工作展望：提高多阈值图像分割优化算法的目标函数和协调性

基于多阈值图像分割的特点，对无模糊和非模糊多阈值图像分割进行研究是具有理论意义和实用价值的。本书对多阈值优化的相关技术进行了研究，针对现有不足，提出了一些有效的改进方法与解决方案，随着图像分割在图像分析和图像理解领域中的不断应用，这个领域将出现新的问题与热点，后续将进一步对此进行研究，重点关注如下方面：

（1）对新型智能优化算法进行分析研究，提出更加符合多阈值图像分割的改进智能优化算法。智能优化算法尽管是一种降低计算复杂度的有效手段，但是目前智能优化算法种类繁多，且算法各有侧重和优缺点，获取和改进新型智能优化算法，并将其应用到多阈值图像分割工作仍然有很多重要的技术难题，如算法收敛性证明、收敛速度分析等。

（2）基于多阈值图像分割的特点（简单、快速但领域高度无关），邻域信息融合具有很重要的意义，且邻域像素的参与度和相关性制约着图像分割质量，因此，在接下来的研究工作中要对多阈值图像分割的邻域相关性进行更深入的研究。

（3）在多阈值图像分割中，在高效智能优化算法的基础上，目标函数的好坏直接影响着阈值优化效果。与智能优化算法类似，目标函数的种类同样繁多。大量参考文献提出了基于不同目标函数和优化算法的多阈值优化方案。但是二者之间的融合需要进一步验证和证明。因此，目标函数和智能优化算法的协调性问题也是下一步需要考虑的问题。(www.xing528.com)

（4）除了领域高度无关性缺陷以外，多阈值图像分割另一个重要缺陷便是初始阈值数量的设定。在现有多阈值图像分割方法中，阈值数量需要人工设置。但是基于不同尺寸、不同目标数量、不同光照条件等因素的影响。针对不同图像需设置几个阈值极为关键。近年来已经有学者提出了一些基于不同预处理方法的自适应阈值设置方案，但是其算法复杂度一般较高，距离实际应用仍然有一定距离。因此多阈值图像分割的自适应阈值选择方案仍是一个待解决的难题。除此之外，探讨基于智能优化的多阈值图像分割在语义分割、目标识别、图像标注、图像检索和视频处理等领域的应用也是未来需要进一步研究的重点。

（5）除基于智能优化的多阈值图像分割以外，在今后的研究工作中，也将逐渐深入研究其他图像分割方法，如超像素图像分割、基于水平集的图像分割、基于活动轮廓的图像分割等。在深入分析相关图像分割方法的基础上，也将集中精力深入分析图像分割相关的数学理论和数学模型，提高图像分割质量。在此基础上，深入推进图像分割方法的实践应用，主要开展目标识别、语义分割和医学图像分割等方面的研究。