计算智能系统中的图象分割—现状和进展.pdfVIP

计算智能系统中的图象分割 ——现状与进展+ 刘健勤 (中南工业大学智能控制研究所．长沙，410083) 摘要构造计算智能系统涉及机g：A．i．1觉部件时，图象分割技术是关健的一个环节，无论是市鲁克斯的 包客体系结构还是连感信．县处理智能体，都与这个传感器因素密切相关．本文以计算智能的最新挂术特点 为主线，简要综述了图象分割理论的轼·o内容和主要学术流派，着重阐述了图象分割与机器人学领域内面 向现场相关的非确定性问题，并提出了有关策略和未统开发途径．与面向21世纪机器人视觉技未趋势相啼 ‘ 旮，还简要评述了国际学术界的最新进展． 关键词图象分割}机器人视琶；计算智能 以就对象而言边缘和区域是对象论域中基本的元 1引言 素，也是我们讨论的基础，当处理图象时，灰度、 纹理、彩色、时变、噪声、立体、运动及至多维模式 机器视觉系统与机器人控制部件相协调，以产 向量均在我们使用之列，相关知识在特定问题求解 中也起到了非常重大的作用． 生整体的智能行为，这个操作必须借助于一定的环 纵观图象分割领域，其类型概括起来可列为下 境感知方式，视觉信号的处理与加工是相应交互形 囊 面5点： 式中最为常见的一种．在诸如景物理解和环境认知 情形下，图象中有意义目标的分割和准确抽取关于 (1)面向特征的过程．边缘和区域一直是各类 系统整体的功效．特别是知识处理和智能推理的镊 算法处理的特征对象，诸如采用模糊推理的图象滤 波就针对边缘的检测和追踪环节“1、数字形态学的 终决策结果．由于图象分割技术的这个特点，尽管 国内外从70年代起人们就已开发各种技术手段和 滤波器对纹理边界的定位”]、纹理区分的模板o]、 工具，基于知识的方法、神经网络的建模甚至近年 变形模板在车辆分割和分类中的使用“1、直线边缘 形状在子象素程度的准确性“”、通过扩展匹配的最 来的遗传算法这样的新方法．随着新学科的出现而 随之被引入到图象分割中，但是就计算智能的本质 优ramp边缘检测““，在该方面特别值得注意的是 而言，我们有必要把面向现场这个性能要求，作为 综合了边缘和区域检测的多标度变换，它有效地反 研究和应用工作的重点，并由此总结经验．进一步 映了视觉感知的动态特征，属于很有发展前途的一 深入探索这门交叉性技术，以力图使机器人系统中 个方面． 图象信息处理的关键技术，能够跟上计算机硬件体 (2)以统计机理为中心的构造．图象信息处理 的对象千差万别．使得人们开发的算法在适用性和 系结构和软件开发平台的飞速发展． 通用性方面遇到很大困难，目前如何开发出普遍适 2 图象分割的类型与特点 用的分割算法仍是一个难题，但是此方面确实也已 有一些可喜的进展，这主要体现在抓住随机信息处 早期的图象分割主要有边缘检测和区域生长两 理这个中心构造机制．例如基于MDL的分割o“