图像是人类智能活动重要的信息来源之一,是人类相互交流和认识世界的主要媒体。随着信息高速公路、数字地球概念的提出,人们对图像处理技术的需求与日俱增,同时计算机技术的发展给图像处理技术的应用提供了广阔的平台。 图像分割是一种重要的图像处理技术,也是计算机视觉领域低层次视觉中的主要问题,同时它又是一个经典难题。图像分割是由图像处理进到图像分析的关键步骤,在图像工程中占据重要的位置。一方面,它是目标表达的基础,对特征测量有重要的影响;另一方面,图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式,使得更高层的图像分析和理解成为可能。在各种图像应用中,只要需对图像目标进行提取、测量等都离不开图像分割。但由于图像信息本身的复杂性,在处理过程中可能出现不完整性和不精确性、非结构化问题,以及建模困难等,将智能的方法应用于图像分割,对于提高整个图像处理系统的实时性、自动化、智能化水平都将有很大的促进作用。 本文在研究经典的图像分割方法基础上,将智能的方法运用到图像分割中,主要内容包括:(1)经典图像分割技术;(2)基于混沌遗传算法的图像分割;(3)基于模糊集理论的图像分割。主要研究重点集中在以下几个方面: 1.在研究进化算法的基础上,研究了一种量子进化规划算法,仿真结果表明该算法比采用高斯变异的传统进化规划算法的收敛速度快,并将该算法应用于FIR数字滤波器的优化设计; 2.在分析现有混沌遗传算法的基础上,将混沌遗传算法与图像阈值分割技术融合,采用变尺度混沌遗传算法进行图像分割,仿真结果表明,与遗传算法相比,该算法用于阈值寻优减少了运算时间,提高了收敛率; 3.采用局部模糊熵的方法进行图像过渡区的提取,并基于提取出的过渡区进行图像分割。仿真结果表明,该方法对图像存在椒盐噪声或高斯噪声的情况下,分割性能优于基于梯度算子和局部熵的方法。