图像分割的研究从发展至今已经有几十年的时间，由于其在图像处理领域的重要性，一直都受到研究人员的高度重视。国内外对于图像分割的研究都有一些研究成果和方法，但是一直没有一种分割方法能适用于所有场景。差的分割方法由于其分割准确率难以达到要求，给进一步的图像语义分析和理解带来困难。而且目前为止，仍然没有一套判定分割算法效果好坏和适用范围的标准，这给图像分割技术的应用和研究发展带来了带来了很多的实际困难。因此，图像分割方法的研究还在不断深入，并成为图像处理领域的研究热点之一。随着计算机视觉的不断发展，很多人都对图像分割这一研究做出了自己的贡献。如2001年，卡耐基。梅隆大学的教授针对序列数据处理提出了CRF模型；2003年，博士将CRF模型扩展到2-维格型结构，开始将其引入到图像分析领域，吸引了学术界的高度关注[2]；胡德凤在《基于纹理特征图像分割的研究》中对目前应用比较广泛的一些纹理描述方法和基于纹理的图像分割方法进行了分析和总结；ZHANG Y J对于图像分割算法的评价方法做了一定综述。

图像分割在图像处理领域有着非常重要的意义，是承接底层处理和高层分析的中间层次。边缘检测的方法很早就就已经被提出，1965年出现了边缘算子检测方法。随着图像处理领域的不断发展，原来越多的边缘检测算法涌现出来，其中不乏很多经典的算法。目前的图像分割技术中，很多学者都开始将现有的很多理论运用到图像分割算法的研究中，例如遗传算法，模糊理论，数学形态学等理论。这使得图像分割的技术得以快速科学的发展[3]。82741

参 考 文 献

[1] 鲍泓,徐光美,冯松鹤,须德。 自动图像标注技术研究进展[J]。北京:计算机科学,2011：35-40。 

[2] 胡德凤。 基于纹理特征图像分割的研究[D]。安徽：合肥工业大学，2013。

[3] HANG Y J。A Survey on Evalation Methods for Image Segmetnation[J]。Pettern   Recognition。1996。29(8):1335-1346。

[4] 刘丽,匡纲要 图像纹理特征提取方法综述[期刊论文]-中国图象图形学报A 2009(4)

[5] 刘文萍,吴立德。 纹理特征提取及分割[J]。 计算机应用与软件。 2001(11) 

[6] 李航。 统计学习方法[M]。北京：清华大学出版社，2012。

[7] 王国美,陈孝威。 SIFT特征匹配算法研究[J]。盐城工学院学报（自然科学版）,2007：1-5。

[8] 刘立。基于多尺度特征的图像匹配与目标定位研究[D]。武汉：华中科技大学，2008。

[9] 高健,黄心汉,彭刚,王敏,吴祖玉。基于彩色的SIFT特征点提取与匹配[J]。计算机工程与应用,2007:10-12。

[10]刘小丹,牛少敏。一种改进的K-means聚类彩色图像分割方法[J]。湖南：湘潭大学自然科学学报，2012：90-93。

[11]阳维,林成德。Boosting算法的进展与应用[R]。中国计算机学会,2004。

[12] 卢汉清,刘静。 基于图学习的自动图像标注。 中国科学院自动化研究所, 2008。 

[13] 王梅。 基于多标签学习的图像语义自动标注研究。 复旦大学, 2008。 

[14] 李航。 统计学习方法[M]。北京：清华大学出版社，2012。

[15] 毛凌,解梅。基于高阶CRF模型的图像语义分割[J]。计算机应用研究,2013：3514-3517。