基于圖割算法改進的圖像分割方法研究.pdf

1、基于圖論的圖像分割方法，由于能夠兼顧圖像的局部特征和全局特征，一直受到學(xué)術(shù)界的高度關(guān)注。圖割（Graph Cuts）作為一種典型的基于圖論的圖像分割方法，具有圖論理論支撐，是計算機圖形領(lǐng)域的重要技術(shù)手段。然而，隨著圖像技術(shù)的發(fā)展和圖像分辨率的提升，圖割算法中圖的復(fù)雜度越來越大，導(dǎo)致了圖的存儲空間大、構(gòu)圖計算量大、計算速度慢等一系列問題。
　　為了解決圖割算法處理高分辨率圖像時的效率問題，一種可行的方法是通過減少圖中節(jié)點和邊的數(shù)目來

2、降低圖的復(fù)雜度，從而減少圖像映射到圖的時間以及最大流計算的時間，最終提高圖割算法效率。本文以最大流最小割定理為基礎(chǔ)，研究并設(shè)計了基于能量函數(shù)和基于流量檢測的圖割改進算法。
　　首先，本文對Boykov-Jolly能量函數(shù)進行了改進，并基于改進的能量函數(shù)實現(xiàn)了圖割算法改進。標準圖割算法中，每個像素節(jié)點都需要同時和兩個終端節(jié)點相連。而改進的圖割算法中，由于修改后的能量函數(shù)區(qū)域項可以同時考慮節(jié)點與前景和背景的相似程度，所以每個節(jié)點只需要

3、和一個終端節(jié)點相連，從而減少了節(jié)點與終端之間的邊的數(shù)目、降低了圖的復(fù)雜度。實驗表明，在保證圖像分割效果的前提下，改進算法的運行速度更快，提高了圖割算法效率。
　　其次，本文設(shè)計了一種圖的流量檢測方法來判斷一個節(jié)點是否對最大流計算有用，并基于流量檢測方法實現(xiàn)了圖割算法改進。根據(jù)流守恒條件，滿足流量檢測公式的節(jié)點在尋找最大流的過程中不會被任何流經(jīng)過，因為其流量可以由外側(cè)的環(huán)形區(qū)域來提供或吸收。從圖中刪除這些無用節(jié)點和無用邊，就可以有效