问题，为图像分割领域带来了新的研究思路。传统的分割方法虽然也能得到最优解，但是它们的计算复杂，计算时间长，效率低，而遗传算法能在搜索空间内自动快速寻求最优解，解决了传统方法的缺陷问题。其分割效果也优于传统方法。遗传算法应用在图像领域的可以分为两个发展阶段：

第一阶段：初步运用将遗传算法运用到图像领域，并且与传统方法进行比较。这一阶段开始于上个

世纪九十年代，当时遗传算法刚刚被应用于图像分割领域，人们利用它的优点，取得了不错的图像处理效果。国外的学者在最初把遗传算法应用在纹理图像分割中，并且取得了不错的分割效果。除此之外他们还将该方法应用于车牌识别中，并与传统的霍夫变换法、灰度直方图法进行了比较，遗传算法的目标提取率达到92。8%，高出其他两种方法近十个百分点。分割效果明显高于传统方法。在同一时期国内研究人员也发现了遗传算法在图像领域的优越性，其中最具代表性的是1996年吴成柯发表的《图像分割的遗传算法方法》，文章中将传统分割方法的效率低的缺陷详细阐述。将传统的Otsu阈值分割与遗传算法方法分别在单阈值、双阈值情况下的运行时间进行了比较。传统方法的分割时间为14。56秒，而遗传算法方法仅用时0。25秒。