【正文】 ，如薛景浩等人提出的一種新的基于圖像間模糊散度的閾值化算法以及它在多閾值選擇中的推廣算法，采用了模糊集合分別表達分割前后的圖像，通過最小模糊散度準則來實現(xiàn)圖像分割中最優(yōu)閾值的自動提取。用該函數(shù)增強目標及屬于該目標的像素之間的關(guān)系，這樣得到的S型函數(shù)的交叉點為閾值分割需要的閾值，這種方法的困難在于隸屬函數(shù)的選擇。 基于模糊集理論的分割方法模糊集理論具有描述事物不確定性的能力，適合于圖像分割問題。神經(jīng)網(wǎng)絡(luò)存在巨量的連接，容易引入宅間信息，能較好地解決圖像中的噪聲和不均勻問題?；谏窠?jīng)網(wǎng)絡(luò)的分割方法的基本思想是通過訓練多層感知機來得到線性決策函數(shù)，然后用決策函數(shù)對像素進行分類來達到分割的目的。分割算法的計算饋與圖像尺寸大小呈線性變化。 基于小波變換的閾值圖像分割方法的基本思想是首先由二進小波變換將圖像的直方圖分解為不同層次的小波系數(shù)，然后依據(jù)給定的分割準則和小波系數(shù)選擇閾值門限，最后利用閾值標出圖像分割的區(qū)域。另外，傳統(tǒng)FCM算法沒有考慮空間信息，對噪聲和灰度不均勻敏感。利用模糊C均值(FCM)非監(jiān)督模糊聚類標定的特點進行圖像分割，可以減少人為的干預，且較適合圖像中存在不確定性和模糊性的特點。迭代執(zhí)行前面的步驟直到新舊類均值之差小于某一閾值。其中，K均值、模糊C均值聚類(FCM)算法是最常用的聚類算法。LoG算子和Canny算子是具有平滑功能的二階和一階微分算子，邊緣檢測效果較好。 由于邊緣和噪聲都是灰度不連續(xù)點，在頻域均為高頻分量，直接采用微分運算難以克服噪聲的影響。在實際中各種微分算子常用小區(qū)域模板來表示，微分運算是利用模板和圖像卷積來實現(xiàn)。因此常用微分算子進行邊緣檢測。 圖像中邊緣處像素的灰度值不連續(xù)，這種不連續(xù)性可通過求導數(shù)來檢測到。這種不連續(xù)性稱為邊緣。當所有像素點或者子區(qū)域完成判斷以后，把前景區(qū)域或者像素合并就可得到前景目標。分裂合并差不多是區(qū)域生長的逆過程：從整個圖像出發(fā)，不斷分裂得到各個子區(qū)域，然后再把前景區(qū)域合并，實現(xiàn)目標提取。這樣一個區(qū)域就長成了。具體先對每個需要分割的區(qū)域找一個種子像素作為生長的起點，然后將種子像素周圍鄰域中與種子像素有相同或相似性質(zhì)的像素(根據(jù)某種事先確定的生長或相似準則來判定)合并到種子像素所在的區(qū)域中。8區(qū)域生長和分裂合并法是兩種典型的串行區(qū)域技術(shù)，其分割過程后續(xù)步驟的處理要根據(jù)前面步驟的結(jié)果進行判斷而確定。第三類是數(shù)學形態(tài)學運算，它不同于常用的頻域和空域的方法，是建立在積分幾何和隨機集合論的基礎(chǔ)上的運算。圖像分類常采用經(jīng)典的模式識別方法，有統(tǒng)計模式分類和句法（結(jié)構(gòu)）模式分類，近年來新發(fā)展起來的模糊模式識別和人工神經(jīng)網(wǎng)絡(luò)模式分類在圖像識別中也越來越受到重視。隨著圖像處理研究的深入發(fā)展，已經(jīng)開始進行三維物體描述的研究，提出了體積描述、表面描述、廣義圓柱體描述等方法。作為最簡單的二值圖像可采用其幾何特性描述物體的特性，一般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。因此，對圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點之一。圖像分割是將圖像中有意義的特征部分提取出來，其有意義的特征有圖像中的邊緣、區(qū)域等，這是進一步進行圖像識別、分析和理解的基礎(chǔ)。圖像復原要求對圖像降質(zhì)的原因有一定的了解，一般講應(yīng)根據(jù)降質(zhì)過程建立降質(zhì)模型，再采用某種濾波方法，恢復或重建原來的圖像。圖像增強不考慮圖像降質(zhì)的原因，突出圖像中所感興趣的部分。編碼是壓縮技術(shù)中最重要的方法，它在圖像處理技術(shù)中是發(fā)展最早且比較成熟的技術(shù)。（2）圖像編碼壓縮圖像編碼壓縮技術(shù)可減少描述圖像的數(shù)據(jù)量（即比特數(shù)），以便節(jié)省圖像傳輸、處理時間和減少所占用的存儲器容量。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進行數(shù)字濾波處理）。不管是何種目的的圖像處理，都需要由計算機和圖像專用設(shè)備組成的圖像處理系統(tǒng)對圖像數(shù)據(jù)進行輸入、加工和輸出。提取的特征可以包括很多方面，如頻域特征、灰度或顏色特征、邊界特征、區(qū)域特征、紋理特征、形狀特征、拓撲特征和關(guān)系結(jié)構(gòu)等。（2）提取圖像中所包含的某些特征或特殊信息，這些被提取的特征或信息往往為計算機分析圖像提供便利。圖像分類常采用經(jīng)典的模式識別方法，有統(tǒng)計模式分類和句法（結(jié)構(gòu)）模式分類，近年來新發(fā)展起來的模糊模式識別和人工神經(jīng)網(wǎng)絡(luò)模式分類在圖像識別中也越來越受到重視。隨著圖像處理研究的深入發(fā)展，已經(jīng)開始進行三維物體描述的研究，提出了體積描述、表面描述、廣義圓柱體描述等方法。作為最簡單的二值圖像可采用其幾何特性描述物體的特性，一般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。因此，對圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點之一。圖像分割是將圖像中有意義的特征部分提取出來，其有意義的特征有圖像中的邊緣、區(qū)域等，這是進一步進行圖像識別、分析和理解的基礎(chǔ)。圖像復原要求對圖像降質(zhì)的原因有一定的了解，一般講應(yīng)根據(jù)降質(zhì)過程建立“降質(zhì)模型”，再采用某種濾波方法，恢復或重建原來的圖像。圖像增強不考慮圖像降質(zhì)的原因，突出圖像中所感興趣的部分。編碼是壓縮技術(shù)中最重要的方法，它在圖像處理技術(shù)中是發(fā)展最早且比較成熟的技術(shù)。 （2）圖像編碼壓縮：圖像編碼壓縮技術(shù)可減少描述圖像的數(shù)據(jù)量（即比特數(shù)），以便節(jié)省圖像傳輸、處理時間和減少所占用的存儲器容量。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計算量，而且可獲得更有效的處理。隨后又對探測飛船發(fā)回的近十萬張照片進行更為復雜的圖像處理，以致獲得了月球的地形圖、彩色圖及全景鑲嵌圖，獲得了非凡的成果，為人類登月創(chuàng)舉奠定了堅實的基礎(chǔ)，也推動了數(shù)字圖像處理這門學科的誕生。首次獲得實際成功應(yīng)用的是美國噴氣推進實驗室（JPL）。早期的圖像處理的目的是改善圖像的質(zhì)量，它以人為對象，以改善人的視覺效果為目的。2. 數(shù)字圖像處理的發(fā)展概述數(shù)字圖像處理最早出現(xiàn)于20世紀50年代，當時的電子計算機已經(jīng)發(fā)展到一定水平，人們開始利用計算機來處理圖形和圖像信