针对图像自动分割中的最优阈值选择问题，提出一种基于云模型和数据场的图像分割方法。 该方法引入数据场实现图像灰度值特征空间到数据场势值空间的非线性映射，设定两个不同的质量函数分别形成相对数据场和绝对数据场。利用两类数据场的特点，结合全局和局部统计特征获得自适应势阈值对图像像素进行划分，产生图像潜在的背景或目标像素集合。进一步由逆向云发生器算法产生图像背景和目标的云模型表示，根据图像像素隶属于背景、目标云模型的程度，采用极大判定法则得到最终的分割结果。 实验结果表明，该方法的分割效果较好、性能稳定，具有合理性和有效性。

最近十年，人工智能理论的研究取得了重要突破:1)发现了智能生成的共性核心机制是在给定条件下的“信息-知识-智能转换”，由此建立了人工智能的机制模拟方法;2)发现了知识的生态学结构是在本能知识支持下的“经验知识-规范知识-常识知识转换”，因而开拓了人工智能研究的视野;3)把智能生成的共性核心机制与知识的生态学结构结合起来，发现原先各自独立发展的人工智能“结构模拟、功能模拟、行为模拟方法分别是机制模拟方法在不同知识条件下的和谐特例”，从而形成了人工智能研究的统一方法和理论，为人工智能的发展开辟了新的前景。文中认为，人工智能研究的上述突破在很大程度上得益于科学研究方法论的创新。