1、圖像分割是圖像識(shí)別與理解中的關(guān)鍵步驟之一，圖像分割質(zhì)量的好壞將直接影響圖像識(shí)別與理解的結(jié)果。近年來(lái)，人們已經(jīng)提出了大量的圖像分割方法，大體上可以分為三類(lèi):基于閾值的分割法、基于邊緣的分割法以及基于區(qū)域的分割法。由于單一方法在分割上有時(shí)候表現(xiàn)的力不從心，從而，將多種方法相結(jié)合成為圖像分割的一種趨勢(shì)。
　　本文在對(duì)圖像分割方法進(jìn)行綜合研究的基礎(chǔ)上，充分利用小波分析以及形態(tài)學(xué)在邊緣檢測(cè)中的優(yōu)勢(shì)，結(jié)合區(qū)域生長(zhǎng)算法，研究了一種綜合邊緣檢測(cè)和

2、區(qū)域生長(zhǎng)的圖像分割算法。本文的主要工作有以下幾點(diǎn):
　　(1)針對(duì)傳統(tǒng)的邊緣檢測(cè)算法存在的不足，本文基于修正的邊緣檢測(cè)算子和形態(tài)濾波思想，采用多尺度和多結(jié)構(gòu)元素，提出了一種新的多結(jié)構(gòu)多尺度形態(tài)學(xué)灰度圖像邊緣檢測(cè)算法，通過(guò)構(gòu)造新算子實(shí)現(xiàn)邊緣檢測(cè)。在該算法中，分別將各個(gè)結(jié)構(gòu)元素下的檢測(cè)結(jié)果進(jìn)行加權(quán)求和，得到圖像的邊緣。實(shí)驗(yàn)表明，和其它的傳統(tǒng)或改進(jìn)形態(tài)學(xué)邊緣檢測(cè)算法相比，本文方法具有更好的噪聲抑制能力，而且邊緣定位準(zhǔn)確，檢測(cè)到的邊緣輪廓

3、更加清晰完整。
　　(2)針對(duì)單一方法在圖像邊緣檢測(cè)中存在的缺陷，本文結(jié)合小波和形態(tài)學(xué)在邊緣檢測(cè)中的優(yōu)勢(shì)，分別對(duì)小波分解后的高頻部分采用小波模極大值法，低頻圖像采用形態(tài)學(xué)檢測(cè)，最后將兩者得到的邊緣圖像進(jìn)行融合，得到最終的邊緣圖像。該方法克服了傳統(tǒng)小波方法只對(duì)高頻部分檢測(cè)，而丟棄低頻部分的缺陷，取得了滿(mǎn)意的結(jié)果。
　　(3)針對(duì)傳統(tǒng)的邊緣檢測(cè)和區(qū)域生長(zhǎng)方法存在的缺陷，本文研究了一種綜合邊緣檢測(cè)和區(qū)域生長(zhǎng)相結(jié)合的分割算法，即先對(duì)