1、圖像分割是數(shù)字圖像分析中的重要環(huán)節(jié)，它既是對(duì)所有圖像預(yù)處理效果的一個(gè)檢驗(yàn)，也是后續(xù)進(jìn)行圖像分析與解譯的基礎(chǔ)。因此，對(duì)于圖像分割的研究一直受到人們的廣泛重視，也提出了大量不同的算法。
　　 本論文以醫(yī)學(xué)圖像分割和SAR圖像分割為應(yīng)用背景，對(duì)基于三維區(qū)域生長(zhǎng)的腹部器官提取算法進(jìn)行了研究和改進(jìn)，同時(shí)研究了兩種基于半監(jiān)督學(xué)習(xí)的SAR圖像分割方法。本論文的主要工作概括如下：
　　 (1)提出了一種基于二次三維區(qū)域生長(zhǎng)的腹部器官提取

2、算法。為了抑制區(qū)域生長(zhǎng)中出現(xiàn)的過(guò)分割現(xiàn)象，該算法提出利用Canny邊緣和第一次區(qū)域生長(zhǎng)后得到的結(jié)果圖的形態(tài)學(xué)邊緣來(lái)約束第二次的區(qū)域生長(zhǎng)。實(shí)驗(yàn)證明該算法不僅有效地抑制了過(guò)分割，同時(shí)分割結(jié)果中的空洞也明顯減少，能比較完整的提取出腹部器官。
　　 (2)提出了一種基于距離學(xué)習(xí)的半監(jiān)督譜聚類(lèi)算法。該算法利用數(shù)據(jù)的成對(duì)約束信息來(lái)學(xué)習(xí)一種距離度量，用該距離來(lái)構(gòu)建相似度矩陣，并采用帶約束的K-均值聚類(lèi)算法對(duì)譜映射后的特征向量進(jìn)行聚類(lèi)。該算法充

3、分利用了數(shù)據(jù)的先驗(yàn)信息，提高了算法的穩(wěn)定性。在紋理圖像和SAR圖像上的實(shí)驗(yàn)表明該算法較傳統(tǒng)的譜聚類(lèi)算法有更高的分割精度。
　　 (3)提出了一種結(jié)合分水嶺和改進(jìn)的Laplacian支持向量機(jī)(Laplacian SVM)算法的SAR圖像分割方法。為了避免參數(shù)的選擇問(wèn)題，該算法將自調(diào)節(jié)圖引入到Laplacian SVM算法中。另外，由于Laplacian SVM算法中用到圖和核函數(shù)的思想，將其應(yīng)用到圖像分割問(wèn)題時(shí)，會(huì)出現(xiàn)存儲(chǔ)量和計(jì)