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

图像分割是计算机视觉领域的核心基础任务，其目标是将图像划分为若干个具有特定语义属性的区域，为后续的目标检测、图像识别、场景理解等高层任务提供关键支撑。边缘检测作为图像分割中最经典的技术路径之一，通过提取图像中灰度、纹理、颜色等特征发生突变的像素点集，勾勒出不同区域的边界轮廓，进而实现区域的划分。经过半个多世纪的发展，基于边缘检测的图像分割算法已经从早期的简单算子演化到如今融合深度学习、多模态信息的复杂框架，在医疗影像分析、自动驾驶感知、工业缺陷检测、遥感图像解译等领域展现出了巨大的应用价值。

一、传统边缘检测分割算法的技术演进

（一）一阶微分边缘检测算子

一阶微分算子是边缘检测技术的起点，其核心思想是通过计算图像灰度的梯度幅值来定位边缘点，认为梯度幅值大于阈值的位置即为区域边界。1965年提出的Roberts算子是最早的边缘检测算子之一，它采用2×2邻域的差分计算梯度，对垂直和水平方向的边缘响应敏感，计算速度极快，但对噪声的鲁棒性较差，容易检测出虚假边缘，适合处理低噪声、高对比度的简单图像。1969年提出的Prewitt算子将邻域扩展到3×3，通过分别计算水平和垂直方向的灰度差分得到梯度，引入了邻域平滑的思想，抗噪声能力相比Roberts算子有明显提升，但对边缘的定位精度有所下降，且对斜向边缘的检测效果较差。1970年的Sobel算子在Prewi