图像分割是图像分析中的首要问题,也是图像分析中最古老和最棘手的问题之一,其目的是从整幅图像中分割出感兴趣的目标区域进行分析处理。目前大部分的彩色图像分割算法都是在灰度图像分割算法的基础上发展而来的,如阈值法、边缘检测方法和区域方法等。这些方法在灰度图像分割中效果还可以,但是扩展到彩色图像分割时效果并不理想。本文针对这个问题,提出了将自组织神经网络(SOM)应用于彩色图像分割中从而提高其分割效果。主要研究工作如下:(1)简单描述了彩色图像和灰度图像的异同,分析了几种传统灰度图像分割方法应用到彩色图像分割时的不足。(2)介绍了几种神经网络分割方法在彩色图像分割中的应用。分析了SOM神经网络的基本算法、学习规则和网络模型,讨论了这种算法在彩色图像分割中的可行性,并用几组实验验证了SOM在彩色图像分割中的效果。(3)深入研究了模拟退火算法(SA)和K均值算法,讨论这两种算法的优劣,将其和SOM结合以改进SOM的运行效率,并用实验结果证明了这种改进的有效性。(4)深入研究了SOM神经网络的变种分层动态增长的自组织神经网络(GHSOM),对GHSOM算法在彩色图像分割中的应用进行了深入的分析讨论。实验结果证明了该算法在图像分割中的优越性。