描述，不能全面反映图像纹理的区域特征,进而影响分割的精确性。
为了克服这一问题,有学者提出了一种改进的图像分割方法.将分数阶微分运
算引入图像纹理特征提取过程，利用它对图像细节信息的敏感性提取图像纹理细
节和边缘轮廓信息，与灰度共生矩阵提取的纹理空间分布特性相结合 ,强化对纹
理细节和边缘轮廓的描述,得到完备的图像纹理信息,以弥补传统算法对图像纹理
信息描述不足的缺陷。此外，为准确划分图像中不同的纹理区域，在分割后处理
过程中利用模糊熵准则对分割结果进行进一步优化，以降低噪声干扰 ,减少区域
内错分点。
基于图论,不论是基于边缘信息的图像分割还是基于区域信息的图像分割都
需要将图像映射成图或网络图，并对图或网络图进行表示。网络图的结点对应图
像的像素。网络图的边对应图像中像素的相邻性。网络图的权值对应于图像中相
邻像素的关联程度。在基于边缘信息的图像分割中，网络图的权值反映的是图像
中相邻两个像素间的边缘性,大的权值,表示像素间具有强的边缘连接，小的权值，
表示像素间具有弱的边缘连接。在基于区域信息的图像分割中，网络图的权值反
映的是图像中相邻两个像素间的相似性 ,大的权值,表示像素间具有强的相似性 ,
小的权值，表示像素间具有弱的相似性。对于网络图的矩阵表示，本文采用图的
邻接矩阵，它可以很好地表示图或网络图中结点与结点之间的邻接关系 ,反映在
图像中，正好可以反映图像像素间的邻接关系。并且通过对邻接矩阵的运算与操
作，完成对图像的相应处理。
基于边缘信息的图像分割对应图论的两个主要特性是生成树和最短路径。在
加权无向图中，生成树的代价是该生成树的所有边的权的和，生成树可表达图像
中图像区域的边界信息。对于树，每个元素只有一个前趋，但有多个后续，具体
需要怎样的生成树或图像的边界，需要按照一定的准则来判断与搜索。网络图中
的最短路径是指从某个结点出发到其它任意一个结点的最短路径。在一定的代价
函数设置下，最短路径可对应于图像中目标区域的边界。也就是通过一定的搜索，
形成的指定点间的最短路径树就对应着图像的目标轮廓.
基于区域信息的图像分割对应图论的主要特性是：割、最小割及度。割就是
将图或网络图分为若干子图。以两个子图为例，就是将图划分为两个互补的子图，
连接这两个子图的边的权值之和称为割。反映在图像中，对网络图的切割对应的
就是将图像分割成两个区域部分，割表示的就是两个区域部分之间的关联程度或
相似性。最小割表示两个区域间具有最小的相似性。图中结点的度是指与其相关
联边的数目，网络图中某个结点的度定义为连接它的所有边的权值之和。结点的
度反映了结点与其它结点联系的程度，结点的度越大 ,说明它与其它结点的联系
越紧密,结点的度越小说明它与其它结点的联系程度越小，当结点的度为零时，
该结点为孤立点。反映在图像中，结点的度反映了对应像素与其它像素或区域的
