美国麻省理工学院的研究人员开发出了一种新的图像分割算法，可将传统分割算法的效率提高上万倍。该研究将有助于改善医疗成像系统的识别精度并实现对特定3D物体的连续跟踪识别。当我们推开窗户向外张望时，马上就能看到汽车、人行道、行人或者远处高大的建筑。这在计算机领域中被称为视觉识别，对人类来说毫无难度，但对计算机视觉识别技术来说却是个难以解决的核心问题。

因为计算机并不明白两个不同物体有什么不同，所以就必须将图像分割开来，告诉计算机每个物体的边界在哪里，用来解决这个问题的算法就被称为图像分割算法。

在图像分割算法上，最原始也最传统的算法是使用大量的猜测并通过计算进行匹配和排除。这种算法虽然也能达到目的，但效率低而且占用资源巨大。由麻省理工学院电子工程及计算机科学学院的詹森-张和计算机科学与人工智能实验室(CSAIL)的约翰-费舍尔开发的这套算法就能解决这一问题，他们宣称新算法可将传统算法的效率提高上万倍。

张说，图像分割之所以成为一个难题是因为它并没有一个唯一的正确答案。向10个人进行询问有可能会得到10种不同的回答。因此，他们希望能开发出一种与人类理解方式类似的图像分割算法。

对特定3D物体的连续跟踪识别

为达到这一目的，詹森-张和费舍尔的算法从两个方面进行分割以实现平衡。首先以颜色为标准进行分割，按照颜色的不同来确定物体的边界;另外，以模糊算法通过简单化的原则对物体形状进行区分。

实验结果显示，虽然其他研究人员也都采取了与此大致相同的办法，但由于他们的初衷只为找到最适合的唯一的图像分割结果，所以运算强度大，效率自然较低;而新算法因考虑到了多种不同分割的可能，可以用较小的精度进行高效率的运算。虽然存在不少匹配精度较低的分割，但新算法最终仍能快速找到最优匹配结果。

美国佐治亚理工学院计算机工程学教授安东尼·伊泽尔说：“在图像分割领域有很多种新的方法，所以也不好说这种分割法会让整个领域发生变革。但应该肯定的是新算法非常有趣，我认为可以将其算作是一个里程碑。该技术可以用于物体的跟踪，甚至它还能用来识别随着时间的流逝外形发生变化的肿瘤。通过模式匹配，该技术还能够实现对不同角度不同光线下物体的精确识别。”