张 莲，李梦天，余松林，宫 宇，杨洪杰

（重庆理工大学 电气与电子工程学院，重庆 400054）

0 引言

图像分割指将图像分成各具特性的区域并提取出感兴趣目标的技术和过程，它是由图像处理到图像分析的关键步骤，是一种基本的计算机视觉技术，也是进行特征提取和图像识别的基础[1]。常用的图像分割方式主要基于阈值、边缘、区域、聚类等进行分割。

自然界中一切物体都会向外辐射能量，通过红外技术可以完成辐射能量的收集形成图像，与可见光图像相比，红外图像具有信噪比低、图像模糊且边缘不清晰等特点，因此对红外图像的分割方法一直有着较高的要求[2]。

为了更好地完成红外图像的分割，文献[3]提出了一种基于PCNN（pulse coupled neural network）算法和类内绝对差法结合的分割方法，优化了分割参数和阈值的选择。文献[4]提出了一种改进的蝙蝠算法，通过空间信息熵快速搜索最优阈值进行分割，提升了分割效果和效率。文献[5]提出了一种基于粒子群优化Niblack的分割方法，能够快速搜索Niblack 矩阵中最优分割阈值，完成目标区域的提取。但是上述研究在红外图像分割中没能改善过分割以及欠分割现象，使图像的边缘细节特征模糊甚至遗失，导致分割结果不够理想。相比之下，Lazy Snapping算法能实现红外图像的交互式半自动分割，用户通过交互手段设置图像的前景和背景就能完成图像的分割，近年来受到国内外研究人员的高度关注[6]。

Lazy Snapping算法是一种基于图论的分割算法，对于存在噪声以及边界模糊不清的红外图像也能保证分割质量，完成特征的提取。……