基于边缘检测的图像分割算法研究综述.docVIP

基于边缘检测的图像分割算法研究综述

一、边缘检测与图像分割的核心关联

图像分割是计算机视觉领域的基础任务，其核心目标是将图像划分为若干具有语义一致性的区域，为后续的目标识别、场景理解、医疗影像分析等高层任务提供底层支撑。边缘作为图像中灰度值突变的区域，集中了图像的大部分特征信息，天然构成了不同区域的物理边界，因此基于边缘检测的分割方法成为图像分割领域最早成型、应用最广泛的技术路线之一。从本质上看，边缘检测与图像分割是递进互补的关系：边缘检测的输出是离散的边缘像素点集合，而图像分割需要将这些离散点连接为闭合边界，进而实现区域的划分。早期的分割算法直接以边缘检测结果作为分割依据，认为闭合边缘内部即为同一区域；随着研究深入，研究者逐渐意识到边缘检测的误差会直接传递到分割结果中，因此开始探索将边缘信息与区域特征、语义信息融合的分割框架，推动该领域从低层次视觉处理向高层次语义理解演进。

二、传统边缘检测分割算法的技术演进

（一）基于微分算子的边缘检测分割方法

20世纪60-80年代是传统边缘检测算法的蓬勃发展期，这类方法主要通过计算图像灰度的一阶或二阶导数突变来定位边缘，进而实现分割。一阶微分算子以Roberts、Prewitt、Sobel为代表：Roberts算子采用2×2邻域差分计算梯度，对高对比度边缘响应敏感，但对噪声抵抗力弱，仅适用于低噪声的简单图像分割；Prewitt算子在3×3邻