1) 基于閾值的分割方法

。閾值法的基本思想是基于圖像的灰度特征來計算一個或多個灰度閾值，并將圖像中每個像素的灰度值與閾值相比較，最后將像素據比較結果分到合適的類別中。因此，該類方法最為關鍵的一步就是按照某個準則函數來求解最佳灰度閾值。一般來說，閾值法較為適用于目標灰度值均勻的分布在背景灰度值之外的圖像，但由于其忽略了圖像中目標的空間結構信息，因此對于背景較為復雜的圖像則分割效果不佳。比較常用的閡值法有大律法(Otsu，1978)、最小誤差法(Kittler，1986)、最大熵法(Kaput"，1985)等。

2)基于邊緣的分割方法

，基于邊緣的分割方法指的是基于灰度值的邊緣檢測，它是建立在邊緣灰度值會呈現出階躍型或屋頂型變化這一觀測基礎上的方法。但該類方法最大的缺點是對噪聲較為敏感，即使噪聲的幅值很小，但當其頻率較大時，噪聲的一階和二階導數的幅值也會比較大，從而會產生錯誤的檢測結果，因此很多情況下需要結合濾波器進行使用。較為常見的微分算子包括Robert算子、Prewitt算子、Sobel算子、Laplaeian算子、Canny算子等(Sonka,2002)。

3)基于區域的分割方法

此類方法是將圖像按照相似性準則分成不同的區域，主要包括種子區域生長法、區域分裂合并法和分水嶺法等幾種類型。種子區域生長法(Adams，1994)是根據預先定義的生長準則將像素點或者子區域合并成為更大的區域的過程，具體實現時是從一組代表不同生長區域的種子像素開始，接下來將種子像素鄰域里符合條件的像素合并到種子像素所代表的生長區域中，并將新添加的像素作為新的種子像素繼續合并過程，直到找不到符合條件的新像素為止。該方法的關鍵是選擇合適的初始種子像素以及合理的生長準則。與種子區域生長不同，區域分裂合并法(Gonzalez，2002)的基本思想是首先將圖像任意分成若干互不相交的區域，然后再按照相關準則對這些區域進行分裂或者合并從而完成分割任務，該方法既適用于灰度圖像分割也適用于紋理圖像分割。分水嶺法(Meyer,1990)是一種基于拓撲理論的數學形態學的分割方法，其基本思想是把圖像看作是測地學上的拓撲地貌，圖像中每一點像素的灰度值表示該點的海拔高度，每一個局部極小值及其影響區域稱為集水盆，而集水盆的邊界則形成分水嶺。該算法的實現可以模擬成洪水淹沒的過程，圖像的最低點首先被淹沒，然后水逐漸淹沒整個山谷。當水位到達一定高度的時候將會溢出，這時在水溢出的地方修建堤壩，重復這個過程直到整個圖像上的點全部被淹沒，這時所建立的一系列堤壩就成為分開各個盆地的分水嶺。分水嶺算法對微弱的邊緣有著良好的響應，但圖像中的噪聲會使分水嶺算法產生過分割的現象。

4)基于圖論的分割方法
此類方法把圖像分割問題與圖的最小剪切問題相關聯。首先將圖像映射為帶權無向圖G=<V，E>，圖中每個節點E∈V對應于圖像中的每個像素，每條邊只∈E連接著一對相鄰的像素，邊的權值表示了相鄰像素之間在灰度、顏色或紋理方面的非負相似度。而對圖像的一個分割s就是對圖的一個剪切，被分割的每個區域C∈S對應著圖中的一個子圖G’=<V，E。>，其中E’量E。而分割的最優原則就是使劃分后的子圖在內部保持相似度最大，而予圖之間的相似度保持最小。基于圖論的分割方法的本質就是移除特定的邊，將圖劃分為若干子圖從而實現分割。由于每一個像素之間都會賦有一個權值，因此該類方法對目標的形狀不敏感，但存在著運算時間過長的缺點。比較常見的基于圖論的分割方法包括最小樹方法(Graham，1 985)、NormalizedCut方法(Shi，2000)、Min．Max Cut方法(Ding，2001)、Graph Cut方法(Boykov,2001)等。

5)基于能量泛函的分割方法
該類方法主要指的是活動輪廓模型(active contour model)以及在其基礎上發展出來的算法，其基本思想是使用連續曲線來表達目標邊緣，并定義一個能量泛函使得其自變量包括邊緣曲線，因此分割過程就轉變為求解能量泛函的最小值的過程，～般可通過求解函數對應的歐拉(Euler．Lagrange)方程來實現，能量達到最小時的曲線位置就是目標的輪廓所在。按照模型中曲線表達形式的不同，活動輪廓模型可以分為兩大類：參數活動輪廓模型(parametric active contour model)和幾何活動輪廓模型(geometricactive contour model)。其中，參數活動輪廓模型是基于Lagrange框架，直接以曲線的參數化形式來表達曲線，最具代表性的是由Kasset a1(1987)所提出的Snake模型。該類模型在早期的生物圖像分割領域罩得到了成功的應用，但其存在著分割結果受初始輪廓的設置影響較大以及難以處理曲線拓撲結構變化等缺點，此外其能量泛函只依賴于曲線參數的選擇，與物體的幾何形狀無關，這也限制了其進一步的應用。與參數活動輪廓模型不同，幾何活動輪廓模型的曲線運動過程是基于曲線的幾何度量參數而非曲線的表達參數，因此可以較好地處理拓撲結構的變化，并可以解決參數活動輪廓模型難以解決的問題。而水平集(Level Set)方法(Osher,1988)的引入，則極大地推動了幾何活動輪廓模型的發展，因此幾何活動輪廓模型一般也可被稱為水平集方法。而本論文就是對水平集方法及其在圖像分割中的應用和進一步擴展進行深入的研究，關于水平集方法理論和研究現狀的詳細描述將在第2章中給出，這里不再贅述。

6)其他分割方法
由于圖像分割技術與信息領域的其他學科密切相關，因此隨著數學、模式識別、人工智能、計算機科學等學科中新的理論和技術的產生，出現了不少結合特定理論的分割技術，如基于小波分析和變換的多尺度分割技術、基于聚類的分割技術、基于人工神經網絡的分割技術、基于遺傳算法的分割技術、基于模糊理論的分割技術、基于隨機場理論的分割技術等，并且每年還不斷有新的分割方法問諸于世，從而將圖像分割的研究向智能化和實用化的方向發展和推進。