第1章 绪论
1.1 研究背景和意义
视觉使人类得以感知和理解周边的世界，而图像则因其直观、表现内容丰富等特点，被视为传递信息最理想的载体之一[1]。据统计，在人类接受的信息中，图像等视觉信息所占的比例达到75%。随着现代物理学、成像技术、计算机技术、通信技术的发展，模拟图像逐渐被分辨率更高的数字图像取代。数字图像是由模拟图像在连续空间进行离散化得到的、以像素为基本元素的、可以用数字计算机或数字电路存储的图像数据。为了改善图像的视觉效果并提高图像的实用性，一般利用计算机技术或其他数字技术对图像信息进行某些数学运算和各种加工处理，这个过程称为数字图像处理[2]。数字图像处理起源于20世纪20年代，随着计算机在20世纪50年代的进一步发展，研究人员逐渐认识到数字图像处理的重要性，对此进行系统的分析和研究工作就此展开。20世纪60年代初期，数字图像处理已经作为一门独立的学科开始发展；20世纪后期，随着数字技术和微电子技术的迅猛发展，很多先进的图像处理方法和设备陆续出现，数字图像处理因其日益广泛的应用而逐渐从信息处理、自动控制系统论、电视技术、数据通信等学科中分离，形成了以“图像信息的获取、储存、传输、变换、显示、分析、理解与综合应用”为场景的崭新学科[3]。
图像处理主要研究的内容有图像变换、图像压缩编码[4][5]、图像增强[6][7]和复原、图像分割[8]、图像识别[9]、图像分析和理解。图像处理系统的基本构成如图1-1所示，将图像进行适当的加工和处理后，可以进一步优化和提升视觉效果，提高视觉质量。处理后的图像变得更加规范、有序，更容易被计算机提取某些特征来进行分析、处理和识别。
图1-1 图像处理系统的基本构成
从图1-1中可以看出，图像分割是图像处理中最基本、最关键的步骤之一，它为图像的进一步处理（识别、理解等）提供了基础判别数据，它是联系低层次的图像处理和高层次的图像视觉理解的桥梁。图像分割是后续的目标检测、目标识别、对象追踪等图像理解领域的基础课题，分割中产生的误差会向上传递到高层次的图像分析与理解阶段，因此图像分割的准确与否直接影响后续图像处理应用层的精确性与有效性[10]。
在图像的分析处理中，人们常常将图像分为前景（目标）和背景。前景是指研究人员感兴趣的具有特定特征或性质的连续区域，前景之外的部分称为背景。图像分割所要研究和解决的问题就是如何将图像中感兴趣的前景区域和背景准确分离，进而为后续的图像分析和理解提供基础。从广义上讲，图像分割是指按照某种特殊属性将图像分成不同的区域，这里的特性可以是像素的灰度、颜色、纹理等，每一个区域都满足特定区域的一致性，互不交叉。从形式化的角度讲，借助于集合概念，图像分割的定义如下[11]：
将整个图像区域I划分为N个满足下列条件的非空子集（子区域）I1, I2, …, IN：
（1）∪Ni=1Ii=1；
（2）对于i, j∈[1, N]，且i≠j, Ii∩Ij=∅；
（3）对于i∈[1, N]，有P（Ii）=TRUE；
（4）对于i, j∈[1, N]且i≠j，有P（Ii∪Ij）=FALSE；
（5）对于i∈[1, N], Ii为连通区域。
即所有子区域的并集为整个图像区域I，任意两个不同的子区域的交集为空，子区域不重叠。P（Ii）是对所有在集合Ii中元素的逻辑谓词。
图像分割算法在图像处理中占有重要地位，从而吸引了很多研究人员的关注，并在近几十年得到了快速发展，各种优秀的算法被相继提出，每年有大量研究成果和论文涌现。但是，这些算法都是针对某一类具体的研究对象而产生的，至今仍存在分割算法的通用性差、分割精度不高和计算效率低等问题。造成这一现象的原因主要有以下两点：
（1）图像分割问题的解不具有唯一性，一幅图像中包含边缘、形状、色彩和纹理等各种不同的特征，而这些特征难以用统一的方法来表示，因而在实际应用中只能根据不同主体和不同任务的需求来选择合适的分割方法。
（2）由于图像数据的多样性和复杂性（例如，医学图像具有低对比度和高噪声等特征，红外船舶图像的背景比较复杂等），图像的结构性质呈现迥然相异、各不相同的特性，因此图像分割的难点之一就是寻找图像、图像前景和背景的深层次的本质特征，建立相关模型。
目前，图像分割在智能交通[12]、生物医学图像处理[13-16]、工业自动化生产[17]、遥感卫星图像处理[18]、视频图像处理[19][20]、安全监控以及军事[21]等领域都得到了广泛应用。例如，在生物医学领域，通过提取图像中器官组织的结构区域，可以为医生分析器官体的数据信息、组织结构细胞的识别等方面提供帮助；在智能交通领域，将视频序列中的目标车辆从背景中提取出来，有助于定位和识别车牌；在遥感图像领域，利用遥感数据进行海洋监测和海洋污染监控时，需要通过图像分割来提取图像中的海岸线；在军事领域，可以通过图像分割为目标的自动识别提供参数，等等。图1-2（书后附彩插）所示为图像分割的应用场景。可以说，在所有图像处理过程中，只要涉及对图像目标的提取、测量和分析，就离不开图像分割。
图1-2 图像分割的应用实例