图象分割是计算机视觉的基础,多年来受到科研人员的广泛重视.该文侧重于利用象素特征的图象分割方法,主要进行了以下两个方面的研究:第一、提出了一种自适应旋转投影分解的图象分割方法(AOP法).该方法首先将直方图的传统双高斯模型推广到多高斯模型,并通过应用自适应旋转投影分解法,快速准确地确定每个高斯分布的权值、均值和方差,进而计算出各相邻高斯分布之间的最优阈值用于图象分割;提出了阈值分离度的概念,并将其作为选取最终阈值的指标.在此基础上,对AOP法的适用范围、影响因素等若干问题进行了讨论,为该方法的应用提供了理论参考.第二、提出了一种基于人工神经网络的多特征图象分割方案,并在植物识别系统中,应用该方案进行了叶脉提取和花朵分割:对于叶脉提取,利用象素的多种领域特征,侧重于检测出叶脉这种特殊的形态;对于花朵分割,则主要利用它的颜色信息,侧重于划分出花朵所在的区域.实验结果表明,对于复杂的图象分割问题,基于多特征的分割方案比利用单一特征的分割方法更为有效.