基于圖割算法改進(jìn)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(jì)算機(jī)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(chǔ)空間大、構(gòu)圖計(jì)算量大、計(jì)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(shí)的效率問題，一種可行的方法是通過減少圖中節(jié)點(diǎn)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(shí)間以及最大流計(jì)算的時(shí)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(jì)了基于能量函數(shù)和基于流量檢測的圖割改進(jìn)算法。
　　首先，本文對(duì)Boykov-Jolly能量函數(shù)進(jìn)行了改進(jìn)，并基于改進(jìn)的能量函數(shù)實(shí)現(xiàn)了圖割算法改進(jìn)。標(biāo)準(zhǔn)圖割算法中，每個(gè)像素節(jié)點(diǎn)都需要同時(shí)和兩個(gè)終端節(jié)點(diǎn)相連。而改進(jìn)的圖割算法中，由于修改后的能量函數(shù)區(qū)域項(xiàng)可以同時(shí)考慮節(jié)點(diǎn)與前景和背景的相似程度，所以每個(gè)節(jié)點(diǎn)只需要

3、和一個(gè)終端節(jié)點(diǎn)相連，從而減少了節(jié)點(diǎn)與終端之間的邊的數(shù)目、降低了圖的復(fù)雜度。實(shí)驗(yàn)表明，在保證圖像分割效果的前提下，改進(jìn)算法的運(yùn)行速度更快，提高了圖割算法效率。
　　其次，本文設(shè)計(jì)了一種圖的流量檢測方法來判斷一個(gè)節(jié)點(diǎn)是否對(duì)最大流計(jì)算有用，并基于流量檢測方法實(shí)現(xiàn)了圖割算法改進(jìn)。根據(jù)流守恒條件，滿足流量檢測公式的節(jié)點(diǎn)在尋找最大流的過程中不會(huì)被任何流經(jīng)過，因?yàn)槠淞髁靠梢杂赏鈧?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(diǎn)和無用邊，就可以有效