【正文】 的可行性進(jìn)行了探索?；趫D論的圖像分割方法是圖像分割領(lǐng)域中的一個(gè)研究熱點(diǎn)，該類方法將圖像映射為帶權(quán)無(wú)向圖，把像素視作節(jié)點(diǎn) , 利用最小割集準(zhǔn)則得到圖像的最佳分割，會(huì)有一些問(wèn)題不可避免的出現(xiàn)。但是，如果單純的使用這類方法對(duì)圖像進(jìn)行分割的話，無(wú)法得到好的分割效果。（ 2） 針對(duì)基于圖論的圖像分割方法在處理含有噪聲圖像時(shí)的不足，提出一種新的具有抑制噪聲能力的圖像閾值化分割方法。該方法采用MinMax Cut劃分測(cè)度作為區(qū)分目標(biāo)和背景的閾值化分割準(zhǔn)則。關(guān)鍵詞：圖劃分；圖像分割；Normalized Cut；MinMax CutResearch of Threshold Image Segmentation Based on GraphTheoryABSTRACTAs one of the most important and typical problems in image processing andputer vision fields, image segmentation is the basic premise in image visionanalysis and pattern segmentation based on graph theory is aresearch focus in image segmentation fields,this approaches are the formation of aweighted graph,where each vertex corresponds to an image pixel,the bestsegmentation of the image can be obtained by minimal cut sets,and achieve goodresults of image some problems and deficiencies may be found inthe process of implementation, if we just simply use this approaches. other theoriesare bined with this approaches to get better effectiveness.Aiming at the problem exists in the image segmentations based on graphtheory, the thesis bines the Normalized Cut standard and MinMax Cut standardwith threshold image segmentation, and improves the putational formula whichused to measure the similarity between the pixels to reach a well effectiveness. Themain works can be organized as follows:Part one: To make sure the feasibility of the bination of the two methods, thetheories and progress of image segmentation based on graph theory and thresholdsegmentation were researched.Part two: Aiming at the problem in the process of the image segmentationsbased on graph theory, a new algorithm is presented to resist noise in the process ofimage segmentation. Normalized Cut standard is adopted as the standard of thedivision between the objective and background, and the relevant space informationbetween pixels and its neighborhood are used to improve the noise immunity. Theexperimental results show that the method has well noise immunity.Part three: Aiming at the inadequate of monality in the image segmentationsbased on graph theory, a new method based on MinMax Cut threshold imagesegmentation is proposed. This method adopts Min Max dividing measure as thethreshold segmentation rule to distinguish the target and background. In describingthe weight matrix of similarity between the pixel values of each image,we useweight matrix based on grey level to replace that based on image pixels so that thealgorithm plexity and the storage space degrees are greatly saved. By using theputational formula of the potential function as the graph weight matrices, theformula can reflect the similarity between pixels better in statistics. Meanwhile, itavoids the defect by the manual forms to set the control of some similaritiesbetween the degree of sensitivity parameters, and improves the monality of thealgorithm. The experimental results show that the algorithm has been betterpractical.Key words: Graph Cut； image segmentation； Normalized Cut； MinMax Cut插圖清單圖 圖像分割的作用 ................................................................................................. 1圖 圖 圖 無(wú)向圖 ............................................................................................................. 10有向圖 ............................................................................................................. 10加權(quán)圖 ............................................................................................................. 11圖 圖像分割與圖的分割間的關(guān)系 ....................................................................... 12圖 cameraman 圖片及其分割結(jié)果...................................................................... 23圖 image 圖片及其分割結(jié)果 ................................................................................. 23圖 加了 saltamp。pepper 噪聲參數(shù)下三種方法的信噪比 ......................... 26獨(dú) 創(chuàng) 性 聲 明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。本人授權(quán)合肥工業(yè)大學(xué)可以將學(xué)位論文的全部或部分論文內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。通過(guò)人的肉眼觀察的話，這些特征有可能比較容易的看出，也有可能因?yàn)榧?xì)微的差別而觀察不出來(lái)。這是因?yàn)橥ㄟ^(guò)對(duì)圖像的分割處理后，就可以把人們感興趣的圖像目標(biāo)區(qū)域從占據(jù)不同區(qū)域的背景區(qū)域中提取出來(lái)，從而為下一步的圖像處理奠定基礎(chǔ)。圖像預(yù)處理圖像識(shí)別圖像理解圖像分割圖 圖像分割的作用 圖像分割需滿足的條件圖像分割就是根據(jù)圖像本身的特征把圖像中具有特殊含義的互不相交的區(qū)域區(qū)分開來(lái)，這些特性包括灰度圖像的的灰度值，彩色圖像顏色的各個(gè)分量值以及圖像的幾何性質(zhì)等。（4）區(qū)域邊界的齊整性：每個(gè)分割后的區(qū)域邊界必須保證在空間位置的準(zhǔn)確性，從而使得分割后的區(qū)域邊界齊整。條件（3）表明分割的均勻性，即同一子區(qū)域內(nèi)的像素點(diǎn)必具有某種特征上的相似性。這就使得圖像的分割只是針對(duì)具體的應(yīng)用，而無(wú)法用一種通用的方法來(lái)解決。圖像的邊緣表示為圖像信息的某種不連續(xù)性，可表現(xiàn)在圖像紋理、灰度突變及色彩變化上等。根據(jù)執(zhí)行方式的不同，可以把該類方法分為串行邊緣檢測(cè)和并行邊緣檢測(cè)。串行邊緣檢測(cè)技術(shù)的優(yōu)點(diǎn)是能夠得到連續(xù)的單像素邊緣，但是它的效果對(duì)初始邊緣點(diǎn)依賴性較大，如果初始邊緣點(diǎn)的確定不恰當(dāng)?shù)脑?，可能?huì)得到虛假邊緣，同時(shí)較少的初始邊緣點(diǎn)也有可能導(dǎo)致邊緣漏檢。通常情況下在利用上述邊緣檢測(cè)方法的同時(shí)，需要進(jìn)一步的對(duì)邊緣進(jìn)行修正，如虛假邊緣剔除、去除毛刺和邊緣連通等。其基本思想是根據(jù)圖像的灰度或顏色值的信息把圖像劃分為背景和目標(biāo)，3從而實(shí)現(xiàn)對(duì)圖像的分割。目前常用的確定閾值的方法有：P參數(shù)法，判別分析狀態(tài)法。閾值算法的優(yōu)點(diǎn)是實(shí)現(xiàn)較容易，算法簡(jiǎn)單，特別是針對(duì)目標(biāo)和背景閾值差異較為強(qiáng)的圖像，若體現(xiàn)在灰度直方圖即有明顯的波峰和波谷的圖像，該方法的分割效果較好。目前較常用的閾值算法包括：基于灰度直方圖的波峰與波谷法、最大熵法、最小誤差法、模糊集法、最大類間方差法等。如此往復(fù)，直到再?zèng)]有像素點(diǎn)可以被合并，這樣一個(gè)區(qū)域就形成了?；趨^(qū)域的分割方法在圖像的空間關(guān)系上，不僅考慮到像素的相似性，而且還考慮到空間區(qū)域上的鄰接性，因此可以有效地消除噪聲的4干擾，在算法上有很強(qiáng)的魯棒性。如果用距離表示兩個(gè)樣本間的相似性時(shí)，就會(huì)把特征空間劃分成若干個(gè)區(qū)域，這樣每一個(gè)區(qū)域相當(dāng)一個(gè)類別。（5） 結(jié)合其他特定理論的分割方法近年來(lái)，大量學(xué)者致力于將新方法、新概念應(yīng)用于圖像分割中，在圖像分割方面，結(jié)合特定理論的圖像分割方法已取得了較好的應(yīng)用效果。該方法在本質(zhì)上把圖像分割問(wèn)題轉(zhuǎn)化為圖的最優(yōu)化問(wèn)題, 是一種點(diǎn)對(duì)聚類方法, 因此在數(shù)據(jù)聚類也會(huì)有很好的應(yīng)用前景。這就使得人們?cè)谶M(jìn)行圖像分割時(shí)，只能針對(duì)某類圖像進(jìn)行分割，沒(méi)不能對(duì)所有的圖像進(jìn)行分割。而目前大多數(shù)的圖像分割算法，由于各種原因，而沒(méi)有很好的考慮到這一點(diǎn)，因此很難取得較好的圖像分割效果。到目前為止，我們還沒(méi)有一個(gè)標(biāo)準(zhǔn)化、系統(tǒng)化的認(rèn)識(shí)，同時(shí)也缺乏對(duì)這要知識(shí)的認(rèn)識(shí)和了解。目前主要的研究思路包括以下幾個(gè)方面：（1） 神經(jīng)網(wǎng)絡(luò) [16]、模糊算法 [17]、遺傳算法 [18]、圖論算法 [19]、粗糙集理論、小波分析 [20] 、形態(tài)學(xué)等新的方法和概念應(yīng)用到圖像分割領(lǐng)域。目前的圖像分割方法都中對(duì)多種圖像分割方法的結(jié)合。當(dāng)然這種結(jié)合的優(yōu)勢(shì)，要在有效的結(jié)合下才能顯示，僅僅把兩種算法放在一起是無(wú)法發(fā)揮這樣優(yōu)勢(shì)的。這些6部分常稱為目標(biāo)或前景(其他部分稱為背景).它們一般對(duì)應(yīng)圖像中特定的、具有獨(dú)特性質(zhì)的區(qū)域。圖像分割技術(shù)不僅是一種重要的圖像處理技術(shù)，而且還在人類的生產(chǎn)和生活中得到廣泛的應(yīng)用，因此受到了越來(lái)越多人的關(guān)注，吸引了越來(lái)越多專家和學(xué)者的重視和研究。從上世紀(jì) 50 年代，人們就可以研究圖像的分割方法，隨著研究的深入和計(jì)算機(jī)科學(xué)技術(shù)的發(fā)展，以及與新理論和新工具的借鑒和結(jié)合，到目前為止，專家學(xué)者們以及提出了上千種各種類型圖像分割方法，而且這方面的研究仍在積極進(jìn)行。這種運(yùn)用圖劃分的理論來(lái)實(shí)現(xiàn)對(duì)圖像中目標(biāo)圖像的分割方法，相對(duì)于其他的圖像分割方法，在某些方面取得了