模糊集理论在图像分割中的应用综述  

Survey on application of fuzzy set theory for image egmentation

作　　者：劳丽[1] 吴效明[1] 朱学峰[2] 

机构地区：[1]华南理工大学生物力学研究所,广州510640 [2]华南理工大学自动化科学与工程学院,广州510640

出　　处：《中国体视学与图像分析》2006年第3期200-205,共6页Chinese Journal of Stereology and Image Analysis

摘　　要：图像分割是许多图像分析和图像处理过程中的重要步骤。由于人的视觉特性和数字图像本身所具有的模糊性,使得图像分割问题是典型的结构不良问题,由Zadeh提出的模糊集合论具有描述不良问题的能力,模糊集合论应用于图像分割是针对图像模糊性非常有效的方法。目前模糊集理论在图像分割中的应用有许多成功的方法。本文就基于模糊理论的图像分割方法进行了综述,主要归纳了模糊阈值分割、模糊聚类分割以及模糊神经网络分割等方法并简要讨论了各种方法的特点。Image segmentation is an important step in image analysis and processing. It is a difficult problem because of the inherent vagueness of the human vision and the digital image. Fortunately, fuzzyset theory, which was devised by Zadeh, can depict the ambiguities and is an effective method in image segmentation. There are many successful fuzzy set theory methods in image segmentation. This paper reviews the utilization of fuzzy set theory in image segmentation, focusing on fuzzy threshold segmentation, fuzzy clustering segmentation, fuzzy neural networks and etc.

关 键 词：模糊集理论 模糊逻辑 图像处理 图像分割 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]