题目：基于群体智能的图像分割方法研究

图像分割是图像理解的基础，也是图像分析的关键步骤。资料显示，在分割过程中使用的先验知识越多，算法的精度越高，分割能力越强，但分割的速度变慢。本文针对图像阈值分割的鲁棒性及分割速度问题，研究基于图像灰度阈值的快速分割技术和方法。
主要工作为综合利用灰色理论、小波变换、模糊理论、模式识别、熵及直方图等概念，构造新的阈值分割模型，提高分割质量；另一方面，采用20世纪我国学者开始关注的群体智能算法，通过其高效、并行寻优能力来优化分割模型，提高分割速度。
主要研究成果包括：
(1)    将遗传算法、小波变换、图像二维熵和灰色理论相结合，提出一种基于二维灰熵模型的快速SAR图像分割方法。理论分析和实验结果表明，与传统Abutaleb分割方法相比，该方法鲁棒性好且分割速度明显加快?
(2)    将Tsallis熵运用到图像阈值分割，利用粒子群优化算法的并行寻优能力，提出一种基于灰色Tsallis熵的SAR图像快速分割方法。该方法较传统的图像分割方法更具灵活性，且分割速度较快?
(3)    将模糊理论与灰色关联分析理论相结合，提出一种基于灰色模糊熵的SAR图像快速分割方法。该方法弥补了传统模糊分割方法对噪声敏感的缺陷，鲁棒性增强，而且经粒子群优化算法的优化后，分割速度提高。
(4)    研究了模式识别理论中的Fisher判别准则函数，并以之作为图像阈值的选取准则，提出基于Fisher准则和灰色后处理的快速图像分割方法。该方法一方面降低了边界区域信息对分割结果的影响，一方面借助粒子群优化算法提高了阈值的搜索速度，减少了分割时间。