胡 亮, 金日浩, 赵 阔, 李 洁

(1. 吉林大学 计算机科学与技术学院, 长春 130012; 2.国网吉林省电力有限公司 电力科学研究院, 长春 130021)

0 引 言

在计算机视觉领域, 图像分割是将图像中具有不同含义的不同区域分割开来, 这些区域是不相互交叉的, 每个区域都满足特定区域的一致性[1]。典型的图像分割主要用于定位图像中目标区域及其边界, 简言之, 图像分割就是给图像每个像素都分配一个标签, 标注其所属区域的属性, 以此将一个图像分成若干个区域[2]。

目前的图像分割技术主要有基于聚类算法的图像分割、 基于直方图的图像分割和基于边缘检测的图像分割等。笔者针对基于图割理论的图像分割方法进行分析, 图割理论可有效实现图像分割, 通过将图像建模成一个有权无向图, 图像中的每个像素点代表图中的一个节点, 而边的权值则由像素点之间的亲和度决定, 并根据确定的标准完成图像分割。

1 相关工作

1.1 Graph cuts方法

1989年, Greig等[1]首次将图割理论引入到图像处理领域, 通过求解最大流最小割问题实现对分割结果的最大后验估计, 以此达到对图像分割的目的。Graph cuts作为图像分割和抠图领域内的经典算法, 得到了科研工作者的广泛关注后涌现出了很多基于Graph cuts的图像分割和抠图技术。在Graph cuts算法中需要构建一个能量函数, 通过解决最小化能量函数问题实现分割的目的, 而这个最小化能量函数的问题可转变成图的最大流最小割问题, 所以Graph cuts的本质就是构建一个有权无向图并求解其最大流最小割问题[3]。……