图像处理是获取信息重要途径且广泛的被应用到军事、医学和交通等重要领域,图像分割在图像处理中占有重要地位,并且能够进行图像分析、图像理解和图像解释等方面的研究。目前,图像分割还没有一种通用的分割算法,阈值分割是常用的分割算法之一,且具有简单、直观和易于实现的特点,同时也是研究和应用的一个热点。鉴于图像本身固有的复杂性和相关性,使图像分割过程中出现不确定性和模糊性,如何处理图像分割过程中的不确定性,以便获取更加精确的分割结果是图像分割的一个难点。本文用变精度粗糙集和信息熵等理论处理图像分割过程出现的不确定性,以粒子群优化算法提高分割效率,提出了一些适应性和灵活性较好的阈值分割算法。取得主要研究成果如下:1.提出了变精度粗糙集最大依赖度和粒子群的图像单阈值分割算法。粗糙集是处理不确定性和模糊性的有效数学工具,在变精度粗糙集理论中依赖度越大则属性之间关系越密切。该算法以变精度粗糙集表示图像,用最大依赖度和粒子群算法求解最佳分割阈值。通过实验对比分析,该单阈值分割算法优于最大平均信息熵法。2.提出了变精度最大粗糙熵和粒子群的图像单阈值分割算法。该算法用变精度粗糙集表示图像,粗糙熵越大则图像中的不确定性越强,以最大粗糙熵求解最佳分割阈值,用粒子群优化算法提高分割效率。通过实验验证,该单阈值分割算法优于最大平均信息熵法。3.在变精度粗糙集理论中,当变精度粗糙集的边界域减小时,粗糙熵随之减小,边界域越小则变精度粗糙集所表示的图像越准确,此时图像最佳分割阈值在最小粗糙熵处取得,构造新的粗糙熵即最小平方粗糙熵。本文用变精度最小平方粗糙熵求解最佳分割阈值,以粒子群优化算法提高分割效率,提出变精度最小平方粗糙熵和粒子群的图像单阈值分割算法。通过实验验证,该单阈值分割算法明显优于最大平均信息熵法,且说明变精度粗糙熵是能够处理图像分割过程出现的不确定性。