面的要求，因此成为图象处理中一个强大的分析工具。 模别聚类在图象处理中最为广泛的应用为图象分割，由于分割问题可以等 效为象素的无监督分类，因此早在l979年Coleman和Andrews就提出用聚类算法 做图象分割45]，此后又涌现出如基于二维直方图46,47]、塔型结构[48,49]、小 波分析[50]、分形分维[51]、空间约束52]、可识性理论[53和有效性指导54等一 系列的灰度图象的聚类分割方法。在纹理图象[50、彩色图象[55,56、序列图 象571以及航空遥感图象[58,591等分割方面也获得了很大的进展。 另外，基于模别聚类的方法在边缘检测[60,35,61]、图象增强[62]、图象压 缩[63]、图象平滑[64、图象匹配[6]等众多方面也同样取得了丰硕的成果。 随着应用的发展，对模别聚类理论又提出了许多新的要求，因此必须进一步 丰富和完善聚类理论、指导实际应用，使携别聚类更处地服务人类。 7
DZ%
$! 2"% DZDZ%.
. DZ0,"
 (1( ;*, 2" %."#
  5 %" < 1#2"< (# $"# "#.-3"!# "0# %"#
,1%2". , %"#-,%"<  #,% "1#2..%"< (# .   
2" ! 8" < 0< #%7" !#%. 4" 0#% 3" #%" # 3   %/- 
2"  
 (
 %2" %
2"DZ/-
" 1