现有的各种图像分割算法中,结合人工神经网络或遗传算法进行图像分割的方法,由于从不同侧面反映了人类视觉感知的智能性、并行性,因此取得了较好的效果,推动了图像分割向智能化方向发展,但无论是在理论还是实践上都远远没有达到让人满意的程度.该文的研究工作正是基于此,对图像分割的研究提出了聚类分析与神经网络、熵阈值分割与遗传算法相结合的新思路,力图寻求符合人类视觉感知特性的有效的彩色图像分割算法.首先,该文对聚类算法进行了深入研究并提出了一种基于Fisher距离的聚类有效性函数,用于描述数据集硬划分的类间分离性,评价各类聚类算法的有效性.其次,该文对自组织特征映射神经网络进行了深入研究并提出了一种基于自组织特征映射神经网络的彩色图像分割方法.利用各象素的RGB值作为输入样本对网络进行训练,根据竞争层特征映射点的密度分布图,再利用自组织映射分析的方法,确定图像颜色的聚类数和聚类中心,最后利用距离竞争取胜的原则处理每个象素,从而实现了彩色图像的区域分割.另外,通过引入基于Fisher距离的有效性函数作为最佳聚类数确定的依据,构造了一种自适应SOFM神经网络应用于彩色图像分割,并取得了良好的分割效果.最后,该文在分析研究遗传算法和二维熵阈值分割原理的基础上,将遗传算法应用到多阈值图像分割过程中,采用基于多阈值的整数编码方式,在图像分割区域数已知的情况下,提出了一种基于固定码长遗传算法分割算法;而对图像分割区域数未知的情况,将图像分割的类别数即染色体的码长融合到适应度函数中,并改进了交叉与变异操作,从而实现了在对阈值寻优的同时得以优化分割类别数,最终实现了基于二维熵阈值的自适应图像分割.最后,通过实验分析得出:该法具有实现阈值寻优速度快,最优解对应图像分割效果好的特点.